هوش مصنوعی در کمین شغل مربیان تناسب اندام

چاقی یکی از چالش‌های جدی سلامت عمومی در جهان است و خطر ابتلا به بیماری‌هایی مانند دیابت و بیماری‌های قلبی‌عروقی را افزایش می‌دهد. با وجود آن‌که کاهش حتی مقدار متوسطی از وزن می‌تواند این خطرات را کم کند، دسترسی به مربی‌گری مستمر و شخصی‌سازی‌شده اغلب دشوار و پرهزینه است. در سال‌های اخیر بسیاری از افراد به اپلیکیشن‌های سلامت موبایلی و پیام‌های خودکار برای حفظ انگیزه روی آورده‌اند؛ اما این پیام‌ها معمولا بر پایه قالب‌های از پیش نوشته‌شده هستند و کاربران آنها را تکراری و غیرشخصی می‌دانند.

به گزارش از نشریه سای‌پست (PsyPost)، پژوهشگران برای بررسی اینکه آیا هوش مصنوعی مولد می‌تواند این مشکل را برطرف کند، ۸۷ بزرگسال شرکت‌کننده در یک کارآزمایی رفتاری یک‌ساله کاهش وزن را مورد مطالعه قرار دادند. شاخص توده بدنی (BMI) این افراد در محدوده اضافه‌وزن یا چاقی قرار داشت. در این آزمایش، به شرکت‌کنندگان سناریو‌هایی فرضی بر اساس داده‌های معمول کاهش وزن ارائه شد؛ از جمله شرایطی که فرد وزن کم کرده، وزن اضافه کرده یا وزنش ثابت مانده بود. برای هر سناریو، اطلاعاتی درباره کالری دریافتی و فعالیت بدنی نمایش داده شد.

در هر مرحله، شرکت‌کنندگان ۱۰ پیام مربی‌گری را ارزیابی کردند؛ پنج پیام توسط یک مربی انسانی آموزش‌دیده نوشته شده بود و پنج پیام دیگر را چت‌جی‌پی‌تی (ChatGPT) تولید کرده بود. افراد میزان مفید بودن هر پیام را در مقیاس یک تا پنج نمره دادند و تلاش کردند تشخیص دهند نویسنده پیام انسان بوده یا رایانه.

در مرحله نخست، از هوش مصنوعی خواسته شد در نقش مربی داده‌ها را خلاصه کند. نتایج نشان داد پیام‌های انسانی به‌طور معناداری مفیدتر ارزیابی شدند و تنها ۶۶ درصد پیام‌های تولیدشده توسط هوش مصنوعی امتیاز سه یا بالاتر گرفتند. شرکت‌کنندگان لحن پیام‌های هوش مصنوعی را غیرشخصی، بیش از حد منفی و تا حدی دستوری توصیف کردند.

در مرحله دوم، پژوهشگران دستورالعمل‌ها را اصلاح کردند و از چت‌بات خواستند با لحنی همدلانه و تشویق‌کننده بنویسد، از تکرار پرهیز کند و اندکی شوخ‌طبعی به کار ببرد. پس از این تغییرات، عملکرد هوش مصنوعی به‌طور چشمگیری بهبود یافت. در این مرحله، ۸۲ درصد پیام‌های تولیدشده توسط هوش مصنوعی امتیاز سه یا بالاتر گرفتند و از نظر شرکت‌کنندگان به اندازه پیام‌های مربی انسانی مفید بودند.

همچنین شرکت‌کنندگان در تشخیص منبع پیام‌ها با دشواری روبه‌رو شدند؛ به‌طوری که در ۵۰ درصد موارد، پیام‌های تولیدشده توسط هوش مصنوعی را به اشتباه انسانی تشخیص دادند. با این حال برخی تفاوت‌ها همچنان باقی ماند. برخی افراد گفتند پیام‌های هوش مصنوعی هنوز کمی قالبی و بیش از حد داده‌محور به نظر می‌رسند، در حالی که مربی انسانی بیشتر به شرایط و زندگی فرد توجه نشان می‌دهد. برای مثال، اگر فردی غذایی ثبت نکرده باشد، هوش مصنوعی ممکن است آن را به فراموشی نسبت دهد، در حالی که مربی انسانی احتمال بیماری یا سفر را نیز در نظر می‌گیرد.

پژوهشگران تاکید می‌کنند این مطالعه یک «اثبات مفهوم» است. ارزیابی‌ها بر اساس سناریو‌های فرضی انجام شده و کاهش وزن واقعی اندازه‌گیری نشده است؛ بنابراین مفید دانستن یک پیام الزاما به معنای تغییر رفتار یا کاهش وزن در عمل نیست. به گفته ژوران هوانگ (Zhuoran Huang)، نویسنده اصلی پژوهش از دانشگاه نورث‌ایسترن (Northeastern University)، این فناوری می‌تواند به کاهش کمبود نیروی متخصص در حوزه مربی‌گری کمک کند، اما جایگزین کامل تخصص انسانی نخواهد بود.

قرار است در پژوهش‌های آینده، این پیام‌های تولیدشده توسط هوش مصنوعی در کارآزمایی‌های بالینی واقعی آزمایش شوند تا اثر آنها بر کاهش وزن در طول زمان سنجیده شود. همچنین موضوعاتی مانند ایمنی، حریم خصوصی داده‌ها و نظارت انسانی پیش از استفاده گسترده از این فناوری در حوزه سلامت، نیازمند بررسی دقیق خواهد بود.