人工智能助力心理学研究的应用场景

朱廷劭

【摘要】作為研究人行为和心理活动规律的一门科学，心理学既年轻又古老。随着技术的发展，尤其是近些年来人工智能的突飞猛进，为心理学研究及应用带来了新的思路。利用人工智能和大数据获得的生态化行为数据，提高了研究结果的内部效度和外部效度。笔者以家庭暴力研究、主动自杀干预为例，介绍了人工智能大数据在心理学领域中的应用。同时，在利用大数据进行相关心理指标分析时，也要注重保护用户隐私，合理合规使用大数据和人工智能技术。

【关键词】人工智能  心理学  生态化数据

【中图分类号】B84                              【文献标识码】A

【DOI】10.16619/j.cnki.rmltxsqy.2019.20.006

前言

心理学是研究人的行为和心理活动规律的科学，既古老又年轻。但是，早期的心理学研究主要以哲学思辨为主，1879年，德国心理学家冯特在德国莱比锡大学建立了第一个心理学实验室，心理学至此开始成为一门独立的科学。

心理学通过科学的方法分析人的行为和心理，目前以自我报告法为主要技术手段（Robins Tracy， & Sherman， 2007）。自我报告法操作简便应用广泛，但也存在一些不足：受被试记忆偏差的影响，时效性较差，往往只能做前瞻性研究，难以开展回溯性研究;时间和开销较大，受制于测量的人力物力，难以大规模地进行频率较高的测量;依赖被试的主动配合，在被试不配合或者难以获取被试样本的情况下，则无法进行。

自我报告法中的问卷和量表都是自陈式的，要求被试根据自身的情况回答每个问题，这些问题也大多聚焦于行为，最后通过计分方法获得对被试的心理测量。从过程中，我们可以看出，如果被试诚实作答的话，被试行为部分的问题，无论是被试自我报告，还是他人作答，抑或是计算机自动完成，应该都能够达到同样的结果。从另外一个角度来看，人的行为是受心理支配的，是心理的一种外显表现。行为和心理之间存在着复杂但有章可循的对应关系，如果我们能够在获取被试行为的同时，也有办法掌握行为和心理的这种对应关系，那么就可以通过对被试行为的观察，自动获取被试的心理特征，这也就能够克服传统的方法带来的依赖被试且难以大范围推广的弱点。

基于人工智能的心理识别

技术的迅猛发展为人们的工作生活带来了巨大的便利，在与人类的生存及环境深度融合的过程中，也呈现出与既往环境不同的复杂性与特殊性，这为心理学研究提供了新的研究思路和手段。

随着互联网及各种智能可穿戴设备的普及，虚拟环境与现实生活不断融合，现实社会中人的各种行为线索能够被电子化记录成大数据保存下来，例如，网络行为、手机使用行为等。

大量研究发现，互联网用户的网络行为与其心理特征存在着关联关系。Amichai-Hamburger和Ben-Artzi（2000）首次从实证研究的角度发现人格特征与互联网行为之间存在着相关关系。Wilson等（2009）发现，使用“社交网站”的倾向与外向性人格倾向呈现正相关关系，与尽责性人格倾向呈现负相关关系。Harwood等人（2014）研究发现，较高程度的智能设备卷入水平与较高程度的抑郁情绪水平存在着联系，这表明用户与智能设备之间的联系紧密程度，对其自身的抑郁、焦虑水平具有一定的预测作用。Yusong等（2016）发现电话、短信、应用的使用情况等多维智能手机使用行为特征与心理状态有比较高的相关性。上述研究表明，人们的日常行为线索可以被电子化记录下来，并且这些量化的行为线索与用户的心理特征之间存在着密切的关系。

Brunswik（1956）指出，在私人的空间环境中蕴含着能够表征主体自身的心理特征的行为线索。借助于“行为痕迹”（behavioral residue），这些表征主体心理特征的线索能够经由人们日常生活中的各种场景中表现出来。通过对这些行为痕迹、行为线索的分析，借助人工智能技术，能够实现对用户自身心理特征的自动识别。Kosinski等（2013）根据个体的点赞情况，预测出该用户的性别、年龄、幸福感、种族等基本信息，并且对于性取向这个较为敏感的话题进行预测分析，分类准确率均达到85%以上。Li等人（2014）分别对大五人格的宜人性、尽责性、外向性、开放性和神经质等五个维度建立基于微博行为特征的回归预测模型，预测分数与真实分数之间的相关系数达到中等以上相关。Hao等（2013）根据文本分析结果与用户浏览记录分别建立心理健康预测模型和主观幸福感网络预测模型，预测准确率均达到良好水平。这些研究表明，利用用户的生态化的行为线索，通过机器学习训练得到的预测模型，可以实现对用户心理特征的有效识别。

