PsychAdapter: адаптация больших языковых моделей под черты, личность и психическое здоровье

Почему важно формировать «личности» ИИ

Большинство чат‑ботов и инструментов для письма, которые используют люди сегодня, звучат удивительно похоже: дружелюбно, многословно и немного безлико. Но реальные люди не безликие — мы различаемся по личности, настроению, возрасту и жизненным обстоятельствам, и эти различия ясно проявляются в том, как мы пишем и говорим. В этой статье представлен PsychAdapter — новый способ наделить большие языковые модели (LLM) настраиваемыми «личностями» и профилями психического состояния, чтобы они могли генерировать текст, лучше отражающий огромное разнообразие реальных человеческих голосов.

Обучение машин звучать как разные люди

PsychAdapter — это небольшое дополнение, которое подключается к существующим языковым моделям, таким как GPT‑2, Gemma или LLaMA. Вместо того чтобы просто подавать модели слова и просить продолжить предложение, исследователи также передают компактный профиль автора: оценки по Большой пятерке (например, экстраверсия и доброжелательность), уровни депрессии или удовлетворённости жизнью и базовую демографическую информацию, такую как возраст. Эти оценки представлены непрерывно, как ползунок, который может быть установлен в любом положении от очень низкого до очень высокого, а не как несколько фиксированных меток. PsychAdapter расширяет этот небольшой вектор и подключает его ко всем слоям модели, так что весь процесс генерации текста мягко направляется выбранным психологическим профилем без опоры на сложные подсказки.

От ползунков черт к живым предложениям

Для обучения PsychAdapter команда использовала большие коллекции публичных сообщений в соцсетях и блогах. Отдельные психологические модели сначала оценивали личность, депрессию, удовлетворённость жизнью и возраст каждого сообщения на основе используемого языка. Эти оценённые показатели стали учебными сигналами: языковая модель обучалась восстанавливать каждое сообщение, видя соответствующий психологический профиль. После обучения PsychAdapter может принимать любую комбинацию оценок — например, «очень высокая экстраверсия, низкая доброжелательность» или «пожилой человек с низкой удовлетворённостью жизнью» — и генерировать новый текст, соответствующий этому профилю, иногда начиная с короткой подсказки вроде «Мне нравится…». Добавленный адаптер крошечный по сравнению с базовой моделью (часто менее одной десятой процента от исходных параметров), поэтому его легко распространять и подключать.

Проверка того, меняет ли ИИ тон

Чтобы удостовериться, что PsychAdapter действительно улавливает черты, а не просто производит случайные вариации, исследователи привлекли экспертов‑психологов в качестве судей. Для каждой черты система сгенерировала наборы сообщений, предназначенных отражать низкий, средний или высокий уровни (например, низкая против высокой экстраверсии). Эксперты, которым не говорили, какой набор каков, должны были сопоставить каждую группу текстов с предполагаемым уровнем. По всем чертам они угадывали верно примерно в 87% случаев для личности и почти в 97% случаев для депрессии и удовлетворённости жизнью — значительно выше случайного выбора. При подталкивании системы простыми подсказками вроде «Мне нравится…» точность ещё возрастала. В отдельном тесте в качестве оценщика использовали продвинутую модель ИИ; она соглашалась с человеческими экспертами примерно на том же уровне, что и эксперты между собой, и иногда обнаруживала черты даже более последовательно.

Смешение черт, возраста и жизненных сфер

PsychAdapter не ограничен одной чертой за раз. Система может комбинировать измерения личности, уровни психического здоровья и демографические факторы в одном профиле. Авторы показали, что изменение оценки «возраста» при сохранении постоянными депрессии или удовлетворённости жизнью приводит к разным стилям сообщений: более молодые голоса говорили о родителях, школе и первых днях учебы, тогда как более старшие упоминали супругов, детей и долгосрочные заботы. Математически поворачивая две черты личности (экстраверсию и доброжелательность) в оси «теплота» и «доминирование», они также сопоставили выходы с классической психологической моделью межличностных стилей. Сгенерированные тексты в областях с метками вроде «Уверенно‑доминирующий» или «Хладнокровно‑жёсткий» соответствовали теоретическим ожиданиям. Подход сработал как для коротких твитов, так и для более длинных блог‑постов и на нескольких различных базовых языковых моделях.

Возможности и риски для взаимодействия человека и ИИ

Поскольку PsychAdapter позволяет тонко настраивать стиль и эмоциональный тон ИИ, это открывает возможности для более человечных приложений. Тренировочные симуляции для терапевтов или сотрудников кризисных линий могли бы предлагать безопасных, но реалистичных собеседников с разными личностями и уровнями дистресса. Боты службы поддержки или образовательные инструменты могли бы подстраивать язык под возраст, уровень чтения или предпочитаемый стиль пользователя. Исследователи также могут использовать систему как лабораторию: регулируя черты и задавая темы, они могут изучать, как личность и психическое здоровье влияют на язык в разных контекстах без ожидания редких реальных данных.

Что это значит для повседневных пользователей

Для широкой аудитории вывод таков: в будущем ИИ‑системы могут не просто отвечать на вопросы — они смогут принимать множество узнаваемых человеческих «голосов». С помощью чего‑то вроде PsychAdapter одна и та же базовая модель может быть мягко преобразована, чтобы звучать более интровертно или экстравертно, жизнерадостно или подавленно, молодо или пожило — просто перемещая несколько ползунков. Такая гибкость может сделать ИИ‑инструменты более близкими и полезными, но она также порождает новые этические вопросы, например риск целевой манипуляции или вводящих в заблуждение «персон». Авторы утверждают, что при ответственном использовании PsychAdapter предлагает мощный новый способ изучать, как наши внутренние черты проявляются в словах, и создавать ИИ, который лучше отражает разнообразие реального человеческого общения.

Цитирование: 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

Ключевые слова: psychadapter, ИИ, учитывающий личность, язык психического здоровья, большие языковые модели, персонализированная генерация текста