PsychAdapter: LLM's afstemmen op eigenschappen, persoonlijkheid en geestelijke gezondheid

Waarom het vormen van AI‑persoonlijkheden ertoe doet

De meeste chatbots en schrijfhulpmiddelen die mensen vandaag gebruiken klinken opvallend gelijk: vriendelijk, wijdlopig en een beetje generiek. Maar echte mensen zijn niet generiek—we verschillen in persoonlijkheid, stemming, leeftijd en levensomstandigheden, en die verschillen komen duidelijk naar voren in hoe we schrijven en spreken. Dit artikel introduceert PsychAdapter, een nieuwe manier om grote taalmodellen (LLM's) instelbare “persoonlijkheden” en profielen van geestelijke gezondheid te geven, zodat ze tekst kunnen genereren die beter weerspiegelt hoe verschillende menselijke stemmen klinken.

Machines leren klinken als verschillende mensen

PsychAdapter is een kleine toevoeging die op bestaande taalmodellen zoals GPT‑2, Gemma of LLaMA kan worden aangesloten. In plaats van de model alleen woorden te voeren en te vragen een zin af te maken, voeden de onderzoekers het model ook met een compact profiel van de schrijver: scores voor de Big Five‑persoonlijkheidstrekken (zoals Extraversie en Inschikkelijkheid), niveaus van depressie of levensvoldoening, en basisdemografische informatie zoals leeftijd. Deze scores zijn continu, als een schuifregelaar die ergens tussen heel laag en heel hoog kan worden gezet, in plaats van een paar vaste labels. PsychAdapter breidt deze kleine vector uit en koppelt hem aan elke laag van het model zodat het hele schrijfproces subtiel wordt bijgestuurd door het gekozen psychologische profiel, zonder te vertrouwen op complexe prompts.

Van trekkenschuifjes naar levensechte zinnen

Om PsychAdapter te trainen gebruikte het team grote verzamelingen publieke socialmediaberichten en blogs. Afzonderlijke psychologische modellen schatten eerst persoonlijkheid, depressie, levensvoldoening en leeftijd voor elk bericht op basis van de gebruikte taal. Die geschatte scores werden leersignalen: het taalmodel werd getraind om elk bericht te reconstrueren terwijl het het bijbehorende psychologische profiel te zien kreeg. Eenmaal getraind kan PsychAdapter elke gewenste combinatie van scores aannemen—bijvoorbeeld “zeer hoge extraversie, lage inschikkelijkheid” of “oudere volwassene met lage levensvoldoening”—en verse tekst genereren die bij dat profiel past, soms beginnend met een korte prompt zoals “Ik hou ervan om…”. De toegevoegde adapter is klein vergeleken met het basismodel (vaak minder dan een tiende van één procent van de oorspronkelijke parameters), waardoor hij gemakkelijk gedeeld en ingeplugd kan worden.

Controleren of de AI echt van toon verandert

Om te zien of PsychAdapter daadwerkelijk trekken vastlegde in plaats van alleen willekeurige variatie te produceren, vroegen de onderzoekers ervaren psychologen als juryleden. Voor elke trek genereerde het systeem sets berichten die bedoeld waren om lage, gemiddelde of hoge niveaus weer te geven (bijvoorbeeld lage versus hoge extraversie). De experts, die niet vertelden welke set welke bedoeling had, moesten elke groep teksten koppelen aan het bedoelde niveau. Over de trekken heen zaten ze in ongeveer 87% van de gevallen goed voor persoonlijkheid, en bijna 97% voor depressie en levensvoldoening—ruim boven wat toeval zou suggereren. Wanneer het systeem werd aangezet met eenvoudige prompts zoals “Ik hou ervan om…”, nam de nauwkeurigheid nog verder toe. Een aparte test gebruikte een geavanceerd AI‑model als beoordelaar; dat was het in hoofdlijnen eens met menselijke experts op ongeveer hetzelfde niveau waarop experts het onderling eens waren en detecteerde soms trekken zelfs consistenter.

Eigenschappen, leeftijden en levensdomeinen mengen

PsychAdapter is niet beperkt tot één trek tegelijk. Het systeem kan persoonlijkheidsdimensies, niveaus van geestelijke gezondheid en demografische factoren in één profiel combineren. De auteurs toonden aan dat het veranderen van de “leeftijd”‑score terwijl depressie of levensvoldoening constant werden gehouden, tot verschillende stijlen van berichten leidde: jongere stemmen spraken over ouders, school en de eerste schooldagen, terwijl oudere stemmen partners, kinderen en langetermijnzorgen noemden. Door twee persoonlijkheidstrekken (extraversie en inschikkelijkheid) wiskundig te roteren naar “warmte” en “dominantie”, mapten ze de uitkomsten ook op een klassiek psychologisch model van interpersoonlijke stijlen. Gegeneerde teksten in regio's met labels als “Zelfverzekerd‑Dominant” of “Koud‑Hartig” kwamen overeen met wat de theorie voorspelt. De aanpak werkte zowel bij korte tweets als bij langere blogposts, en over verschillende onderliggende taalmodellen heen.

Kansen en risico's voor mens‑AI‑interactie

Aangezien PsychAdapter de stijl en emotionele toon van een AI fijn kan afstemmen, opent dit de deur naar menselijkere toepassingen. Trainingssimulaties voor therapeuten of crisistelefoonwerkers zouden hen kunnen blootstellen aan veilige maar realistische gesprekspartners met uiteenlopende persoonlijkheden en stressniveaus. Klantenservice‑bots of educatieve hulpmiddelen zouden taal kunnen aanpassen aan iemands leeftijd, leesniveau of voorkeurstijl. Onderzoekers kunnen het systeem ook als laboratorium gebruiken: door trekken omhoog of omlaag te draaien en te prompten op specifieke onderwerpen, kunnen ze onderzoeken hoe persoonlijkheid en geestelijke gezondheid taal in veel contexten vormgeven zonder te wachten op zeldzame echte data.

Wat dit betekent voor alledaagse gebruikers

Voor leken is de conclusie dat toekomstige AI‑systemen niet alleen vragen beantwoorden—ze kunnen een breed scala aan herkenbare, mensachtige stemmen aannemen. Met iets als PsychAdapter kan één basismodel subtiel worden hervormd om meer introvert of extravert te klinken, opgewekt of somber, jong of oud, simpelweg door een paar schuifjes te verschuiven. Deze flexibiliteit kan AI‑hulpmiddelen sympathieker en nuttiger doen aanvoelen, maar roept ook nieuwe ethische vragen op, zoals het risico op gerichte beïnvloeding of misleidende “persona’s.” De auteurs stellen dat, mits verantwoord gebruikt, PsychAdapter een krachtig nieuw middel biedt om te bestuderen hoe onze innerlijke trekken in woorden naar voren komen en om AI te bouwen die beter de diversiteit van echte menselijke communicatie weerspiegelt.

Bronvermelding: 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

Trefwoorden: psychadapter, persoonlijkheidsbewuste AI, taal voor geestelijke gezondheid, grote taalmodellen, gepersonaliseerde tekstgeneratie