OpenAI, yapay zekâ modellerinin ruh sağlığı konuşmalarındaki yanıtlarını değerlendirmek için MentalHealthBench adlı ölçüm aracını yayımladı. Çalışma, 80’den fazla lisanslı ruh sağlığı uzmanının ölçütleriyle 1.215 kurgusal konuşmanın son kullanıcı mesajına verilen yanıtları inceliyor.
- Yüzde 53,5’i acil olmayan, yüzde 18,2’si yüksek riskli, yüzde 28,3’ü acil senaryolardan oluşuyor.
- Yüzde 21,2’si ergen kullanıcı profillerini temsil ediyor.
Değerlendirmede gerekli bağlamı sorma, uygulanabilir öneri sunma, klinik doğruluk, kişinin karar alanını koruma, gerçek dışı inançları pekiştirmeme ve aciliyet düzeyini doğru belirleme gibi ölçütler kullanılıyor. Veri kümesinde Türkçe 13 konuşma bulunması, Türkiye’deki gerçek yardım hizmetleri için kapsamlı karşılaştırma yapmaya yeterli görülmüyor.
Neden önemli
Bu çalışma, ruh sağlığı alanında yapay zekâ yanıtlarını yalnızca akıcılık ya da genel yararlılık üzerinden değil, risk düzeyini tanıma ve güvenli iletişim kurma gibi ayrı ölçütlerle değerlendirme çerçevesi sunuyor. Acil ve yüksek riskli örneklerin yanı sıra ergen profillerinin de bulunması, aynı yanıt yaklaşımının farklı kırılganlık düzeylerindeki kullanıcılar için yeterli olmayabileceğini gösteren bir inceleme zemini oluşturuyor. Bununla birlikte sonuçlar, kurgusal konuşmalara verilen yanıtların uzman ölçütleriyle değerlendirilmesine dayanıyor; gerçek kullanıcı etkileşimlerinde nasıl bir tablo oluştuğunu tek başına ortaya koymuyor. Türkçe örneklerin azlığı da Türkiye’deki yardım hizmetleri ve kullanıcı ihtiyaçları açısından doğrudan karşılaştırma yapılmasını sınırlıyor. Bu nedenle açık kalan soru, ölçümdeki bulguların farklı dillerde ve gerçek kullanım koşullarında nasıl değişeceği.
Arka plan
OpenAI, FikirPilot arşivinde yeni bir ad değil: son 90 günde bu adın geçtiği 54 haber yayımladık; en yenisi 24 Eylül 2026 tarihli.