相较于传统测量方法，利用用户生态化的行为线索自动预测其心理特征，能够有效揭示心理特征的连续变化趋势。而且，在生态环境下不依赖被试的主观报告，减少了对被试的依赖，可以收集更加真实的即时数据，避免遗忘效应及大部分主客观因素的影响。

有鉴于此，我们提出了生态化识别（Ecological Recognition， ER）方法，充分利用生态化的行为数据，结合人工智能技术，实现对个体心理特征的自动识别，从而减少对被试的依赖，同时，也可以拓展心理学研究的范畴。

生态化识别

生态化识别是指利用生态化方式采集数据，结合机器学习方法，通过无侵扰的测量方法对用户的心理特征进行自动识别（Liu et al.， 2018）。

生态化的数据采集是指通过生态化的录音、面部变化、步态、网络行为数据、日记等自然状态下的数据采集，得到用户授权而在测量时用户未知测量目的或未感知到测量的生态化记录方式。

利用人工智能实现在线主动自杀干预

据统计，我国每年有28.7万人死于自杀，200万人自杀未遂，由此造成的直接和间接经济、社会、心理损失不可估量，自杀逐渐成为一个严重的公共卫生问题。传统的自杀风险评估研究主要采用心理测验、访谈、问卷等分析方法，但从应用效果上说，以上方法具有较大的被动性;往往有自杀企图或倾向的人主动求助率低，而且很难防止他们刻意隐藏内心的真实想法，难以起到及时预警的作用。

随着近年来越来越多的社交网络平台给人们更多机会在虚拟集群中吐露自己的感受和观点，不同于传统研究方法的被动性，我们利用生态化识别的方法，通过对社会网络上用户表达内容的分析，自动识别出具有自杀意念的用户，从而能够主动寻找有潜在自杀倾向的个体，向他们提供及时的帮助。

在新浪微博用户文本分析基础上，结合用户行为数据分析，我们首先比较了自杀死亡用户和无自杀倾向用户在社交行为、语言使用上的差别，进而归纳出有自杀倾向的用户的可识别模式，建立自杀意念识别模型。该模型的精确率、召回率、F值和准确率分别为0.88、0.85、0.85和0.86，优于之前相同领域内自杀识别的模型的性能。

通过对各种微博内容的实时分析，甄别出其中带有自杀意念的发言，并通过对发言用户的以往行为和内容的分析，更进一步确认该用户的自杀意念后，通过微博私信向他们提供及时有效的干预：推送各地区的自杀干預热线、提供心理健康的一般常识及情绪调节策略等。通过志愿者，我们也为那些有自杀意念的微博用户提供心理危机干预及转介服务。我们的系统自2017年7月上线，运行两年多来的调查结果表明，通过与志愿者的交流，有自杀意念的微博用户情况得到好转，我们的工作点燃了他们向生的希望。

利用生态化识别并向社交媒体用户提供自杀主动预防（Liu et al.， 2019），特别是针对年轻人的自杀干预方法，在世界范围内是一种全新的尝试。实施的结果表明，该方法可用于识别有自杀风险的人群并提供及时的危机管理。高危人群的识别是自动且及时的，干预不仅是主动的，而且效率高且接受度好，是对现有预防自杀方法的有效补充。促进主动自杀危机管理可以提高公众对自杀想法寻求帮助的认识，从而改善公共卫生。这种模式能够有效缓解像中国这样的大型发展中国家人口庞大、心理服务薄弱，现有自杀预防系统不完善，等相关问题的困境。

技术应用与伦理及隐私保护的均衡

技术具有两面性，大数据人工智能等也不例外。一方面，技术的发展拓展了人类的认知范围，提高了科学家们的研究能力，更为诸如抑郁识别、自杀预防等问题提供了前所未有的新的解决方案;另一方面，随之而来的隐私保护以及研究伦理问题也不容小觑，如Facebook（脸书）公司最近两年频频卷入非法使用用户数据的丑闻当中。

