朱廷劭

【摘要】作為研究人行為和心理活動規(guī)律的一門科學，心理學既年輕又古老。隨著技術的發(fā)展，尤其是近些年來人工智能的突飛猛進，為心理學研究及應用帶來了新的思路。利用人工智能和大數據獲得的生態(tài)化行為數據，提高了研究結果的內部效度和外部效度。筆者以家庭暴力研究、主動自殺干預為例，介紹了人工智能大數據在心理學領域中的應用。同時，在利用大數據進行相關心理指標分析時，也要注重保護用戶隱私，合理合規(guī)使用大數據和人工智能技術。

【關鍵詞】人工智能? 心理學? 生態(tài)化數據

【中圖分類號】B84? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標識碼】A

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

前言

心理學是研究人的行為和心理活動規(guī)律的科學，既古老又年輕。但是，早期的心理學研究主要以哲學思辨為主，1879年，德國心理學家馮特在德國萊比錫大學建立了第一個心理學實驗室，心理學至此開始成為一門獨立的科學。

心理學通過科學的方法分析人的行為和心理，目前以自我報告法為主要技術手段（Robins Tracy， & Sherman， 2007）。自我報告法操作簡便應用廣泛，但也存在一些不足：受被試記憶偏差的影響，時效性較差，往往只能做前瞻性研究，難以開展回溯性研究;時間和開銷較大，受制于測量的人力物力，難以大規(guī)模地進行頻率較高的測量;依賴被試的主動配合，在被試不配合或者難以獲取被試樣本的情況下，則無法進行。

自我報告法中的問卷和量表都是自陳式的，要求被試根據自身的情況回答每個問題，這些問題也大多聚焦于行為，最后通過計分方法獲得對被試的心理測量。從過程中，我們可以看出，如果被試誠實作答的話，被試行為部分的問題，無論是被試自我報告，還是他人作答，抑或是計算機自動完成，應該都能夠達到同樣的結果。從另外一個角度來看，人的行為是受心理支配的，是心理的一種外顯表現。行為和心理之間存在著復雜但有章可循的對應關系，如果我們能夠在獲取被試行為的同時，也有辦法掌握行為和心理的這種對應關系，那么就可以通過對被試行為的觀察，自動獲取被試的心理特征，這也就能夠克服傳統(tǒng)的方法帶來的依賴被試且難以大范圍推廣的弱點。

基于人工智能的心理識別

技術的迅猛發(fā)展為人們的工作生活帶來了巨大的便利，在與人類的生存及環(huán)境深度融合的過程中，也呈現出與既往環(huán)境不同的復雜性與特殊性，這為心理學研究提供了新的研究思路和手段。

隨著互聯網及各種智能可穿戴設備的普及，虛擬環(huán)境與現實生活不斷融合，現實社會中人的各種行為線索能夠被電子化記錄成大數據保存下來，例如，網絡行為、手機使用行為等。

大量研究發(fā)現，互聯網用戶的網絡行為與其心理特征存在著關聯關系。Amichai-Hamburger和Ben-Artzi（2000）首次從實證研究的角度發(fā)現人格特征與互聯網行為之間存在著相關關系。Wilson等（2009）發(fā)現，使用“社交網站”的傾向與外向性人格傾向呈現正相關關系，與盡責性人格傾向呈現負相關關系。Harwood等人（2014）研究發(fā)現，較高程度的智能設備卷入水平與較高程度的抑郁情緒水平存在著聯系，這表明用戶與智能設備之間的聯系緊密程度，對其自身的抑郁、焦慮水平具有一定的預測作用。Yusong等（2016）發(fā)現電話、短信、應用的使用情況等多維智能手機使用行為特征與心理狀態(tài)有比較高的相關性。上述研究表明，人們的日常行為線索可以被電子化記錄下來，并且這些量化的行為線索與用戶的心理特征之間存在著密切的關系。

