10月12日报道 西班牙《趣味》月刊网站10月8日发表报道，题为《人工智能已能通过语言“读心”：人工智能评估手册如何揭示你的个性》，内容编译如下：

一个多世纪以来，心理学一直依赖问卷和访谈来衡量人格、情绪或心理障碍。这些方法虽有用，但存在局限性：依赖于回答的诚实度、受访者的记忆力以及他们识别和表达自己感受的能力。如今，随着人工智能(AI)的兴起，一种令人兴奋的可能性应运而生：直接利用语言这种我们最自然的交流方式作为了解自我及心理运作机制的信息来源。

一个美国研究团队在一份研究报告中，就大型语言模型(LLM)在心理评估中的应用提供了全面指南。

该研究阐释了这些工具的工作原理，为研究和临床实践带来的机遇，以及需要谨慎应对的风险。核心理念很简单：我们的话语和文字中蕴含着能够反映心灵的显著线索。

数十年来，心理学几乎完全依赖自我评估：人格量表、症状分析、行为清单。这种方法虽取得关键进展，却也带来众所周知的问题：受访者可能夸大、淡化甚至无意识地掩盖真实感受。例如，抑郁症患者可能因羞耻感轻描淡写症状，高度焦虑者则可能过度放大琐碎问题。语言作为行为本身而非主观陈述，提供了替代方案。

早在上世纪90年代，语言探究和词频统计(LIWC)等程序就实现了对人类语言文本中与情感以及认知过程有关的词汇的统计。这种“词汇库”方法能通过书面试卷预测焦虑程度或人格倾向。但该方法存在局限：孤立处理每个词汇，未能捕捉语境信息。

神经网络语言模型的出现带来了重大突破，能够在不同情境中呈现复杂含义和情感细微差别。

如今转换器技术，即生成式预训练转换器(GPT)背后的核心技术不仅能分析我们使用的词汇，更能解析词语在语境中的关联性。这场革命开启了从心理学家手写笔记到算法智能的新纪元，而今的算法能从数千次对话、访谈或社交媒体帖子中挖掘隐性规律。

大型语言模型是通过海量文本数据(源自书籍、社交媒体、网页及其他存储库)训练而成的系统。它们学会了预测句子中的下一个词，在此过程中发展出捕捉语义、语调和风格的惊人能力。它们虽不具备人类式的理解力，却能以非凡的精度识别模式。

目前主要存在三种架构：编码器模型用于分类或情感分析；解码器模型专攻文本生成；混合编码解码器模型兼具前两者的双重功能，适用于翻译或摘要生成。

这种多样性使其成为心理学领域的多功能工具：从根据情感强度对信息进行分类，到推断个体性格特征。

关键在于，这些模型可通过两种主要技术适应特定情境。其一是微调技术，即利用具体案例(如临床访谈)对模型进行再训练，使其学会识别相关细微差别。另一种是提示工程技术，通过精心设计的指令引导模型，无需修改其内部参数。这两种方法已在抑郁症、焦虑症、政治态度乃至自杀风险研究中得到应用。

将AI应用于心理学领域，首要条件是拥有高质量数据。研究人员可利用多种来源：录制的临床访谈、自传体叙述、社交媒体发布内容、医疗记录，甚至便携式录音设备收集的自然对话。每种语言形式各有优劣：一条推文可能简短且缺乏语境，而深度访谈则能反映更丰富的情感层次。

获取数据后，需将其转换为模型可处理的格式。这包括音频转文字、分离不同说话者的声音、敏感数据匿名化以及将文本分割为更小片段的分词处理。即便是过去会被舍弃的冠词等常见词，如今也因现代模型能解读其在语义构建中的作用而被保留。

未来的可能性是巨大的。在人格领域，人们已利用语言模型基于日常生活故事或社交媒体发布内容来预测五大性格特征(神经质、外向性、开放性、亲切感及责任感)。

在临床实践中，研究人员已经开始运用大型语言模型在访谈中检测抑郁症，其准确度可与人类评估者媲美，甚至已验证其识别认知扭曲的能力，而这是心理治疗的关键要素。

在社会心理学领域，模型被用于从数字平台用户的语言中推断政治与道德立场。还有研究将其应用于分析社交媒体信息，预测青少年的自杀风险。尽管这些应用仍处于实验阶段，但已展现出相较传统方法更快速、可扩展且侵入性更低的评估潜力。

然而，风险依然存在。语言模型会继承训练数据中的偏见：可能将职业与性别关联、强化文化刻板印象，或根据说话者背景对表达进行不同解读。在临床或法律场景中，错误分类可能造成严重后果。

此外，还涉及隐私问题。个人经历或医疗记录属于高度敏感信息，必须采取严格的安全措施处理。研究人员强调，参与者需明确签署知情同意书，且数据应尽可能实现匿名化。

研究人员认为，大型语言模型不会取代心理学家，但将成为强大的盟友。关键在于要始终保持人类监督，切勿将关键决策完全委托给机器。

总而言之，心理学正迈入新阶段——语言作为最人性化的工具，也将成为AI帮助我们更深入认识自我的媒介。虽然必然经历挫折，但方向已然明确：日常使用的语言终将成为通往心灵的窗口。