OpenAI gefur út viðmið til að meta svör gervigreindar um geðheilbrigði

OpenAI gaf á miðvikudag út MentalHealthBench, opið viðmið sem inniheldur 1.215 tilbúnar geðheilbrigðissamræður, þróað í samvinnu við yfir 80 löggilta geðheilbrigðisstarfsmenn til að mæla hvernig gervigreindarlíkön bregðast við í ýmsum aðstæðum, allt frá daglegri streitu til bráðra neyðartilvika.unite+1

Viðmiðið, sem OpenAI lýsir sem úrbót á skorti í núverandi mati sem einblínir aðallega á neyðartilvik, var búið til í samvinnu við sálfræðinga og geðlækna frá 22 löndum sem tala samtals 19 tungumál og eru sérfræðingar á nærri 20 undirsviðum geðheilbrigðis. Gagnasettið inniheldur 5.262 viðmið sem sérfræðingar sömdu, þar sem hver samræða var yfirfarin af að minnsta kosti þremur klínískum sérfræðingum.openai+1

Hvernig viðmiðið virkar

MentalHealthBench nær yfir daglegar samræður án bráðra einkenna (53,5%), samræður um alvarleg geðheilbrigðismál (18,2%) og neyðartilvik sem krefjast tafarlausra öryggisráðstafana (28,3%). Fjögur notendasnið eru til staðar: fullorðnir (68,1%), unglingar (21,2%), klínískir sérfræðingar (5,8%) og umönnunaraðilar (4,9%).unite+1

"Geðheilbrigði er á samfellu, frá vellíðan yfir í daglega streitu og yfir í bráðan vanda," sagði Dr. Arthur Evans, forstjóri bandarísku sálfræðingasamtakanna, í tilkynningu OpenAI. "Gervigreindarkerfi sem eiga samskipti við fólk á þessu sviði þurfa að byggja á bæði klínískum vísindum og lifaðri reynslu."openai

Hvert viðmið hefur vægi frá -10 til +10, þar sem jákvæð stig verðlauna hjálplega hegðun en neikvæð stig refsa fyrir skaðlega hegðun. Sjálfvirkt matskerfi, GPT-5.6 Sol, metur svör líkananna út frá viðmiðum sérfræðinganna.unite+1

Frammistaða líkana og víðara samhengi

Í mati OpenAI fékk GPT-6 Astra hæstu einkunn, 57,3%, á eftir kom GPT-6 Sol með 53,9%, Claude Opus 5.5 með 52,4% og GPT-6 Luna með 50,2%. Eldri líkön fengu lægri einkunn, þar á meðal GPT-4o með 32,1% og Gemini 2.5 Pro frá Alphabet Inc. ↘ 3.58% með 29,5%.cryptobriefing+1

Sérstök greining með 44 fullorðnum einstaklingum frá 16 löndum sem höfðu notað gervigreind til geðheilbrigðisaðstoðar leiddi í ljós að notendur og sérfræðingar lögðu áherslu á ólíka hluti: notendur lögðu áherslu á hagnýt næstu skref og tón, á meðan klínískir sérfræðingar forgangsröðuðu því að afla samhengis og túlka óljósar aðstæður.unite+1

Meðfylgjandi öryggiseiginleikar

Samhliða viðmiðinu benti OpenAI á röð tengdra öryggisráðstafana sem fyrirtækið hefur innleitt á undanförnum mánuðum, þar á meðal styrkt svör ChatGPT í viðkvæmum samræðum, aukinn aðgang að staðbundnum neyðarlínum, Trusted Contact eiginleikann sem kynntur var í maí og lætur tilgreindan aðila vita ef alvarlegar vísbendingar um sjálfsskaða greinast, og ChatGPT fyrir unglinga með verndarráðstöfunum sem ná yfir mál eins og sjálfsskaða og átraskanir. OpenAI lagði áherslu á að ChatGPT kemur ekki í stað meðferðar eða faglegrar heilbrigðisþjónustu.openai+2