PsychAdapter: adattare gli LLM per riflettere tratti, personalità e salute mentale

Perché plasmare le personalità dell’IA è importante

La maggior parte dei chatbot e degli strumenti di scrittura usati oggi suona in modo sorprendentemente simile: cordiale, prolisso e un po’ generico. Ma le persone reali non sono generiche—ci differenziamo per personalità, umore, età e circostanze di vita, e queste differenze emergono chiaramente nel modo in cui scriviamo e parliamo. Questo articolo presenta PsychAdapter, un nuovo metodo per dotare i grandi modelli linguistici (LLM) di “personalità” e profili di salute mentale regolabili, così da generare testi che rispecchiano meglio la grande varietà di voci umane reali.

Insegnare alle macchine a suonare come persone diverse

PsychAdapter è un piccolo componente aggiuntivo che si integra con modelli linguistici esistenti come GPT‑2, Gemma o LLaMA. Invece di fornire al modello solo parole e chiedergli di continuare una frase, i ricercatori immettono anche un profilo compatto dello scrivente: punteggi per i Cinque Grandi tratti di personalità (come Estroversione e Piacevolezza), livelli di depressione o soddisfazione di vita e informazioni demografiche di base come l’età. Questi punteggi sono continui, come un cursore che può essere impostato da molto basso a molto alto, invece di un insieme limitato di etichette fisse. PsychAdapter espande questo piccolo vettore e lo collega a ogni livello del modello in modo che l’intero processo di scrittura sia guidato, in modo sottile, dal profilo psicologico scelto, senza dipendere da prompt complessi.

Da cursori dei tratti a frasi realistiche

Per addestrare PsychAdapter, il team ha utilizzato grandi raccolte di post pubblici sui social media e blog. Modelli psicologici separati hanno prima stimato personalità, depressione, soddisfazione di vita ed età per ciascun messaggio basandosi sul linguaggio utilizzato. Quei punteggi stimati sono diventati segnali di apprendimento: il modello linguistico è stato addestrato a ricostruire ogni messaggio vedendo il corrispondente profilo psicologico. Una volta addestrato, PsychAdapter può ricevere qualsiasi combinazione desiderata di punteggi—per esempio “estroversione molto alta, bassa piacevolezza” o “adulto anziano con bassa soddisfazione di vita”—e generare nuovo testo che corrisponde a quel profilo, a volte partendo da un breve prompt come “Mi piace…”. L’adapter aggiunto è minuscolo rispetto al modello di base (spesso meno di un decimo di un percento dei parametri originali), quindi può essere condiviso e collegato con facilità.

Verificare se l’IA cambia davvero tono

Per capire se PsychAdapter catturasse davvero i tratti e non producesse solo variazioni casuali, i ricercatori hanno chiesto a psicologi esperti di fungere da valutatori. Per ogni tratto, il sistema ha generato insiemi di messaggi destinati a riflettere livelli bassi, medi o alti (per esempio, bassa vs alta estroversione). Gli esperti, non informati su quale fosse quale, dovevano abbinare ciascun gruppo di testi al livello previsto. Tra i tratti, hanno indovinato correttamente circa l’87% delle volte per la personalità e quasi il 97% delle volte per depressione e soddisfazione di vita—molto più di quanto farebbe il caso. Quando il sistema veniva sollecitato con prompt semplici come “Mi piace…”, l’accuratezza aumentava ulteriormente. Un test separato ha usato un modello AI avanzato come valutatore; esso concordava con gli esperti umani a un livello simile a quello con cui gli esperti concordavano tra loro e talvolta rilevava i tratti in modo ancora più coerente.

Combinare tratti, età e ambiti di vita

PsychAdapter non è limitato a un solo tratto alla volta. Il sistema può combinare dimensioni di personalità, livelli di salute mentale e fattori demografici in un unico profilo. Gli autori hanno mostrato che modificare il punteggio “età” mantenendo costanti depressione o soddisfazione di vita portava a stili di messaggi differenti: voci più giovani parlavano di genitori, scuola e primi giorni di lezione, mentre voci più anziane menzionavano partner, figli e preoccupazioni a lungo termine. Ruotando matematicamente due tratti di personalità (estroversione e piacevolezza) in “calore” e “dominanza”, hanno anche mappato le uscite su un modello psicologico classico degli stili interpersonali. I testi generati in regioni etichettate con termini come “Sicuro‑Dominante” o “Freddo‑Spietato” corrispondevano a quanto previsto dalla teoria. L’approccio ha funzionato sia su brevi tweet sia su post di blog più lunghi e su diversi modelli linguistici di base.

Opportunità e rischi per l’interazione umano‑IA

Poiché PsychAdapter può sintonizzare finemente lo stile e il tono emotivo di un’IA, apre la porta a applicazioni più umane. Simulazioni di formazione per terapeuti o operatori di linee di crisi potrebbero esporli a interlocutori conversazionali sicuri ma realistici, con diverse personalità e livelli di disagio. Bot di assistenza clienti o strumenti educativi potrebbero adattare il linguaggio per corrispondere all’età, al livello di lettura o allo stile preferito di un utente. I ricercatori possono anche usare il sistema come laboratorio: aumentando o diminuendo i tratti e richiedendo argomenti specifici, possono esplorare come personalità e salute mentale possano influenzare il linguaggio in molti contesti senza aspettare dati rari del mondo reale.

Cosa significa per gli utenti di tutti i giorni

Per il pubblico generale, l’idea principale è che i futuri sistemi di IA potrebbero non limitarsi a rispondere a domande—potrebbero assumere una vasta gamma di voci riconoscibili e simili a quelle umane. Con qualcosa come PsychAdapter, un singolo modello di base può essere modellato in modo sottile per suonare più introverso o estroverso, ottimista o giù di tono, giovane o anziano, semplicemente muovendo pochi cursori. Questa flessibilità potrebbe rendere gli strumenti di IA più empatici e utili, ma solleva anche nuove preoccupazioni etiche, come il rischio di persuasione mirata o “personae” ingannevoli. Gli autori sostengono che, se usato responsabilmente, PsychAdapter offre un nuovo e potente modo per studiare come i nostri tratti interiori emergano nelle parole e per costruire IA che riflettano meglio la diversità della comunicazione umana reale.

Citazione: Vu, H., Nguyen, H.A., Ganesan, A.V. et al. PsychAdapter: adapting LLMs to reflect traits, personality, and mental health. npj Artif. Intell. 2, 26 (2026). https://doi.org/10.1038/s44387-026-00071-9

Parole chiave: psychadapter, IA consapevole della personalità, linguaggio e salute mentale, large language models, generazione di testo personalizzata