心理学与人工智能（Artificial Intelligence，AI）的渊源可追溯至学科发展早期。人工智能自诞生之初，便借鉴心理学中的认知理论，试图模拟人类思维与学习过程；心理学则借助人工智能的数据处理能力，突破传统研究在样本量与分析精度上的局限。随着科技的发展，两个学科的结合日趋紧密。研究人员深度整合人工智能技术与大数据分析能力，有效解决了样本规模局限以及应用落地等难题，并通过对海量行为数据的深度挖掘，揭示了复杂心理活动的内在规律。同时，基于心理学对人类认知、情感与行为机制的深刻理解，研究人员对现有大语言模型进行针对性优化，推动其在情感识别、心理评估等领域取得突破性进展。这一跨学科实践不仅加速了心理学研究向智能化、精准化方向转型，更赋予人工智能技术“情感共鸣”的能力，为智慧医疗、智能教育等领域的创新发展注入了新动能，开创了学科协同创新的新范式。

　　人的心理是行为的动因，反过来，行为线索也可以反映个体的心理状态。为了让AI读懂“行为潜台词”，研究团队应用心理学实验范式，采集了大量行为（包括但不限于文本表达、语音、步态、面部特征等）与心理标注数据，为人工智能算法提供了重要的科学数据支撑。AI通过学习行为与心理间千丝万缕的联系，将两者间复杂的映射关系进行数字化，构建出生态化识别模型，实现了无需填写量表即可对个体和群体心理进行评估的功能。

　　中国科学院心理研究所的专家团队构建了简体中文版的心理语义词典（“文心”）。相较于传统的自然语言处理算法，该词典能更精准地捕捉反映心理特征的文本特征向量，并在此基础上构建大五人格识别算法。研究发现，通过分析微博用户在网络中的原创文本识别其人格的效果相比于问卷测量的结果，准确率超过80%，同时这种测量方式还可以大幅提升测量的范围和效率。

　　AI还可以根据人们的日常行为习惯和偏好进行快速的“心理侧写”。研究团队利用音频分析技术，捕捉日常说话的声音中反映语调和韵律的特征，结合深度学习算法，分析声音背后潜藏的抑郁等心理健康问题风险，为心理健康筛查提供了一种便捷、无创的新途径。此外，面部视频、步态等不同模态的数据也可作为多维度心理测评的重要行为“线索”，有效评估压力、焦虑、情绪稳定性等心理健康指标。从观行知意到模拟共情能力，心理学正不断给AI注入“心理素养”。或许在未来，那个能读懂你内心世界的AI算法，会比你的朋友、同事更懂你。

　　AI给心理学带来的影响绝非仅限于工具层面的升级，更是一场深刻的范式转变，不断拓展着心理学研究的边界与理论的深度。

　　AI技术极大地提升了心理学的数据收集能力。传统心理学研究常受条件限制，多是在受控环境下开展小规模实验，如同用放大镜观察一个微小世界，依赖精心设计的实验记录个体主观感受，其结果在推广到真实世界的复杂情境时往往存在局限。而AI结合可穿戴设备、移动应用和物联网等技术，让心理学研究者能够实时收集大规模、连续性的行为和生理数据，将研究的触角延伸到日常生活的方方面面，显著提升了心理学研究成果的生态效度。

　　心理学研究者借助人工智能技术，特别是自然语言处理和大数据分析，深入探究了重大公共卫生事件对人们负面身体意象的影响。通过文本内容的心理语义分析，从海量微博数据中提取与负面身体意象相关的信息，全面追踪事件前后人们身体意象的变化。这种将传统问卷调查与社交媒体大数据分析相结合的方式，突破了时空局限，实现了对群体心理动态的精准捕捉，可及时识别高风险群体并开展定向干预。可见，AI赋能的心理学既能捕捉群体心理变迁，也能为社会治理提供精准靶点。