人们在享受技术发展带来便利的同时，也需要我们更关注技术应用的边界。技术不能凌驾于人们的隐私和伦理之上，应该是在合理的隐私保护以及伦理要求下的应用。否则，技术的滥用可能会带来更大的社会恐慌，就会得不偿失。

在人工智能大数据等技术应用于心理学研究的过程中，我们需要在获取用户个体隐私数据之前，需要征得用户的知情同意，明确告知实验设计以及后续的数据使用;在数据处理过程中，采用匿名处理的方式，一方面，采用多次加密的方式保护用户原始数据的隐私性;另一方面，也最大程度做好数据的保存与管理，防止数据外泄;在数据发表过程中，杜绝使用任何可识别出用户身份信息的内容。欧盟颁布的《通用数据保护条例》（General Data Protection Regulation），规定了企业如何收集，使用和处理欧盟公民的个人数据，值得我们借鉴。

合理合规使用技术的最新进展，是开展研究以及造福社会的重要底线。我们在看到这种结合对心理学的潜在促进作用的同时，也应该特别关注带来的隐私方面的潜在危害，通过立法等手段做到防患于未然。

结语

利用人工智能大数据技术，能够帮助我们以更生态化的方式对个体与群体的心理行为规律进行研究。利用行为大数据研究人们的认知、情感和行为规律，结合人工智能建立基于社会实时感知数据的心理预测模型，形成个体心理、行为特征预测和群体心理、行为分析及决策支持的关联架构。生态化识别（Ecological Recognition）的提出，为心理学家提供了新的研究工具和视角。

随着各类软硬件以及智能设备的不断迭代更新，数据的采集越来越丰富便捷，面向数据的智能分析手段在心理学的研究和应用中一定会更加深入。除了在心理实验方面人工智能有着无法取代的潜力，在其他方面，人工智能也会大大拓展心理学的研究领域;随着智能终端的不断发展，移动数据的不断提速，人工智能不仅可以提供心理干预的平台，更有可能成为心理干预的主力。

科学的研究方法将心理学从哲学中分离开来，而人工智能和大数据则可能将心理学更深刻地带入人们的生活。在充分使用新技术带来便利的同时，我们也要保证数据被合规使用，使取之于众的数据最终成为为大众服务的利器而不是威胁。

参考文献

AMICHAI-HAMBURGER Y.， BEN-ARTZI E.， 2000， "The relationship between extraversion and neuroticism and the different uses of the internet"， Computers in Human Behavior， 16（4）.

BRUNSWIK E.， 1956， Perception and the representative design of psychological experiment， Berkeley： University of California Press.

Hao B， Li L， Li A， et al.， 2013， Predicting mental health status on social media， International Conference on Cross-Cultural Design， Springer， Berlin， Heidelberg.

HARWOOD J， DOOLEY J J， SCOTT A J， et al.， 2014， "Constantly connected-the effects of smart-devices on mental health"， Computers in Human Behavior， 34.

KOSINSKI M， STILLWELL D， GRAEPEL T.， 2013， "Private traits and attributes are predictable from digital records of human behavior"， Proceedings of the National Academy of Sciences， 110（15）.

Li L， Li A， Hao B， et al.， 2014， "Predicting active users' personality based on micro-blogging behaviors"， PLOS ONE， 9（1）.

Liu M， Xue J， Zhao N， et al.， 2018，"Using social media to explore the consequences of domestic violence on mental health"， Journal of interpersonal violence.

Xingyun Liu， Xiaoqian Liu， Jiumo Sun， Nancy Xiaonan Yu， Bingli Sun， Qing Li， Tingshao Zhu.， 2019，"Proactive Suicide Prevention Online （PSPO）： Machine Identification and Crisis Management for Chinese Social Media Users With Suicidal Thoughts and Behaviors. J Med Internet Res"， Journal of Medical Internet Research （JMIR）， 21（5）.

Robins R W， Tracy J L， Sherman J W.， 2007， "What kinds of methods do personality psychologists use"， Handbook of research methods in personality psychology， Guilford， London.

WILSON K， FORNASIER S， WHITE K M.， 2009， "Psychological predictors of young adults' use of social networking sites"， Cyberpsychology & Behavior， 13（2）.

Yusong Gao， Ang Li， Tingshao Zhu， Xiaoqian Liu， Xingyun Liu.， 2016， "How smartphone usage correlates with social anxiety and loneliness"， PEERJ， 4.

責 编/肖晗题