محققان در یک پژوهش جدید به نکته جالبی اشاره کردهاند: مدلهای زبانی بزرگ (LLM) ممکن است در آزمونهای تئوریِ درمان شناختی-رفتاری (CBT) نمره عالی بگیرند، اما در دنیای واقعی و هنگام تعامل با بیمار، بهجای حل مسئله، صرفاً در تله «تایید و بازتاب» گیر میکنند! 📉
این تحقیق نشان میدهد که برای تبدیل هوش مصنوعی به یک دستیار درمانیِ موثر، صرفِ آموزشِ تئوری کافی نیست؛ بلکه باید از چارچوبهای «استدلال عاطفی» و زنجیرههای فکری چندمرحلهای (MCoT) استفاده کرد تا مدل بتواند بین روشهای مختلف مثل «پرسشگری سقراطی» یا «ارائه دیدگاههای جایگزین» بهدرستی انتخاب کند. یک گام مهم برای اینکه هوش مصنوعی واقعاً بتواند از پسِ پیچیدگیهای ذهنی انسان بربیاید. 🗣️💡
منبع: arXiv AI