Самосочувствие и внутренний диалог с ИИ: разбираем прототип MIND
В MIND человеку предлагают самому поддержать персонажа, который озвучивает похожие на его собственные переживания. ИИ создаёт сцену и помогает вести разговор, а роль помогающего получает пользователь. Идея интересная. С результатами стоит разобраться отдельно.
В препринте Chen с коллегами 2025 года есть симулированные диалоги, оценки людей и небольшой эксперимент с добровольцами. Измеренные результаты относятся к качеству взаимодействия и непосредственному эмоциональному отклику. Самосочувствие здесь предполагаемый механизм.
Пользователь в роли помогающего
Обычно в чате поддержки сочувствует модель. В MIND задача пользователя меняется: нужно ответить персонажу, который выражает когнитивное искажение. Например, делает общий вывод о себе из одного неприятного события. Авторы называют этот формат мультиагентным внутренним диалогом.
Обмен организуют четыре агента. Trigger создаёт сцену, Devil озвучивает искажённую мысль. Guide предлагает способы ответа, а Strategist определяет продолжение истории с учётом слов пользователя. Для экспериментальной постановки есть ещё отдельный агент, который играет участника с когнитивными искажениями.
Предполагаемый механизм довольно понятный: поддерживая другого персонажа, можно посмотреть на знакомую мысль с некоторого расстояния, без привычного нажима на себя. Так авторы объясняют идею.
Упрощённый пример, не реплика из исследования: персонаж считает одну ошибку на работе доказательством своей полной несостоятельности. Пользователь может спросить, что произошло и насколько вывод соответствует событию. Получается разговорная форма проверки мысли.
Система сохраняет краткие резюме предыдущих ходов, чтобы новая сцена продолжала разговор. Следующая сцена может учитывать ответ из предыдущей.
Что означает прирост на 13%
Авторы сообщают о среднем улучшении на 13% по шести оценкам взаимодействия: погружению и связности, вовлечённости, эмоциональному облегчению, удовлетворённости и интересу. Среди условий сравнения названы чатбот, тренинг эмпатии и традиционное консультирование.
Большая часть этих оценок описывает впечатление от общения. Даже пункт об эмоциональном облегчении не измеряет выздоровление или устойчивое освоение самосочувствия. Среднее по шести шкалам тоже не превращается от этого в лечебную эффективность.
В Appendix A традиционное консультирование описано как условие с человеческим специалистом. Но сравнение оценок взаимодействия не является рандомизированным испытанием лечения у лицензированных терапевтов: более интересный формат может получить лучший балл, а чтобы судить о здоровье спустя месяцы, нужны другие измерения, подходящие участники и наблюдение после окончания работы.
По таким оценкам можно дорабатывать прототип и выбирать, какую версию проверять дальше.
Восемь добровольцев, двое в группе MIND
Отдельный эксперимент с эмоциональным состоянием включал восемь добровольцев. Двое работали с EmoLLM, двое с CACTUS, двое с MIND. Ещё двое составляли контрольную группу без диалога. В Appendix C описаны пять раундов переписки и заполнение PANAS до и после неё.
| Группа | Участников | Среднее изменение позитивного аффекта | Среднее изменение негативного аффекта |
|---|---|---|---|
| EmoLLM | 2 | +0,36 | -0,11 |
| CACTUS | 2 | +1,35 | -0,52 |
| MIND | 2 | +1,46 | -0,65 |
| Без диалога | 2 | -0,11 | +0,03 |
Это средние изменения оценок аффекта, сообщённые авторами. PANAS спрашивает об эмоциональном состоянии. Самосочувствие эта шкала напрямую не проверяет, числа в таблице не являются процентами улучшения. А когда в группе двое, опыт одного человека заметно меняет среднее.
Здесь измерен непосредственный отклик на короткий разговор. Более длительное исследование с прямой оценкой самосочувствия могло бы проверить, помогает ли роль поддерживающего освоить устойчивый навык по сравнению с подходящим альтернативным упражнением.
Что показывает отключение компонентов
В работе есть и техническая проверка вариантов с отключёнными компонентами, включая Guide, Strategist и память. Авторы суммируют снижение оценённого качества как 42% в среднем. Сгенерированные примеры оценивали четыре исследователя клинической психологии.
Речь об оценках содержания и взаимодействия в этих вариантах. Нельзя прочитать число как одинаковый вклад каждого агента или падение лечебной эффективности на 42%. Для разработчика вывод прикладной: роли нужно тестировать по отдельности, само увеличение числа агентов ничего не гарантирует.
С моделями та же история. Авторы пробовали семейства Gemini, GPT, Llama и Qwen, результаты различались. Для основных экспериментов выбрали Gemini-2.0-flash после проверки ролевого поведения. Выбор модели остаётся частью проверяемого решения.
Читателю MIND предлагает понятный ракурс на упражнение: посмотреть на жёсткую мысль с некоторого расстояния и попробовать ответить поддерживающе. Рядом предлагает эмоциональную поддержку и самопомощь, но результаты MIND не являются данными об эффективности Рядом. Разницу форматов разбираем в статье об ИИ и человеческом терапевте.
Часто задаваемые вопросы
MIND показал улучшение самосочувствия?
В работе измеряли впечатление от взаимодействия и краткосрочное изменение аффекта. Устойчивое развитие навыка самосочувствия напрямую не установлено.
Все восемь участников пользовались MIND?
Только двое. Остальные были распределены между EmoLLM, CACTUS и контрольной группой без диалога.
Снижение на 42% относится к лечению?
Это среднее снижение оценённого качества у проверенных вариантов с отключением компонентов. Клинического размера эффекта оно не задаёт.
Исследования структурированных разговорных вмешательств разбираем в материале о КПТ-чатботах.
Источник
Chen, Y., et al. (2025). MIND: Towards immersive psychological healing with multi-agent inner dialogue, version 2. Препринт arXiv. Разделы 3-4 и Appendix C.