这项研究采用了务实的回顾性设计，使用收集的数据作为用户与Kai互动的一部分。艾未未的服务。所有参与者都位于美国，可以免费使用该服务，该服务与所有顶级消息应用程序(iMessage、WhatsApp、Discord、Telegram等)无缝集成。这项回顾性研究包括2909名Kai的数据。其中85%的人是从TikTok等主要社交网络招募来的，他们会看到一则广告，邀请他们测试自己有多快乐。点击广告会引导用户进入一个登陆页面(你有多开心?- Kai)，在那里他们可以完成世界卫生组织的五项幸福指数(WHO-5)。在完成问卷调查后，用户被问及是否愿意继续与Kai合作。未来的Ai。

在第一次接触期间，用户被要求完成一份世卫组织-5的电子保密版本。调查是完全可选的，用户可以选择不参与评估阶段。随着用户继续使用Kai。ai，他们每6周被要求完成一次额外的世卫组织5级评估。

参与者至少完成了两次WHO-5测量，完成WHO-5测量的最高次数为9次。本研究的所有参与者都来自美国，但由于本研究中使用的数据集在提供给作者之前是完全匿名的，因此无法获得与性别或年龄相关的信息。

本报告基于事后分析，使用了用户与Kai互动期间收集的匿名数据。艾未未的服务。因此，WCG IRB(1-1504102-1)确定该研究不涉及人类受试者。

WHO-5是一份衡量幸福的简短自我报告[ 17， 18］．项目评分采用李克特6分制，参与者被要求对自己过去两周的经历进行评分，从5=一直到0=从来没有。然后将原始分数乘以4，将量表转换为基于百分比的量表，范围从0%到100%。转换得分低于50%反映幸福感较差，转换得分10分的变化被视为临床相关[ 17］．由于易于使用和高有效性，WHO-5已被广泛应用于精神卫生和身体卫生相关的移动应用程序[ 19- 23］．

用户与Kai的交互主要有两种方式。Ai:被动和主动。在被动方式中，该服务每天至少检查用户一次，不超过3次，这取决于在入职期间创建的例行程序。签入提示可以包括其中任何一种 反思和日志开放式问题或封闭式问题，在这些问题中，用户被要求表明他们有多快乐。除了被动签到，用户还可以主动联系Kai。只要他们觉得需要的时候发短信就可以了。

为了考验凯。Ai对参与者幸福感的影响，使用了2种分析方法。首先，配对样本 t进行了测试，以比较参与者在开始使用前收集的基线WHO-5评分和每位参与者记录的最后WHO-5评分。在最初的分析之后，使用层次线性建模(HLM)来检查用户幸福感随时间的变化。选择HLM而不是其他重复测量模型，如重复测量方差分析，因为它具有对不完整或不平衡数据集建模的独特能力。在第一级中，对HLM建模以估计单个线性斜率和截距，在第二级中，估计样本的平均斜率和截距。

比较了每个用户在WHO-5上的第一次和最后一次测量的得分。平均而言，用户最后一次测量得分(中位数52)比第一次(中位数40)要好。Wilcoxon符号秩检验表明这种差异显著(W=2682927; P<措施)。 图1显示WHO-5评分变化的中位数(IQR)值的盒状图。

除配对样品外 t用于比较用户第一次和最后一次测量分数的测试，使用HLM，因为它最适合处理不完整的数据集，同时仍然考虑到数据集的重复测量性质[ 25］．HLM分析的独特优势在于这种分析，因为用户之间的测量次数在2到9之间变化。有些用户只使用了2个月，有些则使用了一年多。

因此，我们的模型测试了任意两次连续测量之间用户WHO-5评分的差异是否可以通过时间段内的参与水平来预测。因此，我们使用了两个变量作为粘性指标:用户与Kai进行积极互动的天数。Ai在指定的时间范围内，以及用户在该时间内每天发送的消息数。使用R nlme包[ 26]，首先针对每个测量时间点(第二到第九)分别测试参与变量对WHO-5得分差异的影响，然后对所有时间点进行汇总。我们的结果表明，WHO-5分数的差异与用户每天发送的消息数量呈线性相关(β=.029;t_81.36= 4; P<.001)，信息数量与唯一天数的交互作用(β= -.0003;t_81.36= -2.2; P=.03)，但与其自身的唯一天数( 表1）

在本文中，我们报告了一项实用的回顾性研究的结果，旨在测试一个移动电话提供的、基于act的、人工智能提供的会话指导平台的有效性。在入职测试中，一半的参与者报告的WHO-5评分为40分或更低，远低于50分的分界点，是健康状况不佳的一个指标。然而，在对每位用户的最后一次测量中，有一半的参与者表示得分为52分及以上，这表明情况有所好转，整体生活状况良好。这些结果凸显了基于act的移动应用程序在改善用户日常幸福感方面的巨大潜力。

本文描述了使用一种新的平台和治疗协议，使用移动消息应用程序来部署基于act的治疗，以改善用户的福祉。我们的成绩，同时突出Kai。人工智能的巨大潜力反映在前post结果中，这也暗示着仍有大量的可能性有待发现。我们的HLM模型的结果，特别是参与变量之间的负相互作用的结果，表明需要进一步的研究来充分理解和描述Kai。Ai的潜力和契合度。Kai就是这一领域的一个例子，未来的研究应该进一步扩展。Ai对不同性别和年龄群体的适应性。最近的一项研究发现，这些群体在移动教练工具的适应性方面存在差异，女性和年轻群体(18-25岁)分别比男性和老年人表现出更高的适应性[ 27］．为了克服这些适应性挑战，游戏引入了许多关键功能，这些功能直接旨在提高用户粘性，利用选择和进程的动机。因此，重点放在更多的选择上，因为用户可以选择专注于不同核心思想的轨道，如关系、情绪和生活习惯。此外，随着时间的推移，提供给用户的日常程序和锻炼是根据过去的喜好选择的。最后，允许用户查看他们的进度，允许用户能够查看他们的进度时间。

本文报道的研究结果显示凯。人工智能在帮助个人改善和保持高水平的福祉，从而改善他们的日常生活方面的巨大前景。心理健康干预措施的巨大需求进一步强调了这些发现，而治疗的可获得性和可获得性仍然有限。根据世卫组织5的发现，使用这种技术似乎是必不可少的，尤其是在今天。