Оценки на основе языка могут предсказывать психологическое и субъективное благополучие

Почему слова могут раскрыть, как у нас дела на самом деле

Большинство из нас заполняли опросы с галочками о счастье или психическом здоровье. Но наши настроения и ощущение смысла чаще выражаются в историях: в том, что мы говорим о своей жизни, целях и отношениях. В этой статье рассматривается, способен ли современный искусственный интеллект «слушать» такие истории — письменные или устные — и оценивать, насколько мы удовлетворены и реализованы, предлагая потенциально новый способ мониторинга благополучия в повседневной жизни.

Два вида «хорошего самочувствия»

Психологи часто различают два широких типа благополучия. Один — субъективное или «гедоническое» благополучие: ощущение хорошего самочувствия, преобладание положительных эмоций над отрицательными и общая удовлетворённость жизнью. Другой — психологическое или «эвдемоническое» благополучие: ощущение, что жизнь наполнена смыслом, что мы развиваемся, действуем осознанно и живём в соответствии со своими ценностями. Хотя инструменты ИИ уже показали, что могут оценивать удовлетворённость жизнью по коротким текстовым ответам, было неясно, способны ли они также улавливать более глубокие качества, например автономию — ощущение принятия собственных решений — и другие грани психологического здоровья.

Слушая размышления людей

В трёх исследованиях взрослые и студенты колледжей отвечали на открытые вопросы о своей жизни. Некоторые подсказки касались удовлетворённости жизнью (например, «В целом вы удовлетворены своей жизнью или нет?»), в то время как другие исследовали аспекты психологического благополучия, такие как автономия («В какой мере ваши решения зависят — или не зависят — от того, что делают другие?»), личностный рост, отношения и смысл. Участники отвечали либо письменно в виде абзацев, либо говорили не менее минуты; аудиозаписи транскрибировались в текст. Все также заполнили стандартные шкальные опросники по удовлетворённости жизнью и психологическому благополучию, которые использовались как эталон для сравнения.

Как ИИ превращал истории в оценки

Исследователи подавали тексты этих размышлений в современные языковые модели на основе трансформерной архитектуры, которые представляют каждый ответ как высокоразмерный числовой вектор. С помощью статистических методов они обучали модели предсказывать баллы по опросникам по этим векторовым представлениям и проверяли, насколько хорошо прогнозы соответствовали реальным данным. В первых двух исследованиях модели справлялись неплохо: языковые предсказания автономии и удовлетворённости жизнью были умеренно связаны с фактическими показателями участников, и модели также показали некоторую способность обобщаться на связанные черты, такие как чувство компетентности, связь с другими или наличие цели. Однако эти корреляции были явно ниже, чем в предыдущих работах, где использовались гораздо более короткие ответы в стиле ключевых слов, а не развернутые истории.

Услышать удовлетворённость жизнью легче, чем автономию

Третье и самое крупное исследование прояснило картину. Здесь письменные ответы об удовлетворённости жизнью позволяли модели довольно точно предсказывать баллы по опросникам, тогда как предсказания автономии оказались заметно слабее. Сравнивая свою систему с передовыми моделями ИИ (GPT-3.5 и GPT-4), команда обнаружила, что более новые системы ещё лучше считывают удовлетворённость жизнью из языка, но лишь умеренно превосходят в чтении автономии. Чтобы понять причину, авторы проанализировали слова, которые чаще встречались в ответах с высокими и низкими баллами. Высокая удовлетворённость жизни сопровождалась словами позитивной эмоции и социальными терминами — такими как «любовь», «благодарен», «супруг», «друзья». Низкая удовлетворённость, напротив, использовала неуверенные, проблемно-ориентированные формулировки вроде «думаю», «кажется», «возможно».

Почему внутреннюю свободу труднее прочитать

Язык, связанный с автономией, выглядел иначе. Люди с низкими показателями автономии использовали много когнитивных и оценочных слов, что указывает на беспокойство, самоопрос и стремление соответствовать внешним ожиданиям. Те, у кого автономия была выше, тоже применяли рефлексивную лексику, но сочетали её с языком действия и агентности — словами, связанными с выбором, действием и движением к целям. Вместо набора общих ключевых слов автономия, по-видимому, выражалась очень индивидуально и зависела от жизненного контекста каждого человека. Это затрудняло моделям ИИ, даже очень мощным, обнаружить простой лингвистический маркер этой глубокой психологической характеристики.

Что это значит для практического применения

В целом авторы делают вывод, что языковые инструменты уже довольно хорошо оценивают, чувствует ли человек удовлетворённость своей жизнью, особенно при использовании передовых моделей ИИ. Но они испытывают большие трудности с более тонкими, личными измерениями благополучия, такими как автономия и другие аспекты смысла и роста. Пока эти инструменты могут быть полезны как низконагрузочные, богатые контекстом дополнения к традиционным опросам — помогая исследователям отслеживать общие тенденции счастья по повседневным текстам или речам. Однако они не готовы заменить тщательные многоаспектные оценивания в области психического здоровья или клинической практики, особенно когда решения требуют понимания более сложных, внутренних слоёв человеческого опыта.

Цитирование: Mesquiti, S., Cosme, D., Nook, E.C. et al. Language-based assessments can predict psychological and subjective well-being. Commun Psychol 4, 33 (2026). https://doi.org/10.1038/s44271-026-00400-3

Ключевые слова: благополучие, удовлетворённость жизнью, автономия, языковой анализ, искусственный интеллект