心理學(xué)同人工智能聯(lián)系緊密，自1956年人工智能的概念提出以來，心理學(xué)家同人工智能研究者進(jìn)行了很多合作研究。如2018年5月，英國《自然》（Nature）雜志刊登了英國倫敦大學(xué)神經(jīng)科學(xué)家和英國DeepMind團(tuán)隊(duì)人工智能研究員合作完成的一項(xiàng)研究成果，他們利用深度學(xué)習(xí)技術(shù)成功模擬人類大腦的空間導(dǎo)航能力。此類研究向人們展示了人工智能技術(shù)在心理學(xué)研究中的應(yīng)用前景。

應(yīng)用于心理測量

交互進(jìn)化計(jì)算（Interactive Evolutionary Computation，IEC）屬于人工智能領(lǐng)域的一種算法，是一種將人的智能評(píng)價(jià)同進(jìn)化計(jì)算機(jī)有機(jī)結(jié)合的智能計(jì)算方法。目前，交互進(jìn)化計(jì)算在心理測量領(lǐng)域的研究中得到很好的應(yīng)用。日本學(xué)者塔卡西（Hideyuki Takagi）等人將交互進(jìn)化計(jì)算應(yīng)用于對(duì)精神分裂癥患者的心理測量和評(píng)估中，輔助驗(yàn)證“精神分裂癥患者所感受到的情緒表達(dá)的動(dòng)態(tài)范圍比健康人所感知到的范圍更窄”這一假設(shè)，該研究是IEC運(yùn)用于心理測量領(lǐng)域的開創(chuàng)性研究之一。在此之前，精神病學(xué)家和心理治療師認(rèn)為精神分裂癥患者在情感表達(dá)方面存在問題，但是由于缺乏定量方法衡量他們的情感表達(dá)能力，所以無法以此作為診斷依據(jù)。交互進(jìn)化計(jì)算提供了一種定量的測量方法，使得對(duì)情緒感知范圍的測量成為可能。之后，張琰等人利用交互進(jìn)化計(jì)算技術(shù)，以高社交焦慮和低社交焦慮大學(xué)生為研究對(duì)象，成功地測量并比較了兩者在面孔情緒識(shí)別的動(dòng)態(tài)感知范圍上的差異性。這些研究表明：交互進(jìn)化計(jì)算作為一種智能算法，適用于心理健康測量。

此外，人工智能領(lǐng)域的貝葉斯網(wǎng)絡(luò)和粗糙集分析方法對(duì)心理測量數(shù)據(jù)的挖掘起到了優(yōu)于一般心理學(xué)統(tǒng)計(jì)方法的作用。余嘉元發(fā)現(xiàn)，利用貝葉斯網(wǎng)絡(luò)開發(fā)的智能自適應(yīng)測驗(yàn)可以顯著地減少教育和心理測試中題目的數(shù)量，并且相對(duì)于紙筆測驗(yàn)，這種自適應(yīng)測驗(yàn)獲取的信息更多。他還發(fā)現(xiàn)，人工智能中的粗糙集分析方法可以對(duì)心理測量數(shù)據(jù)進(jìn)行挖掘，得到更準(zhǔn)確細(xì)致的分析結(jié)果。

應(yīng)用于心理變量預(yù)測

近年來，人工智能技術(shù)中的表情識(shí)別技術(shù)被用于心理學(xué)人格預(yù)測的研究中。以往確定大五人格類型的方法主要是問卷測量，但這需要花費(fèi)大量時(shí)間。加夫里列斯庫（Mihai Gavrilescu）在2016年建立了一種新的非侵入性系統(tǒng)，這一系統(tǒng)可以根據(jù)面部動(dòng)作編碼獲得的面部特征來確定人的大五人格特征。之后，加夫里列斯庫和維齊雷努（Nicolae Vizireanu）在2017年提出了一種基于面部動(dòng)作編碼系統(tǒng)的面部特征分析系統(tǒng)，用以預(yù)測人們的16PF人格特征。該系統(tǒng)能夠在1分鐘內(nèi)準(zhǔn)確預(yù)測個(gè)體的16PF人格，比16PF人格問卷更快速、更實(shí)用，適合于短時(shí)間內(nèi)預(yù)測人的個(gè)性特征。

除了人格量表的預(yù)測，人工智能技術(shù)中的人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）、擬最優(yōu)的貝葉斯學(xué)習(xí)器（quasi-optimal Bayesian learner）和支持向量回歸機(jī)（Support Vector Regression，SVR）也被應(yīng)用于心理學(xué)研究中，用以預(yù)測個(gè)體的認(rèn)知和心理健康狀況。

