深度学习模型将视觉扭曲与未来抑郁风险联系起来
一项发表于《科学进展》的研究用深度学习模型分析脑成像数据,发现对面部表情的视觉编码过度依赖先验预期,与青少年日后情绪症状升高相关。研究者先分析IMAGEN队列1332名19岁参与者的fMRI数据,按视觉编码效率分组,低效组情绪症状更高;再构建双通路神经网络,发现概念通路过度调控视觉通路时会把中性面孔误判为愤怒或悲伤,其内部编码与低效脑模式接近。
搜索与计数仅限六个 AI × 心理学议题。全部收录不等同于精选;普通心理学内容可从背景主题继续阅读。
一项发表于《科学进展》的研究用深度学习模型分析脑成像数据,发现对面部表情的视觉编码过度依赖先验预期,与青少年日后情绪症状升高相关。研究者先分析IMAGEN队列1332名19岁参与者的fMRI数据,按视觉编码效率分组,低效组情绪症状更高;再构建双通路神经网络,发现概念通路过度调控视觉通路时会把中性面孔误判为愤怒或悲伤,其内部编码与低效脑模式接近。
针对领导如何认知与回应下属人机协作,一项研究基于双系统加工理论提出三项相互关联的研究设计。研究分别考察领导的“冷”反应模式(动机归因与未来影响感知引发发展与变革导向行为)和“热”反应模式(相对剥夺感促发报复性无礼行为),并从动态视角比较不同反应对人机协作可持续性的影响。研究指出,现有研究多聚焦员工视角,且存在领导高估下属人机协作绩效与行为者视角客观绩效提升之间的悖论。
《JAMA Psychiatry》10月7日发表的一项单中心研究显示,AI相关精神病虽总体罕见,但在首次发作精神病患者中更常见。研究者在范德比尔特大学医学中心2022年12月1日至2026年4月15日接受心理卫生服务的215,712名患者中,识别出28例(0.013%)AI精神病,另有28例有AI相关妄想但无生成式AI使用证据;AI精神病组61%处于首次发作,高于后者的29%。多数案例中聊天机器人放大了既有症状(64%)或成为妄想焦点(21%),仅少数作为新症状的催化剂。研究局限包括单中心设计和未获临床验证的评级系统。
Sherry Turkle 在《华盛顿邮报》撰文讲述自己用"悲伤科技"生成母亲化身:她先用 You, Only Virtual 上传虚构短信,化身只反复给出陪伴式回应,令她失望;随后借 ChatGPT 角色扮演,得到一段细节丰富却不像母亲的回答。她由此追问,这类化身究竟帮助人们处理哀伤,还是让人拒绝告别。
科技研究者 Sherry Turkle 在新书《Artificial Intimacy: Who We Become When We Talk to Machines》中探讨 AI 伴侣的兴起及其对人际关系与身份认同的影响。她在与 Kara Swisher 的播客对谈中指出,聊天机器人不只是争夺时间,更被设计成情感依恋的对象。
东北大学研究者在 JMIR Mental Health 发表观点论文,讨论将聊天机器人用于陪伴和心理支持可能带来的成瘾式依恋、症状加重及其他心理风险。9月28日的机构报道采访了论文作者,强调拟人化和迎合式回应值得警惕。这是一篇观点与风险讨论文章,不是新开展的临床试验,也未测算风险发生率或确立因果关系。
推荐理由:原论文全文未读,仅据机构新闻转述;文中“linked to”为关联表述,不能读作因果。
佛罗里达大学研究者Yusen Zhai领衔的一项研究分析了近10万名年轻人的数据,报告用ChatGPT、Claude等生成式AI询问健康问题者,焦虑与抑郁筛查阳性的比值分别高出52%和46%。在控制年龄、种族与族裔、生理性别和社会经济地位后关联仍存在,但研究只显示关联,不能说明使用AI导致焦虑抑郁,或焦虑抑郁者更倾向用AI问健康。数据采集于2023至2024年,作者称这只是早期迹象。
推荐理由:研究为横断面关联分析,数据采集于2023至2024年生成式AI普及早期;原文明确不确立因果,也未说明筛查工具与样本抽样方式。
自 2022 年以来,已有十余首 AI 生成的歌曲登上 Billboard 榜单,其中基督教、福音和乡村音乐的成绩尤为突出。作者研究 YouTube 上关于 AI 音乐的讨论后发现,听众更看重歌曲传达的信息与情感共鸣,而非创作者是否为人类,Xania Monet、Solomon Ray、Breaking Rust 等 AI 艺人正是复制了这些流派熟悉的叙事与价值观。
Sherry Turkle 在《AI 的原罪》中主张,聊天机器人对儿童情感福祉的危害甚于社交媒体,其危害源于工具本身的设计。她认为,只要机器人以第一人称表达情感与欲望,要求其声明非人类身份便难以阻止用户投射意识;应尤其对未成年用户强制采用非人格化的默认设置,否则不健康的依恋难以避免。
皮尤研究中心一项覆盖37个国家的调查发现,年轻人尤其担心AI导致就业岗位减少。尽管如此,相比年长者,他们更可能对AI同时感到兴奋与担忧。
苏黎世 z-proso 研究在 15、17、20、24 岁四个时间点向 1,442 名年轻人提出同一个开放式问题,共收集 5,670 段自述,并用 BERTopic 主题建模与大语言模型分类器归纳出 12 个主题、五大领域。约 83% 的事件为正面,最常被提及的是学校、教育与学徒经历;内化症状较高者更倾向提及恋爱友谊、心理健康与压力事件和丧失,较少提及学业与成就类里程碑。