基于动态生成公平性（自适应AI）与协同创造的公平导向心理健康干预模型研究

来自国际团队的研究人员针对AI心理健康干预中的算法偏见问题，通过融合公平感知机器学习（fair-aware ML）与协同创造技术，开发了动态生成公平性模型（adaptive AI）。该模型通过量化偏检测与社区定性反馈的迭代循环，实现了文化响应式AI干预系统，为减少医疗 disparities 提供了创新方法论。

　　

人工智能（AI）在心理健康领域展现出提供可扩展、个性化及可及性解决方案的巨大潜力。然而，AI系统中的偏见可能加剧现有医疗资源分配不公，尤其对少数群体造成更大影响。本研究提出通过动态生成公平性（adaptive AI）模型，将公平感知机器学习（fair-aware machine learning）与协同创造技术相结合，既采用定量方法检测算法偏见，又引入社区合作者的定性输入以确保文化相关性和实践适用性。该模型通过迭代反馈机制，使AI干预能够动态适应实时反馈并保持文化敏感性。研究还探讨了模型的应用潜力、当前局限性与未来研究方向。