同理心对于进行心理健康方面的支持性对话至关重要但是这个技能很难学，尤其是当一个人在分享一些困难的事情的时候。
由华盛顿大学研究人员领导的一个团队研究了人工智能如何在该平台上帮助人们TalkLife在那里人们互相给予心理健康支持。研究人员开发了一种人工智能系统，可以建议改变参与者的反应，使他们更有同情心。该系统帮助人们比传统训练更有效地交流同理心。事实上，最好的反应来自人工智能和人类之间的合作。
的研究在杂志上发表了吗自然机器智能．
华盛顿大学新闻联系了资深作者蒂姆Althoff他是华盛顿大学保罗·g·艾伦计算机科学与工程学院的助理教授，了解有关这项研究以及人工智能和同理心概念的详细信息。
你为什么选择TalkLife平台进行学习?
蒂姆Althoff先前的研究表明，同行支持平台可能对精神卫生保健产生重大的积极影响，因为它们有助于解决获取的巨大挑战。由于保险问题、耻辱或孤立，许多人发现免费的在线同行支持平台是他们唯一能获得的。TalkLife是全球最大的同伴支持平台，拥有大量积极的同伴支持者。
此外，TalkLife的领导层认识到我们的研究在计算如何增强同伴支持方面的重要性和潜在影响。他们通过合作、反馈、招募参与者和数据共享等方式支持我们的研究。
是什么激励你帮助人们用更多的同理心交流?
助教:众所周知，同理心对于帮助人们获得支持和建立信任关系至关重要。但同理心也是复杂而微妙的。对人们来说，这时候找到合适的词语是很有挑战性的。
虽然咨询师和治疗师都接受过这方面的培训，但我们之前的研究证实了这一点同辈支持者目前错过了许多更有同情心地相互回应的机会．我们还发现，随着时间的推移，同伴支持者并没有学会如何更有效地表达同理心，这表明他们可以从同理心训练和反馈中受益。
从表面上看，让人工智能帮助处理同理心之类的事情似乎违反直觉。你能谈谈为什么这是人工智能解决的一个好问题吗?
助教人工智能反馈所能做的是非常具体和“上下文相关”，并就如何具体回应某人面前的消息给出建议。它可以以“个性化”的方式给人提供想法，而不是通过通用的训练例子或规则，这些规则可能不适用于人们将面临的每一种情况。它也只在有人需要的时候才会弹出——如果他们的反应很好，系统就会给出轻微的积极反馈。
人们可能会想，“为什么要在人际关系的这一方面使用人工智能?”事实上，我们从一开始就设计了这个系统，并没有剥夺这种有意义的人与人之间的互动。例如，我们只在需要时显示反馈，我们训练模型对回应做出尽可能小的改变，以更有效地交流同理心。
如何训练人工智能“了解”同理心?
助教我们与两位临床心理学家合作，亚当的矿工斯坦福大学大卫·阿特金斯在华盛顿大学医学院，了解移情背后的研究，并使现有的移情量表适应TalkLife上异步的、基于文本的在线支持设置。然后，我们让人们在TalkLife中为共情的各个方面注释了10,000个回答，以开发可以测量文本中表达的共情水平的人工智能模型。
为了教会人工智能给出可操作的反馈和具体建议，我们开发了一个基于强化学习的系统。这些系统需要大量的数据来训练，虽然在TalkLife等平台上，同理心的表达并不像我们希望的那样频繁，但我们仍然找到了数千个很好的例子。我们的系统从中学习，产生有用的同理心反馈。
在你对这个系统的评估中，你是否看到人们越来越依赖人工智能来获得同理心，或者随着时间的推移，人们是否学会了如何变得更有同理心?
助教:我们的随机试验表明，能够获得反馈的同伴支持者比没有获得反馈的对照组支持者多表达了20%到40%的同理心。
在我们的参与者中，69%的同伴支持者报告说，他们在这项研究后更有信心写下支持性的回应，这表明自我效能有所提高。
我们进一步研究了参与者如何利用反馈，发现同伴支持者并没有过度依赖人工智能。例如，他们会间接地将反馈作为更广泛的灵感，而不是“盲目”地遵循建议。在一些情况下，当反馈没有帮助甚至不合适时，他们也会标记出来。我很兴奋，人类同行支持者和人工智能系统之间的合作带来了比单独行动更好的结果。
我还想强调我们在考虑和应对道德和安全风险方面所做的重大努力。其中包括让人工智能与同伴支持者而不是当前处于危机中的人一起工作，在TalkLife类似的环境中进行研究，故意不整合到TalkLife平台中，让所有参与者都可以访问危机热线，并允许同伴支持者标记反馈以供审查。
这些结果对人类与人工智能合作的未来意味着什么?
助教:我对人类与人工智能合作的一个特别兴奋的领域是人工智能支持的通信。有如此多具有挑战性的沟通任务，其结果至关重要——从帮助某人感觉更好到挑战社交媒体上的错误信息——我们似乎希望人们在没有任何形式的培训或支持的情况下做得很好。在大多数情况下，我们得到的只是一个空的聊天框。
我们可以做得更好，我相信自然语言处理技术可以在帮助人们实现对话目标方面发挥重要作用。具体来说，我们的研究表明，即使是复杂和开放式的任务，如进行同理心对话，人类与人工智能的合作也可以有效。
本文的其他合著者是阿施施沙玛而且Inna林两人都是华盛顿大学艾伦学院的博士生;大卫·阿特金斯他是华盛顿大学医学院精神病学和行为科学系的副教授，也是Lyssn公司的首席执行官。io, Inc .);而且亚当的矿工斯坦福大学。这项研究由美国国家科学基金会、美国国立卫生研究院、比尔和梅林达·盖茨基金会、海军研究办公室、微软人工智能无障碍拨款、加维研究所创新拨款、国家促进转化科学中心、临床和转化科学奖以及斯坦福以人为本的人工智能研究所资助。
