به گزارش خبرگزاری ایمنا، درمانگران سلامت روان نیز نظیر هر متخصص دیگری ممکن است در شرایط پیچیده و پرفشار دچار خطاهای شناختی شوند؛ خطاهایی که گاهی پیش از جلسه، حین گفتوگو با مراجعهکننده یا حتی پس از پایان جلسه شکل میگیرند و ممکن است بدون آنکه درمانگر متوجه شود، بر روند ارزیابی و تصمیمگیری او اثر بگذارند.
در همین راستا، استفاده از هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLM) بهعنوان ابزاری برای بازبینی عملکرد درمانگران، مورد توجه قرار گرفته است. این فناوری میتواند متن پیادهسازیشده جلسات درمانی را بررسی و الگوهایی را که احتمال دارد نشاندهنده خطاهای شناختی باشند، شناسایی کند.
خطاهای شناختی به الگوهای نادرست یا ناقص در پردازش اطلاعات گفته میشود که میتوانند بر قضاوت فرد اثر بگذارند. در محیط درمان، نمونههایی مانند سوگیری تأییدی، یعنی توجه بیشتر به اطلاعاتی که باور قبلی درمانگر را تأیید میکند، یا «ذهنخوانی» و «تعمیم افراطی» میتواند بر نحوه تفسیر صحبتهای مراجعهکننده تأثیر بگذارد.
هوش مصنوعی میتواند با بررسی محتوای جلسات، مواردی را که احتمال دارد چنین خطاهایی در آنها رخ داده باشد، برای بازبینی به درمانگر گوشزد کند. هدف این رویکرد جایگزین کردن هوش مصنوعی با متخصص نیست، بلکه فراهم کردن یک ابزار کمکی برای افزایش دقت در فرایند درمان است.
درمانگران در جلسات خود با شرایطی روبهرو هستند که تصمیمگیری را دشوار میکند؛ فشار زمانی، اطلاعات ناقص درباره وضعیت مراجعهکننده و پیچیدگی مسائل روانی میتواند احتمال بروز خطاهای شناختی را افزایش دهد.
از این منظر، هوش مصنوعی میتواند مانند یک «ناظر دوم» عمل کند؛ به این معنا که پس از جلسه، متن گفتوگو را بررسی کرده و نکاتی را که ممکن است از دید درمانگر پنهان مانده باشد، مطرح کند. چنین رویکردی میتواند فرصتی برای بازنگری در برداشتها و تصمیمهای درمانی فراهم آورد.
با وجود ظرفیتهای این فناوری، نحوه طراحی دستورهایی که به مدل هوش مصنوعی داده میشود اهمیت زیادی دارد. بازخورد تولیدشده باید بهصورت غیراتهامی و حرفهای ارائه شود تا به جای متهم کردن درمانگر به خطا، زمینهای برای ارزیابی همکارانه و بازاندیشی فراهم کند. همچنین نباید خروجی هوش مصنوعی را حقیقت قطعی یا جایگزین قضاوت متخصص دانست. مدلهای زبانی بزرگ خود نیز ممکن است دچار خطا شوند و تفسیر نادرستی از گفتوگوی درمانی ارائه دهند.
گسترش استفاده از هوش مصنوعی در سلامت روان، تنها به ارائه مستقیم مشاوره به کاربران محدود نمیشود و میتواند بهعنوان ابزاری در اختیار متخصصان نیز قرار گیرد. شناسایی خطاهای شناختی، در صورت استفاده مسئولانه، میتواند به درمانگران کمک کند تا تصمیمهای خود را دوباره بررسی و از تأثیر برخی سوگیریهای ناخودآگاه بر روند درمان جلوگیری کنند.
با این حال، حفظ محرمانگی اطلاعات بیماران، نظارت انسانی و ارزیابی دقیق عملکرد مدلها از الزامات اساسی چنین کاربردی است؛ زیرا هوش مصنوعی در این حوزه باید نقش ابزار پشتیبان تصمیمگیری را ایفا کند، نه جایگزین متخصص سلامت روان.
نظر شما