PsychAdapter: LLM’leri özelliklere, kişiliğe ve ruh sağlığına göre uyarlama

Yapay zeka kişiliklerini şekillendirmenin önemi

Bugün insanların kullandığı sohbet botlarının ve yazma araçlarının çoğu tuhaf bir şekilde birbirine benziyor: samimi, sözcükçe zengin ve biraz genel anlatımlı. Oysa gerçek insanlar genelleyemez—kişilik, ruh hali, yaş ve yaşam koşulları bakımından farklılık gösteririz ve bu farklılıklar yazı ve konuşma tarzımıza açıkça yansır. Bu makale, büyük dil modellerine (LLM’ler) ayarlanabilir “kişilikler” ve ruh sağlığı profilleri kazandırmanın yeni bir yolunu, PsychAdapter’ı tanıtıyor; böylece modelin ürettiği metinler gerçek insan seslerinin geniş çeşitliliğini daha iyi yansıtabiliyor.

Makinelere farklı insanlar gibi konuşmayı öğretmek

PsychAdapter, GPT‑2, Gemma veya LLaMA gibi mevcut dil modellerine takılan küçük bir eklentidir. Ara modele sadece kelimeler verip bir cümleyi sürdürmesini istemek yerine, araştırmacılar aynı zamanda yazarın kompakt bir profilini de veriyor: Büyük Beş kişilik özelliği puanları (Dışadönüklük, Uyumluluk gibi), depresyon veya yaşam memnuniyeti düzeyleri ve yaş gibi temel demografik bilgiler. Bu puanlar sabit etiketler yerine çok düşükten çok yükseğe kadar ayarlanabilen sürekli kaydırıcılar gibidir. PsychAdapter bu küçük vektörü genişletir ve modelin her katmanına bağlar; böylece tüm yazma süreci karmaşık istemlere dayanmak zorunda kalmadan seçilen psikolojik profil tarafından nazikçe yönlendirilir.

Özellik kaydırıcılarından canlı cümlelere

PsychAdapter’ı eğitmek için ekip büyük miktarda halka açık sosyal medya paylaşımları ve blog yazıları kullandı. Ayrı psikolojik modeller önce her mesaj için insanların kullandığı dil temelinde kişilik, depresyon, yaşam memnuniyeti ve yaş tahminleri yaptı. Bu tahmini puanlar öğretici sinyaller oldu: dil modeli, ilgili psikolojik profili görerek her mesajı yeniden oluşturmak üzere eğitildi. Eğitildikten sonra PsychAdapter istenen herhangi bir puan kombinasyonunu alabilir—örneğin “çok yüksek dışadönüklük, düşük uyumluluk” ya da “düşük yaşam memnuniyetine sahip yaşlı yetişkin”—ve bu profile uyan yeni metinler üretebilir; bazen “I like to…” gibi kısa bir başlangıç isteminden yola çıkarak. Eklenen adaptör temel modele kıyasla çok küçük (çoğunlukla orijinal parametrelerin onda birinden daha az), bu yüzden kolayca paylaşılabilir ve takılabilir.

Yapay zekanın gerçekten tonunu değiştirip değiştirmediğini kontrol etmek

PsychAdapter’ın rastgele varyasyonlar üretmek yerine özellikleri gerçekten yakalayıp yakalamadığını görmek için araştırmacılar uzman psikologları jüri olarak görevlendirdi. Her özellik için sistem düşük, ortalama veya yüksek düzeyleri yansıtacak şekilde metin setleri üretti (örneğin düşük ve yüksek dışadönüklük). Hangi grubun hangi düzeyi yansıttığı söylenmeyen uzmanlar, her metin grubunu amaçlanan düzeyle eşleştirmek zorundaydı. Özellikler genelinde, kişilik için yaklaşık %87, depresyon ve yaşam memnuniyeti için ise neredeyse %97 oranında doğru sonuç elde edildi—rastgele tahminden çok daha yüksek. Sisteme “I like to…” gibi basit istemler verildiğinde doğruluk daha da arttı. Ayrı bir testte gelişmiş bir yapay zeka modeli değerlendirici olarak kullanıldı; bu model insan uzmanlarla uzmanların birbirleriyle vardığı uzlaşma düzeyine yaklaşık olarak eşdeğer düzeyde hemfikir oldu ve bazen özellikleri daha tutarlı şekilde tespit etti.

