Suivez nous sur

Intelligence artificielle

Les chatbots IA sont prometteurs mais limités dans la promotion d’un changement de comportement sain

Le kit de préparation mis à jour on

Ces dernières années, le secteur de la santé a été témoin d’une augmentation significative de l’utilisation de chatbots basés sur de grands modèles de langage, ou d’agents conversationnels génératifs. Ces outils basés sur l'IA ont été utilisés à diverses fins, notamment l'éducation, l'évaluation et la gestion des patients. À mesure que la popularité de ces chatbots augmente, des chercheurs de l'Université de l'Illinois à Urbana-Champaign Laboratoire ACTION ont examiné de plus près leur potentiel à promouvoir un changement de comportement sain.

Michelle Bak, doctorante en sciences de l'information, et la professeure Jessie Chin ont récemment publié leurs conclusions dans la revue Journal de l'American Medical Informatics Association. Leur étude visait à déterminer si de grands modèles linguistiques pouvaient identifier efficacement les états de motivation des utilisateurs et fournir des informations appropriées pour soutenir leur cheminement vers des habitudes plus saines.

Étudier le design

Pour évaluer les capacités de grands modèles de langage pour promouvoir le changement de comportement, Bak et Chin ont conçu une étude approfondie impliquant trois modèles de chatbots de premier plan : ChatGPT, Google Bard et Llama 2. Les chercheurs ont créé une série de 25 scénarios, chacun ciblant des besoins de santé spécifiques tels qu'une faible activité physique, un régime alimentaire et une nutrition. préoccupations, les problèmes de santé mentale, le dépistage et le diagnostic du cancer, les maladies sexuellement transmissibles et la dépendance aux substances.

Les scénarios ont été soigneusement élaborés pour représenter les cinq étapes motivationnelles distinctes du changement de comportement :

  1. Résistance au changement et manque de conscience des comportements problématiques
  2. Sensibilisation accrue aux comportements problématiques mais ambivalence quant aux changements à apporter
  3. Intention d'agir à petits pas vers le changement
  4. Initiation d’un changement de comportement avec engagement à le maintenir
  5. Maintenir avec succès le changement de comportement pendant six mois avec un engagement à le maintenir

En évaluant les réponses des chatbots à chaque scénario à travers les différentes étapes de motivation, les chercheurs ont cherché à déterminer les forces et les faiblesses des grands modèles de langage pour accompagner les utilisateurs tout au long de leur parcours de changement de comportement.

Qu'est-ce que l'étude a trouvé ?

L’étude a révélé à la fois des résultats prometteurs et des limites significatives dans la capacité des grands modèles linguistiques à prendre en charge le changement de comportement. Bak et Chin ont découvert que les chatbots peuvent identifier efficacement les états de motivation et fournir des informations pertinentes lorsque les utilisateurs ont établi des objectifs et sont fermement engagés à agir. Cela suggère que les personnes qui en sont déjà aux dernières étapes du changement de comportement, comme celles qui ont initié des changements ou les maintiennent avec succès depuis un certain temps, peuvent bénéficier des conseils et du soutien fournis par ces outils basés sur l’IA.

Cependant, les chercheurs ont également découvert que les grands modèles de langage ont du mal à reconnaître les étapes initiales de la motivation, en particulier lorsque les utilisateurs sont résistants au changement ou ambivalents quant à la modification de leur comportement. Dans ces cas, les chatbots n’ont pas réussi à fournir des informations adéquates pour aider les utilisateurs à évaluer leur comportement problématique et ses conséquences, ainsi que la manière dont leur environnement a influencé leurs actions. Par exemple, face à un utilisateur réticent à augmenter son activité physique, les chatbots fournissaient souvent par défaut des informations sur l’inscription à une salle de sport plutôt que d’engager l’utilisateur émotionnellement en soulignant les conséquences négatives d’un mode de vie sédentaire.

En outre, l’étude a révélé que les grands modèles de langage n’offraient pas suffisamment de conseils sur l’utilisation de systèmes de récompense pour maintenir la motivation ou réduire les stimuli environnementaux susceptibles d’augmenter le risque de rechute, même pour les utilisateurs qui avaient déjà pris des mesures pour modifier leur comportement. Bak a noté : « Les chatbots basés sur un modèle de langage à grande échelle fournissent des ressources pour obtenir une aide externe, telle que le soutien social. Ils manquent d’informations sur la manière de contrôler l’environnement afin d’éliminer un stimulus qui renforce les comportements problématiques.

Implications et recherches futures

Les résultats de cette étude soulignent les limites actuelles des grands modèles linguistiques dans la compréhension des états de motivation à partir de conversations en langage naturel. Chin a expliqué que ces modèles sont formés pour représenter la pertinence du langage d'un utilisateur mais ont du mal à faire la différence entre un utilisateur qui envisage un changement mais hésite encore et un autre qui a la ferme intention d'agir. De plus, la similarité sémantique des requêtes des utilisateurs à travers les différentes étapes de motivation rend difficile pour les modèles d'identifier avec précision la volonté de changement de l'utilisateur en fonction uniquement de sa langue.

Malgré ces limites, les chercheurs estiment que les chatbots à grand modèle de langage ont le potentiel de fournir un soutien précieux lorsque les utilisateurs sont fortement motivés et prêts à agir. Pour réaliser pleinement ce potentiel, les études futures se concentreront sur l'affinement de ces modèles afin de mieux comprendre les états de motivation des utilisateurs en tirant parti des signaux linguistiques, des modèles de recherche d'informations et des déterminants sociaux de la santé. En dotant les modèles de connaissances plus spécifiques et en améliorant leur capacité à reconnaître et à répondre aux différentes étapes de motivation, les chercheurs espèrent améliorer l'efficacité de ces outils basés sur l'IA pour promouvoir un changement de comportement sain.

Les chatbots IA dans le changement de comportement

L'étude du laboratoire ACTION de l'Université de l'Illinois à Urbana-Champaign a mis en lumière le potentiel et les limites des chatbots à grand modèle de langage dans la promotion d'un changement de comportement sain. Bien que ces outils basés sur l’IA se soient révélés prometteurs pour aider les utilisateurs déterminés à apporter des changements positifs, ils ont encore du mal à reconnaître et à répondre efficacement aux premières étapes de motivation, telles que la résistance et l’ambivalence. À mesure que les chercheurs continuent d’affiner et d’améliorer ces modèles, on espère qu’ils deviendront de plus en plus efficaces pour guider les utilisateurs à travers toutes les étapes du processus de changement de comportement, contribuant ainsi à de meilleurs résultats en matière de santé pour les individus et les communautés.

Alex McFarland est un journaliste et écrivain en IA qui explore les derniers développements en matière d'intelligence artificielle. Il a collaboré avec de nombreuses startups et publications d'IA dans le monde entier.