Microsoft desarrolla chatbot terapéutico para combatir la depresión con inteligencia artificial
Microsoft se encuentra inmersa en el desarrollo de una aplicación de inteligencia artificial (IA) destinada a abordar la depresión, según revela una solicitud de patente presentada por la compañía. La iniciativa busca crear un chatbot terapéutico, similar a ChatGPT, capaz de ofrecer tratamiento emocional a través de conversaciones simuladas que involucren texto, voz e imágenes.
En el documento presentado en Estados Unidos el siete de noviembre, Microsoft expresa la creciente popularidad de los chatbots de IA, destacando su aplicabilidad en diversos escenarios. La empresa, que ha invertido significativamente en OpenAI, los desarrolladores de ChatGPT, busca ahora proporcionar una suerte de terapeuta artificial que ofrezca “atención emocional” a los usuarios.
Esta aplicación, al igual que ChatGPT, incluiría una ventana de chat, un módulo de procesamiento y una base de datos de respuestas. Permitiría la realización de pruebas psicológicas explícitas mediante preguntas y el monitoreo de las respuestas de los “pacientes”. Un algoritmo de puntuación predefinido por psicólogos o expertos en dominios psicológicos evaluaría a los usuarios, y en algunos casos, el chatbot ofrecería sugerencias para abordar problemas específicos.
Microsoft ilustra el funcionamiento con un ejemplo hipotético, donde un usuario expresa sentirse mal debido a problemas familiares. En respuesta, el chatbot podría sugerir salir a correr durante 30 minutos para refrescarse. La aplicación también permitiría construir una “memoria” del usuario a partir de sus respuestas y las “señales” obtenidas de las imágenes proporcionadas.
No obstante, estas iniciativas no están exentas de preocupaciones. Otras empresas tecnológicas, como Apple con su proyecto Quartz, también exploran soluciones basadas en IA para el bienestar emocional. Sin embargo, expertos de la Organización Mundial de la Salud (OMS) han expresado inquietudes sobre la aplicación de chatbots en la atención médica, advirtiendo sobre posibles sesgos en los datos utilizados para entrenar estos modelos y los riesgos asociados con respuestas engañosas y peligrosas para los pacientes.