Özellikleri, yaşları ve yaşam alanlarını karıştırmak

PsychAdapter tek bir özelliğe sınırlı kalmaz. Sistem kişilik boyutlarını, ruh sağlığı düzeylerini ve demografik faktörleri tek bir profilde birleştirebilir. Yazarlar “yaş” puanını depresyon veya yaşam memnuniyeti sabitken değiştirdiklerinde farklı tarzlarda mesajlar elde ettiklerini gösterdi: daha genç sesler ebeveynlerden, okuldan ve ilk ders günlerinden bahsederken, daha yaşlı sesler eşlerden, çocuklardan ve uzun vadeli kaygılardan söz etti. İki kişilik özelliğini (dışadönüklük ve uyumluluk) matematiksel olarak “sıcaklık” ve “egemenlik”e döndürerek çıktıları klasik bir kişilerarası stil modeline de eşlediler. “Kendinden emin‑Egemen” veya “Soğukkanlı” gibi etiketlenmiş bölgelerde üretilen metinler teorinin öngördükleriyle uyum gösterdi. Yaklaşımları kısa tweet’lerden daha uzun blog yazılarına ve çeşitli temel dil modellerine kadar işe yaradı.

İnsan‑Yapay Zeka etkileşimi için fırsatlar ve riskler

PsychAdapter bir yapay zekanın üslubunu ve duygusal tonunu ince ayar yapabildiği için daha insan‑benzeri uygulamalara kapı açıyor. Terapistler veya kriz hattı görevlileri için eğitim simülasyonları, çeşitli kişilikleri ve sıkıntı düzeylerini güvenli ama gerçekçi şekilde gösteren konuşma ortaklarıyla onları tanıştırabilir. Müşteri hizmetleri botları veya eğitim araçları bir kullanıcının yaşı, okuma düzeyi veya tercih edilen stiline göre dili ayarlayabilir. Araştırmacılar da sistemi bir laboratuvar olarak kullanabilir: özellikleri açıp kapatarak ve belirli konular için istem vererek, nadir gerçek dünya verilerini beklemeden kişilik ve ruh sağlığının dil üzerinde nasıl şekil verdiğini birçok bağlamda keşfedebilirler.

Günlük kullanıcılar için bunun anlamı

Bir kullanıcı için çıkarım, geleceğin yapay zeka sistemlerinin sadece soruları yanıtlamayabileceği—aynı zamanda tanınabilir insan‑benzeri çok çeşitli sesleri benimseyebileceğidir. PsychAdapter benzeri bir şeyle tek bir temel model, birkaç kaydırıcıyı oynatarak daha içe dönük ya da dışa dönük, neşeli ya da karamsar, genç ya da yaşlı seslere nazikçe yeniden şekil verilebilir. Bu esneklik AI araçlarını daha ilgili ve kullanışlı kılabilir, ancak hedeflenmiş ikna veya yanıltıcı “kişilikler” gibi yeni etik kaygıları da gündeme getirir. Yazarlar, sorumlu kullanıldığında PsychAdapter’ın içsel özelliklerimizin kelimelere nasıl yansıdığını incelemenin güçlü yeni bir yolu ve gerçek insan iletişiminin çeşitliliğini daha iyi yansıtan AI’lar inşa etme aracı sunduğunu savunuyorlar.

Atıf: 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

Anahtar kelimeler: psychadapter, kişilik farkındalıklı yapay zeka, ruh sağlığı dili, büyük dil modelleri, kişiselleştirilmiş metin üretimi