Brunswik（1956）指出，在私人的空間環(huán)境中蘊含著能夠表征主體自身的心理特征的行為線索。借助于“行為痕跡”（behavioral residue），這些表征主體心理特征的線索能夠經由人們日常生活中的各種場景中表現出來。通過對這些行為痕跡、行為線索的分析，借助人工智能技術，能夠實現對用戶自身心理特征的自動識別。Kosinski等（2013）根據個體的點贊情況，預測出該用戶的性別、年齡、幸福感、種族等基本信息，并且對于性取向這個較為敏感的話題進行預測分析，分類準確率均達到85%以上。Li等人（2014）分別對大五人格的宜人性、盡責性、外向性、開放性和神經質等五個維度建立基于微博行為特征的回歸預測模型，預測分數與真實分數之間的相關系數達到中等以上相關。Hao等（2013）根據文本分析結果與用戶瀏覽記錄分別建立心理健康預測模型和主觀幸福感網絡預測模型，預測準確率均達到良好水平。這些研究表明，利用用戶的生態(tài)化的行為線索，通過機器學習訓練得到的預測模型，可以實現對用戶心理特征的有效識別。

相較于傳統(tǒng)測量方法，利用用戶生態(tài)化的行為線索自動預測其心理特征，能夠有效揭示心理特征的連續(xù)變化趨勢。而且，在生態(tài)環(huán)境下不依賴被試的主觀報告，減少了對被試的依賴，可以收集更加真實的即時數據，避免遺忘效應及大部分主客觀因素的影響。

有鑒于此，我們提出了生態(tài)化識別（Ecological Recognition， ER）方法，充分利用生態(tài)化的行為數據，結合人工智能技術，實現對個體心理特征的自動識別，從而減少對被試的依賴，同時，也可以拓展心理學研究的范疇。

生態(tài)化識別

生態(tài)化識別是指利用生態(tài)化方式采集數據，結合機器學習方法，通過無侵擾的測量方法對用戶的心理特征進行自動識別（Liu et al.， 2018）。

生態(tài)化的數據采集是指通過生態(tài)化的錄音、面部變化、步態(tài)、網絡行為數據、日記等自然狀態(tài)下的數據采集，得到用戶授權而在測量時用戶未知測量目的或未感知到測量的生態(tài)化記錄方式。

利用人工智能實現在線主動自殺干預

據統(tǒng)計，我國每年有28.7萬人死于自殺，200萬人自殺未遂，由此造成的直接和間接經濟、社會、心理損失不可估量，自殺逐漸成為一個嚴重的公共衛(wèi)生問題。傳統(tǒng)的自殺風險評估研究主要采用心理測驗、訪談、問卷等分析方法，但從應用效果上說，以上方法具有較大的被動性;往往有自殺企圖或傾向的人主動求助率低，而且很難防止他們刻意隱藏內心的真實想法，難以起到及時預警的作用。

隨著近年來越來越多的社交網絡平臺給人們更多機會在虛擬集群中吐露自己的感受和觀點，不同于傳統(tǒng)研究方法的被動性，我們利用生態(tài)化識別的方法，通過對社會網絡上用戶表達內容的分析，自動識別出具有自殺意念的用戶，從而能夠主動尋找有潛在自殺傾向的個體，向他們提供及時的幫助。

在新浪微博用戶文本分析基礎上，結合用戶行為數據分析，我們首先比較了自殺死亡用戶和無自殺傾向用戶在社交行為、語言使用上的差別，進而歸納出有自殺傾向的用戶的可識別模式，建立自殺意念識別模型。該模型的精確率、召回率、F值和準確率分別為0.88、0.85、0.85和0.86，優(yōu)于之前相同領域內自殺識別的模型的性能。

通過對各種微博內容的實時分析，甄別出其中帶有自殺意念的發(fā)言，并通過對發(fā)言用戶的以往行為和內容的分析，更進一步確認該用戶的自殺意念后，通過微博私信向他們提供及時有效的干預：推送各地區(qū)的自殺干預熱線、提供心理健康的一般常識及情緒調節(jié)策略等。通過志愿者，我們也為那些有自殺意念的微博用戶提供心理危機干預及轉介服務。我們的系統(tǒng)自2017年7月上線，運行兩年多來的調查結果表明，通過與志愿者的交流，有自殺意念的微博用戶情況得到好轉，我們的工作點燃了他們向生的希望。

