Κλινική Πρακτική
Μεροληψία στους εικονικούς θεραπευόμενους: Ποιον αφήνει έξω η εκπαίδευση με AI;
Οι AI προσομοιώσεις μπορεί να αναπαράγουν στερεότυπα. Τι έδειξε μελέτη του 2025 και πώς ελέγχουμε την ποικιλία των χαρακτήρων;
Από TheraMentor ·

Φαντάσου μια πλατφόρμα στην οποία σχεδόν όλοι οι εικονικοί θεραπευόμενοι έχουν παρόμοια ηλικία, μορφωτικό επίπεδο, οικογενειακή δομή ή τρόπο ομιλίας. Ο εκπαιδευόμενος μπορεί να ολοκληρώνει πολλές συνεδρίες, αλλά να συναντά έναν εκπληκτικά στενό κόσμο.
Η ποικιλία δεν είναι απλώς θέμα εμφάνισης. Επηρεάζει τις προσδοκίες μας για το πώς εκφράζεται η δυσφορία, τι θεωρούμε «συνεργάσιμη» συμπεριφορά και ποιες εμπειρίες αναγνωρίζουμε ως οικείες.
Τι έδειξε η έρευνα το 2025;
Σε μελέτη που δημοσιεύθηκε στο Advances in Simulation, οι ερευνητές ζήτησαν από δύο γλωσσικά μοντέλα να δημιουργήσουν συνολικά 500 προφίλ υποθετικών ασθενών για το Ηνωμένο Βασίλειο. Τα παραγόμενα σύνολα διέφεραν σημαντικά από δημογραφικά δεδομένα αναφοράς ως προς ηλικία, φύλο και εθνοτική εκπροσώπηση.
Η μελέτη αφορούσε προσομοιωμένους ασθενείς για ιατρική εκπαίδευση, όχι συγκεκριμένα εργαλεία εκπαίδευσης ψυχοθεραπείας. Δεν αποδεικνύει ότι κάθε AI πλατφόρμα έχει την ίδια μεροληψία. Δείχνει όμως γιατί είναι επικίνδυνο να θεωρούμε ότι η τυχαία παραγωγή χαρακτήρων εξασφαλίζει αντιπροσωπευτικότητα.
Τρεις μορφές προβλήματος
Υποεκπροσώπηση: Ορισμένες ηλικιακές, κοινωνικές ή πολιτισμικές εμπειρίες απουσιάζουν από τα διαθέσιμα σενάρια.
Στερεοτυπικές αφηγήσεις: Ένας χαρακτήρας αποκτά προβλέψιμη συμπεριφορά απλώς επειδή ανήκει σε κάποια ομάδα.
Μεροληψία στην αξιολόγηση: Το AI θεωρεί πιο «σωστές» ορισμένες μορφές διατύπωσης, χωρίς να λαμβάνει επαρκώς υπόψη το πολιτισμικό ή γλωσσικό πλαίσιο.
Πώς γίνεται ένας πρακτικός έλεγχος;
Ξεκινήστε με κατάλογο των εκπαιδευτικών χαρακτήρων. Παρατηρήστε ποια χαρακτηριστικά και εμπειρίες επαναλαμβάνονται υπερβολικά, ποια λείπουν και αν συγκεκριμένες ταυτότητες συνδέονται αυτόματα με δυσλειτουργική συμπεριφορά.
Στη συνέχεια, οργανώστε δοκιμές ίδιου μαθησιακού στόχου σε διαφορετικά προφίλ. Η δυσκολία πρέπει να προκύπτει από το σενάριο και την επιδιωκόμενη δεξιότητα, όχι από στερεότυπα για το πρόσωπο.
Ζητήστε ποιοτικό έλεγχο από εκπαιδευτές με σχετική εμπειρία και, όπου είναι σκόπιμο, από ανθρώπους με ποικίλες πολιτισμικές οπτικές. Η δημογραφική ισορροπία από μόνη της δεν αποδεικνύει ότι οι αφηγήσεις είναι ακριβείς ή μη στερεοτυπικές.
Διαφορετικότητα χωρίς «εκπαιδευτικό τουρισμό»
Ο στόχος δεν είναι να φτιάξουμε έναν κατάλογο «δύσκολων ομάδων» για να εξασκούνται οι θεραπευτές πάνω τους. Είναι να σχεδιάζουμε ανθρώπινους χαρακτήρες με προσωπική ιστορία, ανάγκες και αυτονομία, αποφεύγοντας την αναγωγή της ταυτότητας σε σύμπτωμα.
Οι εικονικοί θεραπευόμενοι είναι εκπαιδευτικές κατασκευές, όχι αναπαραστάσεις όλων των ανθρώπων μιας ομάδας. Αυτό πρέπει να δηλώνεται ξεκάθαρα.
Από τη θεωρία στην πράξη: Κατά την επιλογή προσομοιωμένων περιστατικών, ρώτησε όχι μόνο «πόσα σενάρια υπάρχουν;», αλλά και «ποιες ανθρώπινες εμπειρίες εκπροσωπούνται, και με ποιον τρόπο;».
Βιβλιογραφία
- Veenhuizen, M., & O'Malley, A. (2025). Demographic biases in AI-generated simulated patient cohorts: a comparative analysis against census benchmarks. Advances in Simulation. https://doi.org/10.1186/s41077-025-00385-9
- WHO. Ethics and governance of artificial intelligence for health. https://www.who.int/publications/i/item/9789240084759
Bias in Virtual Therapy Clients: Who Gets Left Out of AI Training?