في عالم الذكاء الاصطناعي، تتجه الأنظار نحو كيفية استخدام نماذج اللغات الضخمة (Large Language Models) في معالجة المشكلات النفسية، مثل الاكتئاب. دراسة حديثة تناولت هذا الموضوع بعمق، حيث تم استخدام نماذج لغوية مختلفة لتقييم شدة الاكتئاب من منشورات على وسائل التواصل الاجتماعي.

وفقاً للدراسة، يقوم النموذج بتصنيف شدة الاكتئاب مباشرة من منشور في وسائل التواصل الاجتماعي، أو بالإشارة إلى المعايير السريرية التي يظهرها المنشور. هذا الأسلوب يجعل من السهل تدقيق النتائج، حيث يمكن للأطباء التحقق من كل معيار محدد. ولتقييم فعالية هذه الأساليب، تم استخدام مجموعتين من بيانات Reddit وثلاث نماذج من اللغات الضخمة، بالإضافة إلى استبيانين شائعين (PHQ-9 و BDI-II).

أظهرت النتائج أن استخراج المعايير عبر نموذج تفكير سلس يتفوق على الهيكلية المعتمدة على المعايير السريرية، ولكن فقط عند ملاءمة عتبات القرار مع بيانات مصنفة مسبقاً. الخطير هنا هو أن تحسين العتبات لم يُحدث فرقًا كبيرًا، حيث ارتكب نموذج الـ 9B أخطاءً متكررة في تحديد الحالات الشديدة، سواء تم تحفيزه بشكل مباشر أو باستخدام التفكير السلس.

بينما كانت النماذج متساوية في الأداء مع البيانات المصنفة مسبقاً، فقد وجدت الدراسة أن الانتقال من التحفيز المباشر إلى التفكير السلس ثم إلى عمليات الاستخراج يؤدي إلى ارتفاع نسبة الأخطاء في اكتشاف الحالات الشديدة. لذا، فإن الابتكار في استخدام الذكاء الاصطناعي في الصحة النفسية ما زال يتطلب ضبطاً دقيقاً وموثوقية أعلى.

كيف تعتقد أن هذه الدراسة ستؤثر على تطوير أدوات الذكاء الاصطناعي في مجال الصحة النفسية؟ شاركونا آراءكم في التعليقات!