"它似乎理解我的心"：新加坡基于人格的老年护理说服性AI代理的实证研究

文献标题

"It Seems to Understand My Heart": An Empirical Study of Persona-Driven Persuasive AI Agent for Aging-in-Place in Singapore

出版信息

• 主题领域: 基于角色的人工智能支持居家养老
• 关键词: 基于角色的人工智能、居家养老、共情代理、健康行为改变、文化适应性、GMMAR框架、双角色框架、新加坡、物联网传感器、对话代理

背景与问题

• 问题/挑战: 当前用于居家养老的对话代理缺乏文化响应性、动态个性化以及持续的共情互动。它们通常无法满足老年人多样化的需求，导致用户脱离和长期影响有限。
• 重要性: 在像新加坡这样的多元文化环境中，解决这些问题对支持老年人独立性、健康和福祉至关重要。
• 动机与相关研究: 之前的研究强调了基于规则和静态角色系统的局限性，以及对文化契合和共情人工智能的需求。尽管大型语言模型（LLMs）的进步使得交互更加自然，但它们往往忽略了情感和文化细微差别。本文基于角色设计和计算共情提出了一种新颖的解决方案。

解决方案

• 提出的方法: PersonaBot，一个基于角色的劝说型人工智能代理，结合了双角色框架（Dual-Persona Framework）以匹配用户和代理角色，以及GMMAR框架以结构化共情对话。
• 创新点:
  1. 引入双角色框架，动态链接用户角色与文化适应型代理角色。
  2. 开发GMMAR框架（问候 → 模仿 → 匹配 → 提问 → 推荐），以实现持续的共情互动。
  3. 集成物联网传感器数据，实现实时、情境感知的个性化。
  4. 在新加坡的多元文化居家养老环境中进行实证评估。
• 流程与关键技术:
  • 用户角色通过访谈和心理模型（如HAPA、OCEAN框架）构建。
  • 代理角色通过LLMs和人工智能工具生成，融入文化、语言和情感特征。
  • 角色匹配和动态适应根据用户反馈和传感器数据优化交互。
  • GMMAR框架将对话结构化为五个阶段，以建立关系并提供个性化建议。
  • 系统在ARSmartHouse智能家居平台上运行，利用物联网传感器进行活动跟踪。

结果

• 具体发现:
  • 在情感支持和可信度等维度上，感知共情提高了最多48%。
  • PersonaBot模式下参与度下降得到缓解，参与更加稳定，参与者消息字数增加了71%。
  • 参与者将代理视为“副驾驶员”而非护理人员替代品，强调协作性自主。
• 相较基线的优势:
  • PersonaBot在参与度、共情感知和对话深度方面优于非角色基线。
  • PersonaBot模式下的日活跃用户数量更高且更稳定。
• 实验/评估:
  • 在新加坡进行为期八周的现场部署，参与者年龄为68至86岁，共8人。
  • 混合方法评估包括定量指标（如PETS评分、参与趋势）和定性反馈（如访谈、开放式回答）。
  • 研究阶段包括非角色基线（第1至4周）和PersonaBot模式（第5至8周）。
• 局限性与未来工作:
  • 样本量较小且多样性有限（主要为华裔参与者）。
  • 研究持续时间较短（8周），限制了对长期参与的评估。
  • 传感器准确性和LLM可靠性存在挑战。
  • 未来工作包括扩展多语言能力、针对孤立人群以及开展纵向研究。

总结

本研究介绍了PersonaBot，一个基于角色的劝说型人工智能代理，旨在支持新加坡老年人的居家养老。通过整合双角色框架和GMMAR框架，系统能够动态适应用户的文化、情感和自主偏好，促进共情和互动参与。为期八周的现场研究显示，在感知共情、参与度和健康行为改变方面取得了显著改善。参与者认可代理的协作性自主和文化适应性，但在维持长期参与和解决“人工亲密”伦理问题方面仍面临挑战。这些发现突显了基于角色的人工智能在居家养老环境中的潜力，并为未来系统设计提出了原则。