ترجمه پرسشنامههای سلامت روان با ChatGPT به زبان ماندارین نتایج ناهماهنگی به همراه داشت

با افزایش شمار آسیاییتبارانی که در نیوزیلند از مشکلات سلامت روان خبر میدهند، یکی از پژوهشگران دانشگاه کانتربری (UC) پرسشی مهم را مطرح کرده است: آیا هوش مصنوعی میتواند در شرایطی که منابع انسانی برای ترجمه محدود است، به رفع موانع زبانی کمک کند؟
پژوهشی به سرپرستی دکتر وی تنگ، پژوهشگر مطالعات ترجمه در دانشگاه کانتربری، بررسی کرده است که ChatGPT تا چه اندازه میتواند دو ابزار پرکاربرد غربالگری سلامت روان، یعنی مقیاس پریشانی روانشناختی کسلر (K10) و پرسشنامه سلامت بیمار-9 (PHQ-9) را برای استفاده در نیوزیلند، به زبان چینی ماندارین ترجمه کند.
تنگ میگوید: «این مقیاسها در تشخیص اینکه آیا فرد دچار پریشانی روانشناختی یا افسردگی است نقش دارند؛ بنابراین، اگر ترجمه حتی یک بخش نادرست باشد، تصمیمهای بالینی مستقیماً تحت تأثیر قرار میگیرند.»
تنگ که از مدافعان جدی دسترسپذیری خدمات است، پس از گفتوگو با جوسایا جنینگز از مؤسسه حمایت از جامعه آسیایی (Asian Community Transformation Trust) در کرایستچرچ و دکتر امی وانگ، روانشناس بالینی دارای مجوز، این پروژه را آغاز کرد. در این گفتوگوها، رهبران جامعه نگرانی خود را درباره موانع زبانی مطرح کردند؛ موانعی که دسترسی مهاجران ماندارینزبان به حمایتهای مناسب سلامت روان را دشوار میکند.
به گفته تنگ، اگرچه نسخههای ماندارین این ابزارها از قبل وجود دارند، برخی از ترجمههای موجود بیش از حد رسمی یا غیرطبیعی به نظر میرسند. او میگوید: «اگر ترجمه پرسشها به ماندارین حالتی رباتیک داشته باشد و لحن متن اصلی را از دست بدهد، ممکن است بیماران نتوانند با صراحت و گشودگی پاسخ دهند.»
تنگ برای ارزیابی توانایی هوش مصنوعی در تولید ترجمههایی طبیعیتر و همدلانهتر، دستورهای ساختاریافتهای برای ChatGPT طراحی کرد. او در این دستورها نقشی حرفهای برای مدل تعیین کرد و ویژگیهای مورد انتظار از لحن ترجمه، از جمله «مراقبتگرانه» و «متناسب با فضای بالینی» را مشخص کرد. یکی از دستورهای دقیق و حسابشده، نتایج بهمراتب بهتری به همراه داشت؛ یافتهای که نشان میداد هدایت دقیقتر هوش مصنوعی میتواند کیفیت ترجمه را افزایش دهد.
بااینحال، پژوهش یک نقص اساسی را نیز آشکار کرد: ناهماهنگی در نتایج.
وقتی همکاران تنگ همان دستور را با حسابهای رایگان ChatGPT خود اجرا کردند، خروجیها از نظر لحن و طبیعیبودن با یکدیگر تفاوت داشتند. از آنجا که مدلهای زبانی بزرگ پاسخهای خود را بر اساس تعاملات قبلی کاربران حسابها تولید میکنند، حتی استفاده از دستورهای کاملاً یکسان نیز ممکن است برای کاربران مختلف نتایج متفاوتی به همراه داشته باشد.
تنگ تأکید میکند: «در حوزه سلامت روان، یکسانبودن نتایج اهمیت زیادی دارد. ابزار غربالگری باید در هر بار استفاده عملکرد یکسانی داشته باشد. تفاوت در خروجیها، پرسشهایی جدی درباره قابلیت اعتماد و تکرارپذیری نتایج ایجاد میکند.»
تنگ اکنون با همکاری پژوهشگران هوش مصنوعی در حال بررسی این موضوع است که آیا استفاده از دستورهایی با خروجی قابلپیشبینیتر یا مدلهای سفارشیسازیشده میتواند به بهبود ثبات نتایج کمک کند یا خیر. او تأکید دارد که با وجود ظرفیت امیدوارکننده هوش مصنوعی، نظارت متخصصان بالینی و همکاری میانرشتهای همچنان ضروری است.
او میگوید: «ممکن است بتوان برای هوش مصنوعی در این حوزه جایگاهی در نظر گرفت؛ اما وقتی سلامت و رفاه انسانها در میان است، اعتماد و حساسیت فرهنگی باید در اولویت باشند.»
