AI与心理学
AI 怎样改变心理学研究与测量？关注研究设计、量表、数据、模拟与方法效度，而不只是把 AI 当作日常工具。
7 条精选近 30 天 3 条精选共收录 34 条
针对一项发表于 PLOS Medicine、基于英国生物银行近9.6万名参与者、随访近9年的前瞻性研究，剑桥大学 Nina Rzechorzek 等专家指出，该研究用深度学习模型从腕部活动推断 REM/深睡，而非多导睡眠图直接测量，模型分类表现仅为中等。专家强调，结果只表明睡眠模式与疾病风险存在关联，不能证明增加 REM 或深睡、或把睡眠强行控制在 6–8 小时可预防疾病；将排除期延长至两年后，原156项显著关联仅剩95项，提示反向因果仍值得关注。
World Psychiatry综述梳理登记资料、队列、电子病历、数字表型、脑影像和基因组等研究。作者指出，更大数据集能推进发现，但样本量不能自动保证准确；可靠测量、方法严谨及与临床问题的连接仍是关键。综述/观点整合，不是一项疗效试验；不支持AI已经实现个体化精准诊疗。
推荐理由：综述/观点整合，不是一项疗效试验；不支持AI已经实现个体化精准诊疗。
关系科学家在Greater Good撰文指出，约会应用正把匹配交给AI，但关系科学尚无可靠依据预测任意两人是否合得来。研究显示相似性主要在见面之前预测吸引，短暂互动后作用明显减弱；互补人格与伴侣相似度更高的假设也缺乏实证支持。作者认为AI可能帮助发现人类未识别的模式，但其训练依赖对“合得来”的特定假设，可能让人错过意外契合的对象。
推荐理由：作者为关系科学家，文中引用的相似性、互补性证据来自其研究团队及他人已发表研究；实验室关于线上到线下“化学反应”的项目尚在进行，未给出结果。
一项8月发表的研究，用223名青少年的手机文本检验语言模型。模型在情感分类任务上取得较高表现，负面自我语言与之后情绪有关；但抑郁发作关联在敏感性分析中不稳健。 F1是文本情感分类指标，不是抑郁诊断；敏感性分析未稳定支持抑郁发作关联，也未验证干预App。 F1=.84衡量文本情感分类，并非抑郁诊断准确率。研究不证明干预产品有效；原始文本和微调模型受隐私限制，且作者披露相关企业及研究资助关系。 作者披露Ksana Health、Snap等企业关系；另有提交研究后获得的OpenAI资助，不能称无利益冲突。
杨浩然、孙焕翔、刘晓明在《心理科学进展》发表文章，讨论心理治疗忠实度测量——即治疗在多大程度上按预定方案实施，包括依从性与胜任力两个维度。文章指出，观察性编码虽较可靠但耗时耗力，自我报告、治疗记录、来访者报告和角色扮演各有偏差，而自然语言处理与大语言模型有望辅助初步筛查和编码，但需在隐私与伦理前提下保留人类专家的最终判断。
MIT麦戈文研究所与约克大学团队将动物与类脑人工神经网络训练识别同类物体，发现模型性能提升时其内部重组方式与动物大脑中检测到的变化高度平行，论文7月8日发表于《自然通讯》。
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。
研究以92名健康学生的热痛影像开发脑—脊髓联合预测模型，并在39名热痛/瘙痒参与者与50名电痛参与者中检验跨样本表现。模型输出与主观痛强度有关，但这不意味着能够客观替代一个人的疼痛报告。 单次试验内相关较弱，低痛强度表现有限。临床扩展只有一种慢性疼痛人群且样本较小，不能将健康学生的影像数据当成同等数量的患者，更不能据此推荐电刺激或针灸治疗。 论文列明国家重点研发计划、国家自然科学基金等支持，作者声明无利益冲突；这不是独立验证利益无关的证明。
一份共识报告提出心理学研究中使用大语言模型的报告清单，强调透明、可复现和伦理说明。它提供研究报告的方法建议，不是对某个模型有效性或临床安全性的认证。 这是发布信息或作者陈述，不等于新的独立实验证据。 完整作者资金和利益披露尚未逐项核验，不据此推定无利益冲突。
一项预印本整理了AI识别支持性对话中防御层级的公开评测。最佳系统宏平均F1为0.420，少数类别仍容易被误判。这是英语小语料上的分类任务，标签与分数都不等于读懂一个人的内心或临床诊断；作者也明确将用途限于研究。 本条只发布已核材料支持的限定短摘要，不能由此证明普遍因果、诊断或治疗效果。 完整作者资金和利益披露尚未逐项核验，不据此推定无利益冲突。
PerMA把穿戴与日记数据、机器学习和人工健康教练结合，用于选择生活方式行动目标。50人入组，40人完成全部6次教练会谈；这40人的PHQ-9抑郁评分前后平均下降3.5分。干预结束后6周、12周分别有28人和22人提供随访。 这是无对照先导研究，不能将前后变化归因于AI，也不能代表全部入组者持续改善。 本条只发布已核材料支持的限定短摘要，不能由此证明普遍因果、诊断或治疗效果。 NIMH和Hope for Depression Foundation支持。C.T.T.披露近3年药企有偿咨询及UpToDate编辑报酬；其他作者声明无利益冲突。另有BrainE商业版权及机器学习流程发明披露。披露本身不证明结论有偏差。
为什么我们有时能从嘈杂人声中听清目标说话者，有时又会听错？研究者构建的听觉模型重现了人类在多种条件下的成功与失败，并提出了随后在人类实验中得到支持的预测。结果涉及特定提示和词语辨认任务，并不意味着听不清只是“不够专心”，也不是已经可用的听力治疗。 本条只发布已核材料支持的限定短摘要，不能由此证明普遍因果、诊断或治疗效果。 NIH R01 DC017970资助，资助方未参与设计、数据、发表；作者声明无利益冲突。
ERC 资助的 WARN-D 项目在完成近 5 年数据收集后，于 Codabench 上线预测抑郁症发作的机器学习竞赛，由博士后 Rayyan Tutunji 领衔。竞赛数据覆盖约 1,750 名年轻成人、为期 2 年的三阶段随访，开放 70% 数据及 30% 留出集的预测变量，参赛者需预测每人在各测量点的抑郁发作。截止日期为 2 月 27 日，前三名团队将列为论文作者。
Data Colada 发文评论一篇 QJE 领英审计研究，该研究用 AI 生成约 400 个虚构年轻男性领英档案、随机分配种族并发出 3 万多条连接请求，发现黑人档案连接率更低但获建议率相当。作者用刺激图分析 197 对照片，发现效应差异未超出抽样误差预期，查看材料后认为这些 AI 照片缺乏可辨多样性，构成该研究的有趣缺陷。