Monitorar nossa saúde é assunto em alta dos nossos tempos. Entre as inovações mais fascinantes dos últimos tempos, estão os Modelos de Linguagem de Grande Escala (LLMs), como ChatGPT, Google Bard e Llama 2, que têm remodelado a interação entre humanos e máquinas. Porém, um estudo recente da Universidade de Illinois Urbana-Champaign, liderado pela estudante de doutorado Michelle Bak e pela professora assistente Jessie Chin, lança luz sobre uma questão crucial: até que ponto esses modelos podem realmente nos ajudar a promover mudanças comportamentais saudáveis?
O estudo, publicado no Journal of the American Medical Informatics Association (JAMIA), concluiu que embora os LLMs sejam excepcionalmente hábeis em fornecer informações precisas para indivíduos com objetivos claros de saúde, eles se deparam com uma barreira significativa quando o assunto é auxiliar aqueles que estão indecisos ou ambivalentes quanto a mudanças comportamentais relacionadas à saúde. Isso é particularmente evidente em casos onde mudanças no estilo de vida, como a adoção de uma rotina de exercícios para o manejo do diabetes, se fazem necessárias.
Essa descoberta aponta para uma lacuna fundamental nos LLMs: sua dificuldade em engajar usuários que não estão totalmente motivados a mudar, revelam uma oportunidade crucial para a evolução desses sistemas: Integrar teorias psicológicas e avanços em processamento de linguagem natural poderia potencialmente equipar os LLMs com a capacidade de identificar estados motivacionais variados dos usuários e fornecer orientações personalizadas que incentivem uma transformação comportamental positiva.
Os autores do estudo exemplificam o problema com a situação de indivíduos diabéticos que resistem a modificar seus hábitos sedentários, mesmo quando aconselhados por médicos. Atualmente, os agentes conversacionais gerados por LLMs não são capazes de fornecer o tipo de informação que poderia incentivar essas pessoas a se conscientizarem sobre comportamentos saudáveis, engajarem-se emocionalmente com a mudança e compreenderem como seus hábitos podem afetar as pessoas ao seu redor.
Em contrapartida, para indivíduos já comprometidos com a mudança, como aqueles que aderiram a programas de treinamento físico para gerenciar a depressão crônica, os LLMs demonstram uma capacidade notável de oferecer informações e apoio relevantes. Este contraste destaca a necessidade premente de desenvolver LLMs que possam abordar efetivamente os diferentes estados de motivação, ampliando sua utilidade no fomento à saúde preventiva.
Já existe uma IA que compreende emoções somente pela voz. Será que já é um passo em direção à compreensão de entender nossas motivações? Ainda não se sabe as implicações deste descoberta, mas clica aqui para ler o que já se sabe sobre o assunto!
Entendendo o ser humano para motivar o cuidado com a saúde
O objetivo da pesquisa de Bak é desenvolver uma solução de saúde digital que utilize o processamento de linguagem natural e teorias psicológicas para promover comportamentos preventivos de saúde. Com uma formação em sociologia pela Universidade da Califórnia em Los Angeles, Bak está na vanguarda de uma iniciativa promissora para melhorar a maneira como interagimos com a tecnologia no contexto da saúde.
Jessie Chin, por sua vez, dirige o Laboratório de Design de Interação e Cognição Adaptativa (ACTION Lab) na Universidade de Illinois, onde seu trabalho busca traduzir teorias das ciências sociais e comportamentais para o design de tecnologias e experiências interativas que promovam a comunicação e o comportamento saudáveis ao longo da vida. Com uma formação robusta que inclui um bacharelado em psicologia pela Universidade Nacional de Taiwan, um mestrado em fatores humanos e um PhD em psicologia educacional com foco em ciência cognitiva no ensino e aprendizagem pela Universidade de Illinois, Chin está na linha de frente dos esforços para integrar insights comportamentais e psicológicos ao desenvolvimento de tecnologias de saúde digital.
Este estudo ressalta uma oportunidade e, ao mesmo tempo, um desafio: a necessidade de integrar mais profundamente o conhecimento humano, particularmente das ciências comportamentais, ao desenvolvimento de tecnologias de inteligência artificial. Fazendo isso, podemos avançar para sistemas que não apenas respondem às nossas perguntas com precisão, mas que também nos compreendem e nos guiam de maneira mais eficaz através de nossas jornadas de saúde e bem-estar.
À medida que avançamos, o potencial para LLMs contribuir significativamente para a saúde preventiva e a mudança comportamental se cada vez mais evidente. O trabalho de Bak e Chin aponta para um caminho promissor na criação de soluções de saúde digital mais eficazes e empáticas, que reconhecem e respondem às complexidades da motivação humana, o que sugere uma compreensão de aspectos humanos muito aprofundados para que essa intersecção surta o efeito esperado.
Fonte: NeuroScience News
