AI by mohla být prospěšná psychologům tím, že přiblíží osobnost člověka prostřednictvím jazyka. Jazyk jako nástroj hodnocení má totiž podle autorů rozsáhlého přehledu publikovaného v časopisu Advances in Methods and Practices in Psychological Science několik předností. Je behaviorální, poskytuje objektivnější přístup k hodnocení a může být přirozený. Dalším plusem je i to, že je škálovatelný. Je také bohatý, což umožňuje jednotlivcům vyjadřovat se způsoby, které se vymykají tradičním hodnotícím škálám.
Jak výzkumníci ve své práci uvedli, jazyk bude díky mimořádnému pokroku v oblasti technologií pravděpodobně rychle přispívat k rozšiřování znalostí o psychologických charakteristikách. Ověřené nástroje LLM by mohly být navíc snadněji začleněny do rutinního výzkumu a klinických činností, které zahrnují řeč. Jejich použití by mohlo znamenat úsporu času a zdrojů jak pro účastníky/pacienty, tak pro výzkumníky/lékaře.
Jeden ze spoluautorů komplexního přehledu velkých jazykových modelů pro psychologické hodnocení Josh Oltmanns z Washingtonovy univerzity v St. Louis podotýká, že slova jsou „okna do mozku“ – to, jak je volíme a jak je říkáme, vypovídá mnoho o naší osobnosti, a dokonce i o našem duševním zdraví. Myšlenky, pocity a chování se totiž odrážejí v řeči. Záleží nejen na volbě slov, ale také na způsobu, jakým je člověk pronáší. Například zpomalená řeč může být příznakem deprese, zatímco příliš rychlá řeč bývá spojena s úzkostí. Dalšími měřítky jsou hlasitost, tón nebo výška tónu. Místo toho, aby psychologové pacienty podrobovali zdlouhavému testování, mohli by získat cenné poznatky právě z analýzy řeči.
„Nástroje umělé inteligence vycvičené k detekci výmluvných znaků v řeči by mohly v psychologickém hodnocení pacienta způsobit revoluci,“ domnívá se Oltmanns. Klinický lékař totiž podle něj nemusí vždy zachytit důležité verbální podněty, ale řádně vyškolený počítačový model tyto mnohdy skryté podněty nepřehlédne. Teoreticky by tak psycholog mohl požádat klienta, aby popsal svůj život a problémy, což je standardní součást počátečního hodnocení. Kromě využití vlastních klinických znalostí by pak odborník mohl tuto konverzaci vložit do programu určeného k detekci osobnostních rysů a známek problémů s duševním zdravím. Počítačový program zkoumající pacientovu řeč by následně mohl pomoci ověřit pozorování lékaře nebo ho upozornit na něco, co mohl přehlédnout.
Příchod jazykových modelů otevírá nový svět možností. Programy AI mohou být mnohem rychlejší, důkladnější a přesnější než předchozí počítačové modely. Josh Oltmanns nicméně současně varuje i před případnými riziky. Nástroje AI bývají často trénované prostřednictvím informací na internetu, což může vést k jisté míře zaujatosti. Pokud se případné předsudky nebudou včas řešit, je možné, že určité kulturní rozdíly v řečových vzorcích mohou být AI nepřesně označeny jako známky problémů s duševním zdravím.
Aby se takovým zkreslujícím problémům předešlo, měly by být modely umělé inteligence trénovány na různých populacích pacientů. Za tímto účelem autoři studují stovky hodin rozhovorů více než 1600 dospělých obyvatel St. Louis, shromážděných ve studii SPAN. Tito respondenti reprezentují jazykovou rozmanitost města a díky použití jejich řečových vzorců by mohlo pomoci vytrénovat AI modely, aby přistupovaly ke každému pacientovy stejně férově.
(hno)
Zdroje:
1. Brickman J., Gupta M., Oltmanns J. R. Large language models for psychological assessment: a comprehensive overview. Adv Methods Pract Psychol Sci 2025; 8 (3): 1–26, doi: 10.1177/25152459251343582.
2. Kjell O. N. E., Kjell K., Schwartz H. A. Beyond rating scales: With targeted evaluation, large language models are poised for psychological assessment. Psychiatry Res 2024; 333: 115667, doi: 10.1016/j.psychres.2023.115667.
3. Woolston C. What do our words say about our minds? WashU Ampersand, 2025 Sep 1. Dostupné na: https://artsci.washu.edu/ampersand/what-do-our-words-say-about-our-minds