人的社會(huì)認(rèn)知加工過程同人工神經(jīng)網(wǎng)絡(luò)的信息加工過程存在類似性，因此，許多研究者針對(duì)社會(huì)認(rèn)知過程中的一些心理變量建立了各具特點(diǎn)的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型。此外，人工神經(jīng)網(wǎng)絡(luò)技術(shù)在心理健康預(yù)測中也得到較好應(yīng)用。比如，塞雷蒂（Alessandro Serretti）等人應(yīng)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)成功對(duì)臨床情緒失調(diào)中的抑郁情緒進(jìn)行了預(yù)測。

擬最優(yōu)的貝葉斯學(xué)習(xí)器能夠模擬在不斷變化的環(huán)境中人們行為和信念的變化。瓦吉（Matilde M. Vaghi）等人將擬最優(yōu)的貝葉斯學(xué)習(xí)器模擬的數(shù)據(jù)與強(qiáng)迫癥及健康人群的行為數(shù)據(jù)進(jìn)行比較，以探究兩者的行為和信念分別如何隨時(shí)間變化；并且將貝葉斯學(xué)習(xí)模型中的不同參數(shù)作為預(yù)測因子來量化和比較強(qiáng)迫癥患者同健康人行為與信念表現(xiàn)上的差異。

支持向量回歸機(jī)是在計(jì)算機(jī)統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展出來的一種新的、有效的機(jī)器學(xué)習(xí)方法，其原理類似于人工神經(jīng)網(wǎng)絡(luò)。相較于人工神經(jīng)網(wǎng)絡(luò)，支持向量回歸機(jī)能夠克服前者大樣本取樣要求的使用局限性。一些研究者使用支持向量回歸機(jī)技術(shù)對(duì)研究對(duì)象的心理特征進(jìn)行預(yù)測，如黃辛隱等人通過支持向量回歸機(jī)技術(shù)，采用高低特質(zhì)焦慮組面部表情的識(shí)別率，成功地預(yù)測了他們的特質(zhì)焦慮分?jǐn)?shù)。

應(yīng)用于心理癥狀識(shí)別與診斷

神經(jīng)網(wǎng)絡(luò)技術(shù)是人工智能領(lǐng)域的技術(shù)之一。陳冰梅等人利用神經(jīng)網(wǎng)絡(luò)技術(shù)開發(fā)了一套兒童心理障礙診斷系統(tǒng)，這一系統(tǒng)可以診斷95％以上的兒童心理障礙，包含17大類、61種常見的兒童心理障礙，如多動(dòng)癥、品行障礙、精神發(fā)育遲滯、抑郁癥、焦慮癥、強(qiáng)迫癥、抽動(dòng)障礙、普遍性發(fā)育障礙等。此外，該診斷系統(tǒng)還能夠?qū)γ糠N障礙提出處理意見。

表情識(shí)別技術(shù)和聲音檢測技術(shù)在心理癥狀的識(shí)別和診斷中也得到了廣泛運(yùn)用。簡（Asim Jan）等人在2014年通過對(duì)抑郁癥患者的自然面部表情特征的提取，開發(fā)了一種自動(dòng)化識(shí)別系統(tǒng)來計(jì)算他們的貝克抑郁量表的得分，以輔助抑郁癥的診斷；科恩（Jeffrey F. Cohn）等人通過面部識(shí)別和聲音檢測技術(shù)來自動(dòng)識(shí)別抑郁癥。此外，簡等人又于2017年提出了一種人工智能系統(tǒng)來輔助診斷抑郁癥，這一系統(tǒng)可以通過個(gè)體聲音和面部表情的變化來計(jì)算他們的貝克抑郁量表的得分。

還有一些研究利用動(dòng)作識(shí)別技術(shù)或表情識(shí)別和動(dòng)作識(shí)別技術(shù)相結(jié)合的方法進(jìn)行心理癥狀的識(shí)別。阿爾霍沃寧（Sharifa Alghowinem）等人利用澳大利亞、美國和德國進(jìn)行的抑郁癥臨床訪談視頻記錄，通過對(duì)參與者的目光注視和頭部姿勢信息的提取進(jìn)行抑郁識(shí)別。此外，一些研究者將手勢動(dòng)作和身體動(dòng)作也納入分析識(shí)別系統(tǒng)。喬西（Jyoti Joshi）等人對(duì)抑郁癥患者和正常個(gè)體在訪談視頻中的表情、手勢和頭部動(dòng)作進(jìn)行提取分析，以進(jìn)行自動(dòng)化的抑郁識(shí)別。拉賈戈帕蘭（Shyam Sundar Rajagopalan）等人在自然環(huán)境中收集并標(biāo)注了一組兒童自我刺激行為視頻數(shù)據(jù)集，該數(shù)據(jù)集可以作為一個(gè)很好的參考基準(zhǔn)來識(shí)別兒童在日?；顒?dòng)中的自我刺激行為，并輔助開發(fā)出早期的診斷和干預(yù)技術(shù)，方便臨床醫(yī)生、父母和照護(hù)者的診斷與照料。

