AIセラピストの構築―臨床行動情報学がひらく心理療法の世界 [単行本]

AIセラピストの構築―臨床行動情報学がひらく心理療法の世界 の 商品概要

• 要旨（「BOOK」データベースより）

  ＡＩ時代、セラピストはどうあるべきか？大規模言語モデル（ＬＬＭ）の導入は、心理療法の世界をどのように変えるのか？面接室外での慢性ストレス状態の推定、ゲームログによる社交不安推定、ＡＩ友人によるギャンブル症状の緩和、ＡＩセラピストによる不安症状の緩和、深層学習モデルによる違反者と違反日時の予測…。セラピストがＬＬＭエージェントと協働するためのスキーム、そしてそのインパクトを具体的に解説する。

• 目次

  はじめに
  
  第Ⅰ部　臨床心理学×行動情報学
  第1章　臨床行動情報学とは
  1-1　セラピストの臨床業務
  1-2　セラピストによる臨床業務改善の課題
  1-3　行動情報学を用いた臨床行動ベクトル
  1-4　臨床行動情報学の利点
  1-5　LLMエージェントとの協働におけるセラピストの監督業務
  
  第2章　臨床心理学における臨床行動情報学の歴史的位置づけ
  2-1　未治療ギャップ
  2-2　第一世代1900年代から：臨床心理相談室
  2-3　第二世代1950年から1970年：教育カリキュラムの統一
  2-4　第三世代1971年から2021年：エビデンスの蓄積
  2-5　第四世代2022年から：大規模言語モデルの登場
  
  第Ⅱ部　臨床行動情報学の実践①　査定（心理アセスメント）
  第3章　面接室内での状態推定
  3-1　これまでの臨床心理学における状態推定
  3-2　臨床心理学における状態推定とその課題
  3-3　音響特徴を利用した状態推定
  3-4　音響特徴の利用によって得られる新たな成果
  3-5　臨床への応用
  
  第4章　面接室外での慢性ストレス状態の推定
  4-1　これまでの臨床心理学における慢性ストレス状態の推定
  4-2　臨床心理学における慢性ストレス状態の推定とその課題
  4-3　ブログ閲覧を利用した慢性ストレス状態の推定
  4-4　ブログ閲覧の利用によって得られる新たな成果
  4-5　臨床への応用
  
  第5章　ゲームログによる社交不安推定
  5-1　これまでの臨床心理学における不安状態の推定
  5-2　臨床心理学における不安状態の推定とその課題
  5-3　ゲームログを利用した不安状態の推定
  5-4　ゲームログの利用によって得られる新たな成果
  5-5　臨床への応用
  
  第Ⅲ部　臨床行動情報学の実践②　介入（心理面接）
  第6章　AI 友人によるギャンブル症状の緩和
  6-1　これまでの臨床心理学における友人による介入
  6-2　臨床心理学における友人による介入とその課題
  6-3　AI友人を利用した介入
  6-4　AI友人の利用によって得られる新たな成果
  6-5　臨床への応用
  
  第7章　AIセラピストによる不安症状の緩和
  7-1　これまでの臨床心理学におけるセラピストによる介入
  7-2　臨床心理学におけるセラピストによる介入とその課題
  7-3　AIセラピストを利用した介入
  7-4　AIセラピストの利用によって得られる新たな成果
  7-5　臨床への応用
  
  第8章　オンラインゲームによる抑うつ症状の緩和
  8-1　これまでの臨床心理学におけるアプリ介入
  8-2　臨床心理学におけるアプリ介入とその課題
  8-3　多人数同時参加型オンラインゲームを利用した介入
  8-4　多人数同時参加型オンラインゲームの利用によって得られる新たな成果
  8-5　臨床への応用
  
  第Ⅳ部　臨床行動情報学の実践③　臨床心理的地域援助
  第9章　深層学習モデルによる違反者と違反日時の予測
  9-1　これまでの臨床心理学における違反者と違反日時の予測
  9-2　臨床心理学における違反者と違反日時の予測とその課題
  9-3　深層学習モデルを利用した違反者と違反日時の予測
  9-4　深層学習モデルの利用によって得られる新たな成果
  9-5　臨床への応用
  
  第10章　深層学習モデルによる犯行場所の予測
  10-1　これまでの臨床心理学における犯行場所の予測
  10-2　臨床心理学における犯行場所の予測とその課題
  10-3　深層学習モデルを利用した犯行場所の予測
  10-4　大規模データの利用によって得られる新たな成果
  10-5　臨床への応用
  
  第11章　大規模プラットフォームにおける違反行為の予防
  11-1　これまでの臨床心理学における違反行為の予防
  11-2　臨床心理学における違反行為の予防とその課題
  11-3　大規模プラットフォームを利用した違反行為の予防
  11-4　大規模プラットフォームの利用によって得られる新たな成果
  11-5　臨床への応用
  
  
  第Ⅴ部　臨床行動情報学の研究・開発
  第12章　インターネット上でのLLMエージェントの構築
  12-1　Google ColabでのLLMエージェントの環境設定
  12-2　LLMエージェントを用いた日本語テキストの応答
  12-3　プロンプトを使用したLLMエージェント
  12-4　RAGを使用したLLMエージェント
  12-5　プロンプトとRAGを用いたLLMエージェント
  
  第13章　ローカルPCでのLLMエージェントの構築
  13-1　ローカルPCの準備
  13-2　AnacondaによるPython環境の設定
  13-3　小規模なLLMモデルのインストール
  13-4　ローカルPCを用いたLLMエージェントの構築
  13-5　ローカルPCでのLLMエージェント同士の対話
  
  おわりに
  参考文献
  索引

• 出版社からのコメント

  AI時代，セラピストはどうあるべきか？　LLMエージェントと協働するためのスキーム，そしてそのインパクトを具体的に解説する。

• 内容紹介

  AI時代，セラピストはどうあるべきか？　大規模言語モデル(LLM)の導入は，心理療法の世界をどのように変えるのか？　「面接室外での慢性ストレス状態の推定」「ゲームログによる社交不安推定」「AI友人によるギャンブル症状の緩和」「AIセラピストによる不安症状の緩和」「深層学習モデルによる違反者と違反日時の予測」……　セラピストがLLMエージェントと協働するためのスキーム，そしてそのインパクトを具体的に解説する。

AIセラピストの構築―臨床行動情報学がひらく心理療法の世界 の商品スペック