研究推半對抗式訓練，打造更貼近真實的 AI 心理輔助
一項聚焦 AI 心理健康應用的研究指出，傳統訓練方式多半讓兩個 AI 人格分別扮演治療師與個案，並在高度合作、目標一致的情境下進行模擬對話，再據此學習如何提供適當的心理支持。不過，研究者認為，這種理想化設定與真實諮商現場存在明顯落差，因為現實中的個案未必總是配合，可能分心、改變想法、甚至出現對抗。
研究內容提到，AI 人格通常是透過提示大型語言模型來模擬特定角色，心理健康訓練也因此常以治療師與個案的 AI 對話做為基礎。這種方法雖然有助於新手人類治療師觀察對話、分析優缺點，也能讓系統從互動中學習，但若個案永遠表現得合作且有禮，AI 就缺少面對真實人類情緒、猶豫與抗拒的經驗。
為了補足這項缺口，研究團隊開始嘗試半對抗式模擬，刻意讓 AI 個案在互動中出現合作與抵抗交替的情況，迫使 AI 治療師調整策略、提升應對能力。研究者形容，這種訓練方式有點像拔河，雖然讓諮商過程更困難，卻能帶來更豐富的學習訊號，也更有助於 AI 在面對非合作情境時維持安全與適切的回應。
研究並引用相關工作指出，非合作情境有助於提升 AI 的適應性與安全管理。研究者認為，若要讓 AI 真正用於心理健康輔助，就不應只停留在理想化的合作模型，而應納入更接近現實的人際互動設計，讓系統在受控環境中先學會處理人類常見的矛盾、抗拒與目標不一致問題。
（首圖來源：Unsplash）