目前，在人工智能技術(shù)應(yīng)用于心理癥狀識(shí)別與診斷的研究中，利用多模型（如視覺和聽覺模型相結(jié)合）、多種信息融合（如面部表情和身體動(dòng)作信息融合）的方法進(jìn)行心理癥狀的識(shí)別和診斷已初具成果。

未來發(fā)展方向

心理學(xué)研究以對(duì)人類行為的預(yù)測和控制為目標(biāo)，通過對(duì)研究對(duì)象外顯行為的探究來描述、解釋心理現(xiàn)象的一般規(guī)律。人工智能作為一種重要的輔助方法，對(duì)心理學(xué)變量的測量和預(yù)測發(fā)揮了重要作用，并可以輔助一些心理癥狀的識(shí)別診斷和心理干預(yù)。未來兩個(gè)學(xué)科的研究可以結(jié)合當(dāng)前的時(shí)代特點(diǎn)，在以下三個(gè)方面進(jìn)行更多研究。

1.結(jié)合大數(shù)據(jù)技術(shù)，利用人工智能中的機(jī)器學(xué)習(xí)技術(shù)建立心理特征預(yù)測模型。人工智能技術(shù)與大數(shù)據(jù)技術(shù)的結(jié)合可以對(duì)大規(guī)模的心理數(shù)據(jù)進(jìn)行分析和建模，基于此，就能對(duì)大范圍群體的心理特征進(jìn)行及時(shí)感知。具體步驟為：通過數(shù)據(jù)標(biāo)注對(duì)研究對(duì)象的心理特征進(jìn)行標(biāo)記；通過轉(zhuǎn)換、特征提取等方法進(jìn)行數(shù)據(jù)處理；利用人工智能技術(shù)中的機(jī)器學(xué)習(xí)技術(shù)建立模型；通過分類和回歸分析進(jìn)行模型評(píng)估并投入應(yīng)用。

2.深入人工智能和認(rèn)知神經(jīng)心理學(xué)的交叉研究，加強(qiáng)人工智能體方面的研究。目前，深度神經(jīng)網(wǎng)絡(luò)在人工智能體方面的研究才剛剛起步，未來可以借助認(rèn)知神經(jīng)心理學(xué)對(duì)人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)、信息加工、記憶和學(xué)習(xí)機(jī)制的研究成果，利用深度神經(jīng)網(wǎng)絡(luò)技術(shù)從人腦工作的機(jī)理上進(jìn)行仿真。這不僅可以推動(dòng)人工智能模型的改進(jìn)，還能為心理學(xué)研究提供突破性的研究工具。

3.加強(qiáng)情感培養(yǎng)的機(jī)器算法和情感機(jī)器人的研究。一些學(xué)者認(rèn)為，未來人工智能的研究應(yīng)加強(qiáng)對(duì)“情緒”和“情感”的了解，而“情緒”方面的研究也是心理學(xué)領(lǐng)域近年來備受關(guān)注的研究領(lǐng)域。未來兩個(gè)學(xué)科的研究在這一領(lǐng)域的結(jié)合，將會(huì)使兩個(gè)學(xué)科領(lǐng)域的研究碰撞出更具社會(huì)應(yīng)用價(jià)值的火花。

綜上所述，人工智能及相關(guān)技術(shù)的發(fā)展，為心理學(xué)研究提供了突破性的研究方法和工具；心理學(xué)對(duì)大腦機(jī)制的研究成果運(yùn)用于人工智能領(lǐng)域，也推動(dòng)著人工智能研究的進(jìn)步。通過結(jié)合人工智能和心理學(xué)兩個(gè)領(lǐng)域的最新研究成果開展交叉研究，可以更好解決兩個(gè)學(xué)科領(lǐng)域的科學(xué)問題，這兩個(gè)學(xué)科也將在相互結(jié)合中推動(dòng)彼此的發(fā)展，并提升各自的社會(huì)應(yīng)用價(jià)值。