学习通心理健康教育章节答案()
我们的干预方案也会受到用户自身状态变化而动态调整。我们的算法模型会更多去感知用户本身的认知通路，比如每个人的说话方式能反映出他背后的思维方式和逻辑链路。用户认知一旦被算法很好地捕捉到后，我们就能够更好地根据用户自身的特点为用户提供治疗，能够更好地提高用户的依从性和治疗的有效性。当然我们也还在临床实验阶段，还在不停地迭代和完善。
我们以认知、情绪和行为三个维度去构建了整个疗法模型，所以疗法包括了CBT、DBT、IPT、正念等多种疗法。虽然CBT目前科研中的有效证据较多，但这是因为CBT更容易被量化、更容易发成型的论文，所以有效性证据更多，还是因为它真的是最有效的？这是仍待经过更多验证的。此外，从临床的角度来看，我们一直认为本土化的CBT研究没有发展得很好。所以，我们更多还是会结合临床经验，看什么样的框架能够对问题做有效拆解，并最终决定采用认知、情绪和行为三个维度，将逻辑做融合，再用AI去实现。
36氪：能否向我们具体举例介绍一下，AI是如何围绕这认知、情绪和行为三个维度去开展回复策略的？
黄民烈团队：比如一个情绪低落的用户使用聆心智能的聊天机器人。首先，机器人去探索用户的问题类型和关键事件。然后用户可能说，我心情不好是因为我跟女朋友分手了。这时机器人会可能会进行相对应的策略，例如共情，也就是情感映射，说，嗯分手通常是一件难过的事情。然后，机器人会进一步探索说，那你现在有什么想说或者想做的吗？
我们借鉴心理咨询理论，把这个交互过程分成探索、安抚、提供建议三个阶段。在每一个阶段，我们都设计了丰富的策略，包括提问、自我暴露、情感映射、提供信息、确认、奇迹问题等等。比如自我暴露策略，是机器人回复用户说，我也曾经有过类似的痛苦经历，然后希望能跟用户能够产生更多情感连接。这些策略都是有心理学理论支撑的。
在心理咨询的过程中，人和机器有一个比较大的区别，就是人能产生非常强烈的共情。人类共情之后，再与来访者探讨问题。虽然机器也能共情，但其浓烈程度肯定没有人那么丰富。
那我们怎么办？我们现在采用的方法，就是在与用户对话过程中，更多去调动用户自身的思考能力——也就是他的认知，并通过一些技术性和策略性的方式，回避机器人不太容易理解的、多样掺杂在一起的复杂情绪。
比如，我跟机器人说我工作好累。如果是一个人回复我，他可能会告诉我，累的时候他自己会做什么？于是，我们在编写算法过程中，会给机器人赋予一个稳定人设，针对不同情景，这个机器人的人设会有自己的反应。拥有人设的机器人会告诉我，它累的时候会做什么，它觉得这个事情为什么起效——这个就是机器人在使用自我暴露策略。
其次，机器人听到用户说很累时，可能会问用户感觉压力大的时候，用户自己通常会做什么，用户自己觉得这个事情有效吗？如果这个事情暂时没有效果，用户要不要试一下其他办法？然后机器人就会引入一些干预和练习。我们通过这些策略安抚用户情绪，同时让用户自主思考什么事情对自己最有效果。
36氪：整个数字疗法的设计开发过程中，主要难点是什么？
黄民烈团队：最难的地方，在于把咨询师的认知和语言，“翻译”成AI逻辑。打个比方，CBT疗法咨询师在评估一位患者是否达到预期治疗效果时，其标准通常是患者的社会功能是否已恢复至正常水平。那对AI来说，什么叫做个体层面的正常？在AI算法开发过程中，我们就需要将这个目标量化。
这跟我们平时做心理咨询会有所不同，原因在于，我们人工咨询会有一个动态评估的过程。我们目前根据数据和案例，持续不断调整评估的量化指标权重以期待达到最精准的动态评估。
类似这种“翻译”，听起来不难，其实在实践中很不容易，需要AI人才和心理咨询人才之间非常多的碰撞，才能重新设计出来。
36氪：聆心智能的循证医疗临床实验和真实世界研究是如何组织的？基于隐私及伦理方面等问题，您觉得数据方面的局限和困难有哪些？样本偏差是如何的，如何控制和平滑样本偏差带来的影响？
