Conversational Health Agents: A Personalized LLM-Powered Agent Framework

https://arxiv.org/abs/2310.02374

1 本研究の学術的背景と「問い」は、人々の健康状態改善のための新技術の開発です。具体的には、ユーザーと対話し、さまざまなデータを処理できる会話型健康エージェント（Conversational Health Agents：CHAs）の開発です。現在のCHAsは、大規模言語モデル（Large Language Models：LLMs）を利用するものが多いですが、これらは主に会話機能に焦点を当てており、個々のユーザーの健康データへのアクセスや、最新の健康に関する洞察の統合、多様なデータ分析ツールとの連携といった、包括的なエージェント能力が不足しています。そのため、この研究では、CHAsに批判的思考力、知識獲得力、問題解決能力を付与するフレームワークを開発することを目指しています。

2 この研究の目的は、大規模言語モデルを活用したCHAsを開発し、これによりユーザーの健康状態改善を実現することです。学術的独自性と創造性は、既存のCHAsが持っていない機能を強化しようとする点にあります。具体的には、個々のユーザーの健康データへのアクセス、最新の健康知識の統合、多言語・多モードの会話、データ分析ツールとのインターフェースといったエージェント能力を一体化し、これまで以上に複雑な健康管理タスクをも効率的に処理できるCHAsを開発します。

3 本研究の着想は、人々の健康管理における重要な課題と、進化する人工知能技術の可能性の中で生まれました。具体的には、既存のCHAsは主に会話機能に焦点を当てているため、一部のエージェント能力が不足しているという課題がありました。この問題を解決するために、大規模言語モデルという先進技術と、最新の健康データの統合、多モーダルデータ分析などといった要素を組み合わせることで、より高度なCHAsを開発しようというアイデアが生まれました。

4 本研究では、大規模言語モデルを活用した会話型健康エージェント（CHAs）のフレームワークを開発しました。このフレームワークは、健康管理ツールを統合し、多言語・多モードの会話を実現し、ユーザーデータ分析ツールとのインターフェースを提供します。また、エージェントの知識を活用してストレスレベル推定など、複雑な健康管理タスクを処理する能力を示しました。

5 本研究の有効性は、開発したCHAsが複雑な健康管理タスク（例：ストレスレベル推定）を効率的に処理できるかどうかで検証しました。その結果、CHAsは高いパフォーマンスを示し、その操作能力と認知能力を実証しました。