AIセラピストの構築

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