EFT-CoT：感情焦点化療法のためのマルチエージェントChain-of-Thoughtフレームワーク

TL;DR（結論）

従来の認知行動療法（CBT）に基づくAI心理支援は論理的な書き換えを重視する「トップダウン」型であり、利用者の深い感情や身体的感覚への配慮が不足していたため、本研究では感情焦点化療法（EFT）の理論を取り入れた「ボトムアップ」型の新しいフレームワークであるEFT-CoTを提案した。 このフレームワークは、身体的知覚、認知的探索、ナラティブ介入という3つの段階を8つの専門エージェントが分担して実行する仕組みであり、約6万7千件の実際の相談データから構築された高品質なデータセットを用いて学習された専門モデルであるEFT-LLMは、共感の深さや専門性の指標において既存の強力なモデルを上回る性能を示した。 開発されたEFT-LLMは、ブラックボックス化しがちなAIの介入プロセスを透明化し、身体的メタファーを用いた深い共感と構造化された心理的推論を可能にすることで、専門家の補助や初期段階の感情支援ツールとしての実用性を示しており、心理支援サービスの普及に向けた解釈可能で高共感な技術的経路を提示している。

なぜこの問題か

世界的にメンタルヘルス資源が深刻に不足している中で、大規模言語モデル（LLM）を活用したメンタルヘルス質問回答（MHQA）は、その柔軟性とリアルタイム性を必要としない特性から、オンラインコミュニティなどで有望な解決策として注目されている。しかし、既存の研究の多くは認知行動療法（CBT）の原則をモデルに組み込むことに注力しており、これらは主に「トップダウン」の合理的な認知再構成アプローチを採用している。このパラダイムは、利用者の身体的な経験や深い一次感情の処理に対するサポートが不十分になりがちであり、複雑な感情的苦痛を効果的に解決することが困難であるという課題を抱えている。心理学の研究によれば、多くの助けを求める人々は合理的な判断力を欠いているのではなく、深く未処理の痛みを伴う感情に圧倒されている状態にある。このような人々に対して、単なる「合理的な説得」を行うだけでは、即時の感情体験が無視されていると感じさせ、冷淡な説教のように受け取られてしまうリスクがある。…

核心：何を提案したのか

本論文では、これらの課題を解決するために、感情焦点化療法（EFT）の理論に基づいたマルチエージェントChain-of-Thoughtフレームワークである「EFT-CoT」を提案している。このフレームワークは、認知科学における「遅い思考」の理論に触発されており、心理療法士の暗黙的な認知プロセスを8つの明確な役割を持つエージェントに外部化して構造化している。具体的には、暗黙的な心理的介入プロセスを「身体的知覚（Embodied Perception）」「認知的探索（Cognitive Exploration）」「ナラティブ介入（Narrative Intervention）」という計算可能な3段階の推論フローに分解して…

続きはログイン/プランで閲覧できます。