PsychAdapter: dostosowywanie LLM do cech, osobowości i zdrowia psychicznego

Dlaczego kształtowanie osobowości AI ma znaczenie

Większość obecnych chatbotów i narzędzi do pisania brzmi dziwnie podobnie: przyjaźnie, rozwlekle i nieco generycznie. Tymczasem rzeczywiści ludzie nie są generyczni — różnimy się osobowością, nastrojem, wiekiem i okolicznościami życiowymi, a te różnice wyraźnie widać w tym, jak piszemy i mówimy. W artykule przedstawiono PsychAdapter, nowe podejście umożliwiające nadanie dużym modelom językowym (LLM) regulowanych „osobowości” i profili zdrowia psychicznego, dzięki czemu mogą generować tekst lepiej odzwierciedlający ogromną różnorodność ludzkich głosów.

Nauczanie maszyn, by brzmiały jak różni ludzie

PsychAdapter to niewielkie rozszerzenie, które można podłączyć do istniejących modeli językowych, takich jak GPT‑2, Gemma czy LLaMA. Zamiast jedynie podawać modelowi słowa i prosić o dokończenie zdania, badacze przekazują mu także skompaktowany profil autora: wyniki w pięciu wielkich cechach osobowości (np. ekstrawersja i ugodowość), poziomy depresji lub satysfakcji z życia oraz podstawowe informacje demograficzne, takie jak wiek. Te wyniki są ciągłe, jak suwaki, które można ustawić od bardzo niskiego do bardzo wysokiego, zamiast kilku stałych etykiet. PsychAdapter rozwija ten niewielki wektor i łączy go z każdą warstwą modelu, tak że cały proces generowania tekstu jest delikatnie kierowany przez wybrany profil psychologiczny, bez polegania na złożonych promptach.

Od suwaków cech do żywych zdań

Aby wytrenować PsychAdapter, zespół użył dużych zbiorów publicznych wpisów z mediów społecznościowych i blogów. Oddzielne modele psychologiczne najpierw oszacowały osobowość, depresję, satysfakcję z życia i wiek dla każdej wiadomości na podstawie użytego języka. Te oszacowane wyniki stały się sygnałami uczącymi: model językowy był trenowany, by rekonstruować każdą wiadomość, widząc odpowiadający jej profil psychologiczny. Po treningu PsychAdapter może przyjąć dowolną kombinację wyników — na przykład „bardzo wysoka ekstrawersja, niska ugodowość” lub „osoba starsza o niskiej satysfakcji z życia” — i wygenerować nowy tekst pasujący do tego profilu, czasem zaczynając od krótkiego promptu, jak „Lubię…”. Dodatkowy adapter jest bardzo mały w porównaniu z modelem bazowym (często mniej niż jedna dziesiąta jednego procenta oryginalnych parametrów), więc można go łatwo udostępniać i podłączać.

Sprawdzanie, czy AI naprawdę zmienia ton

Aby sprawdzić, czy PsychAdapter faktycznie uchwycił cechy, a nie tylko generował losowe warianty, badacze poprosili ekspertów psychologii o ocenę. Dla każdej cechy system wygenerował zestawy wiadomości mających odzwierciedlać niskie, przeciętne lub wysokie poziomy (na przykład niska versus wysoka ekstrawersja). Eksperci, którym nie powiedziano, która grupa odpowiada któremu poziomowi, musieli dopasować każdą grupę tekstów do zamierzonego poziomu. Dla cech osobowości trafność wyniosła średnio około 87%, a w przypadku depresji i satysfakcji z życia niemal 97% — znacznie powyżej losowego zgadywania. Gdy system otrzymywał proste prompta typu „Lubię…”, dokładność rosła jeszcze bardziej. Osobny test użył zaawansowanego modelu AI jako oceniającego; zgadzał się on z ekspertami na podobnym poziomie, na jakim eksperci zgadzali się między sobą, a czasem wykrywał cechy jeszcze bardziej konsekwentnie.

Mieszanie cech, wieku i sfer życiowych

PsychAdapter nie ogranicza się do jednej cechy naraz. System może łączyć w profilu wymiary osobowości, poziomy zdrowia psychicznego i czynniki demograficzne. Autorzy pokazali, że zmiana wyniku „wieku” przy utrzymaniu stałego poziomu depresji lub satysfakcji z życia prowadziła do różnych stylów wypowiedzi: młodsze głosy mówiły o rodzicach, szkole i pierwszych dniach zajęć, podczas gdy starsze głosy wspominały współmałżonków, dzieci i długoterminowe zmartwienia. Poprzez matematyczne obrócenie dwóch cech osobowości (ekstrawersji i ugodowości) na „ciepło” i „dominację” przyporządkowali też wyniki do klasycznego modelu psychologicznego stylów interpersonalnych. Wygenerowane teksty w regionach oznaczonych np. „Pewny‑Dominujący” czy „Zimnokrwisty” zgadzały się z przewidywaniami teorii. Podejście działało na krótkich tweetach i dłuższych wpisach blogowych oraz w kilku różnych modelach bazowych.

Możliwości i ryzyka interakcji człowiek‑AI

Ponieważ PsychAdapter potrafi precyzyjnie dostroić styl i ton emocjonalny AI, otwiera to drzwi do bardziej ludzkich zastosowań. Symulacje szkoleniowe dla terapeutów czy pracowników telefonów kryzysowych mogłyby wystawiać ich na bezpiecznych, lecz realistycznych partnerów rozmowy o różnych osobowościach i poziomach cierpienia. Boty obsługi klienta czy narzędzia edukacyjne mogłyby dostosowywać język do wieku użytkownika, poziomu czytania lub preferowanego stylu. Badacze mogą też używać systemu jako laboratorium: regulując cechy i pytając o konkretne tematy, mogą badać, jak osobowość i zdrowie psychiczne kształtują język w różnych kontekstach bez czekania na rzadkie dane z realnego świata.

Co to oznacza dla zwykłych użytkowników

Dla laika wniosek jest taki, że przyszłe systemy AI mogą nie tylko odpowiadać na pytania — mogą przyjmować szeroką gamę rozpoznawalnych, ludzkopodobnych głosów. Dzięki narzędziu takiemu jak PsychAdapter jeden model bazowy można delikatnie przekształcić, by brzmiał bardziej introwertycznie lub ekstrawertycznie, pogodnie lub przygnębione, młodo lub staro, po prostu przesuwając kilka suwaków. Ta elastyczność może sprawić, że narzędzia AI będą bardziej przystępne i użyteczne, ale rodzi też nowe kwestie etyczne, takie jak ryzyko ukierunkowanej perswazji czy wprowadzające w błąd „persony”. Autorzy argumentują, że przy odpowiedzialnym użyciu PsychAdapter oferuje potężny sposób badania, jak nasze cechy wewnętrzne manifestują się w słowach, oraz budowania AI, które lepiej odzwierciedla różnorodność ludzkiej komunikacji.

Cytowanie: 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

Słowa kluczowe: psychadapter, sztuczna inteligencja świadoma osobowości, język zdrowia psychicznego, duże modele językowe, spersonalizowane generowanie tekstu