利用生態(tài)化識別并向社交媒體用戶提供自殺主動預防（Liu et al.， 2019），特別是針對年輕人的自殺干預方法，在世界范圍內是一種全新的嘗試。實施的結果表明，該方法可用于識別有自殺風險的人群并提供及時的危機管理。高危人群的識別是自動且及時的，干預不僅是主動的，而且效率高且接受度好，是對現有預防自殺方法的有效補充。促進主動自殺危機管理可以提高公眾對自殺想法尋求幫助的認識，從而改善公共衛(wèi)生。這種模式能夠有效緩解像中國這樣的大型發(fā)展中國家人口龐大、心理服務薄弱，現有自殺預防系統(tǒng)不完善，等相關問題的困境。

技術應用與倫理及隱私保護的均衡

技術具有兩面性，大數據人工智能等也不例外。一方面，技術的發(fā)展拓展了人類的認知范圍，提高了科學家們的研究能力，更為諸如抑郁識別、自殺預防等問題提供了前所未有的新的解決方案;另一方面，隨之而來的隱私保護以及研究倫理問題也不容小覷，如Facebook（臉書）公司最近兩年頻頻卷入非法使用用戶數據的丑聞當中。

人們在享受技術發(fā)展帶來便利的同時，也需要我們更關注技術應用的邊界。技術不能凌駕于人們的隱私和倫理之上，應該是在合理的隱私保護以及倫理要求下的應用。否則，技術的濫用可能會帶來更大的社會恐慌，就會得不償失。

在人工智能大數據等技術應用于心理學研究的過程中，我們需要在獲取用戶個體隱私數據之前，需要征得用戶的知情同意，明確告知實驗設計以及后續(xù)的數據使用;在數據處理過程中，采用匿名處理的方式，一方面，采用多次加密的方式保護用戶原始數據的隱私性;另一方面，也最大程度做好數據的保存與管理，防止數據外泄;在數據發(fā)表過程中，杜絕使用任何可識別出用戶身份信息的內容。歐盟頒布的《通用數據保護條例》（General Data Protection Regulation），規(guī)定了企業(yè)如何收集，使用和處理歐盟公民的個人數據，值得我們借鑒。

合理合規(guī)使用技術的最新進展，是開展研究以及造福社會的重要底線。我們在看到這種結合對心理學的潛在促進作用的同時，也應該特別關注帶來的隱私方面的潛在危害，通過立法等手段做到防患于未然。

結語

利用人工智能大數據技術，能夠幫助我們以更生態(tài)化的方式對個體與群體的心理行為規(guī)律進行研究。利用行為大數據研究人們的認知、情感和行為規(guī)律，結合人工智能建立基于社會實時感知數據的心理預測模型，形成個體心理、行為特征預測和群體心理、行為分析及決策支持的關聯架構。生態(tài)化識別（Ecological Recognition）的提出，為心理學家提供了新的研究工具和視角。

隨著各類軟硬件以及智能設備的不斷迭代更新，數據的采集越來越豐富便捷，面向數據的智能分析手段在心理學的研究和應用中一定會更加深入。除了在心理實驗方面人工智能有著無法取代的潛力，在其他方面，人工智能也會大大拓展心理學的研究領域;隨著智能終端的不斷發(fā)展，移動數據的不斷提速，人工智能不僅可以提供心理干預的平臺，更有可能成為心理干預的主力。

科學的研究方法將心理學從哲學中分離開來，而人工智能和大數據則可能將心理學更深刻地帶入人們的生活。在充分使用新技術帶來便利的同時，我們也要保證數據被合規(guī)使用，使取之于眾的數據最終成為為大眾服務的利器而不是威脅。

參考文獻

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 編/肖晗題