2018年08月14日 08:08 來源:中國社會科學網-中國社會科學報 作者:黃越 黃辛隱
字號內容摘要:心理學同人工智慧聯繫緊密,自1956年人工智慧的概念提出以來,心理學家同人工智慧研究者進行了很多合作研究。如2018年5月,英國《自然》(Nature)雜誌刊登了英國倫敦大學神經科學家和英國DeepMind團隊人工智慧研究員合作完成的一項研究成果,他們利用深度學習技術成功模擬人類大腦的空間導航能力。此類研究向人們展示了人工智慧技術在心理學研究中的應用前景。
關鍵詞:人工智慧;心理學;交叉研究
作者簡介:
心理學同人工智慧聯繫緊密,自1956年人工智慧的概念提出以來,心理學家同人工智慧研究者進行了很多合作研究。如2018年5月,英國《自然》(Nature)雜誌刊登了英國倫敦大學神經科學家和英國DeepMind團隊人工智慧研究員合作完成的一項研究成果,他們利用深度學習技術成功模擬人類大腦的空間導航能力。此類研究向人們展示了人工智慧技術在心理學研究中的應用前景。
應用於心理測量
交互進化計算(Interactive Evolutionary Computation,IEC)屬於人工智慧領域的一種算法,是一種將人的智能評價同進化計算機有機結合的智能計算方法。目前,交互進化計算在心理測量領域的研究中得到很好的應用。日本學者塔卡西(Hideyuki Takagi)等人將交互進化計算應用於對精神分裂症患者的心理測量和評估中,輔助驗證「精神分裂症患者所感受到的情緒表達的動態範圍比健康人所感知到的範圍更窄」這一假設,該研究是IEC運用於心理測量領域的開創性研究之一。在此之前,精神病學家和心理治療師認為精神分裂症患者在情感表達方面存在問題,但是由於缺乏定量方法衡量他們的情感表達能力,所以無法以此作為診斷依據。交互進化計算提供了一種定量的測量方法,使得對情緒感知範圍的測量成為可能。之後,張琰等人利用交互進化計算技術,以高社交焦慮和低社交焦慮大學生為研究對象,成功地測量並比較了兩者在面孔情緒識別的動態感知範圍上的差異性。這些研究表明:交互進化計算作為一種智能算法,適用於心理健康測量。
此外,人工智慧領域的貝葉斯網絡和粗糙集分析方法對心理測量數據的挖掘起到了優於一般心理學統計方法的作用。餘嘉元發現,利用貝葉斯網絡開發的智能自適應測驗可以顯著地減少教育和心理測試中題目的數量,並且相對於紙筆測驗,這種自適應測驗獲取的信息更多。他還發現,人工智慧中的粗糙集分析方法可以對心理測量數據進行挖掘,得到更準確細緻的分析結果。
應用於心理變量預測
近年來,人工智慧技術中的表情識別技術被用於心理學人格預測的研究中。以往確定大五人格類型的方法主要是問卷測量,但這需要花費大量時間。加夫裡列斯庫(Mihai Gavrilescu)在2016年建立了一種新的非侵入性系統,這一系統可以根據面部動作編碼獲得的面部特徵來確定人的大五人格特徵。之後,加夫裡列斯庫和維齊雷努(Nicolae Vizireanu)在2017年提出了一種基於面部動作編碼系統的面部特徵分析系統,用以預測人們的16PF人格特徵。該系統能夠在1分鐘內準確預測個體的16PF人格,比16PF人格問卷更快速、更實用,適合於短時間內預測人的個性特徵。
除了人格量表的預測,人工智慧技術中的人工神經網絡(Artificial Neural Networks,ANN)、擬最優的貝葉斯學習器(quasi-optimal Bayesian learner)和支持向量回歸機(Support Vector Regression,SVR)也被應用於心理學研究中,用以預測個體的認知和心理健康狀況。
人的社會認知加工過程同人工神經網絡的信息加工過程存在類似性,因此,許多研究者針對社會認知過程中的一些心理變量建立了各具特點的人工神經網絡預測模型。此外,人工神經網絡技術在心理健康預測中也得到較好應用。比如,塞雷蒂(Alessandro Serretti)等人應用人工神經網絡技術成功對臨床情緒失調中的抑鬱情緒進行了預測。
擬最優的貝葉斯學習器能夠模擬在不斷變化的環境中人們行為和信念的變化。瓦吉(Matilde M. Vaghi)等人將擬最優的貝葉斯學習器模擬的數據與強迫症及健康人群的行為數據進行比較,以探究兩者的行為和信念分別如何隨時間變化;並且將貝葉斯學習模型中的不同參數作為預測因子來量化和比較強迫症患者同健康人行為與信念表現上的差異。
支持向量回歸機是在計算機統計學習理論基礎上發展出來的一種新的、有效的機器學習方法,其原理類似於人工神經網絡。相較於人工神經網絡,支持向量回歸機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技術對研究對象的心理特徵進行預測,如黃辛隱等人通過支持向量回歸機技術,採用高低特質焦慮組面部表情的識別率,成功地預測了他們的特質焦慮分數。
姓名:黃越 黃辛隱 工作單位:蘇州大學教育學院