　　大语言模型（Large Language Model， LLM）在识别社会心理学变量关系方面潜力巨大。研究人员从SCI/SSCI数据库中筛选出2024年发表的多篇社会心理学领域的元分析文章，运用大语言模型分析方法提取变量信息和变量关系，结果提取出共计247个变量关系，包括162个线性关系、43个差异检验、5个中介效应和37个调节效应。针对不同类型的变量关系，研究人员设计了结构化的提示语词以调用不同的大语言模型，同时招募多名人类专家，向他们提供与LLM提示相同的变量关系类型定义、示例和置信度评分指南。通过模拟实际研究中学者基于变量定义构建假设、理解变量间关联的过程，评估大语言模型和专家在这一关键研究环节的表现。结果显示，在简单变量关系（如线性关系和差异检验）识别上，LLM的准确率与领域专家相当，甚至在某些情况下更为出色，而领域知识的拥有者，无论是人类专家还是LLM，都具有明显的优势。这一研究不仅揭示了AI实现自动化社会科学研究的可能性，更预示着其将在假设生成、关系发现乃至理论构建等环节，为心理学研究注入更多创新视角。

　　AI带来的更深层变革，在于它可能重塑心理学研究范式。长期以来，心理学界存在着各种不同的理论流派，彼此间不乏竞争与冲突。而AI的出现，似乎正在打破心理学各分支之间的壁垒，甚至可能重塑整个领域的知识结构。同时，AI的发展也促使心理学家重新思考记忆、知识、情感等基本概念的本质。以往我们倾向于将心理认知过程分解为一系列模块化的步骤，AI却展现出一种更具整体性的认知方式，它们通过学习海量数据，直接将输入映射到输出，而不需要明确地定义中间步骤。这种“端到端”的学习方式，虽然在可解释性方面有所欠缺，却为认知过程研究提供了新视角，助力我们从另一维度思考人类的思维方式。 

　　人工智能正借助心理学对人类情感与认知规律的研究成果，持续优化模型在人机交互、情感计算等领域的表现。近期一项研究构建了基于大语言模型的自助式AI心理咨询系统，旨在探索让AI理解并回应人类情绪的可能性。研究团队创新采用“零样本学习”与“思维链提示”两种策略，前者让AI如同未刻意“刷题”的学霸，仅凭自身知识储备完成咨询任务；后者则像教它“步步推理”，引导其更有条理地陪伴用户探寻问题背后的情绪逻辑。这场人工智能与心理学的融合实践，让我们得以窥见更懂“人心”的AI雏形，也为数字时代的心理健康支持开辟了新路径。

　　如果说自助式心理咨询AI是人工智能“学会倾听”的第一步，那么另一个更具挑战性的方向，是教会AI主动识别那些尚未说出口的心理危机求助信号。近期，研究者引入心理学中的“动机—意志”模型，让AI从蛛丝马迹中推演风险路径，并通过生成大量模拟文本进一步微调大模型。研究表明，这种基于理论指导的“数据反哺”模式不仅提升了识别准确率，还能在保护隐私的前提下，为潜在高危个体提供及时预警。这是技术与心理洞察的深度协同，不仅解决了数据稀缺的难题，也推动AI迈向“感知未言之痛”的能力边界，朝着真正理解人类、守护人类的方向稳步前行。

　　展望未来，心理学与AI的交汇或将孕育出全新的智能生态。正如电影《流浪地球》中的MOSS那样，AI不仅执行任务，更似具备情感与判断能力；更如“数字永生”构想所描绘的那般，AI可保留个体记忆与人格特征，成为情感延续的载体。届时，每个人或许都能拥有自己的“心理化数字分身”，不仅在日常生活中充当助手角色，也在情感层面承担陪伴与共鸣的功能。

　　然而，当AI逐步接近人的情感复杂性时，我们也不得不面对新的伦理议题。如果人工智能能“理解”甚至“体验”情绪，其情感是否应被正视？若人类对AI产生真实的情感依恋，又该如何界定这种关系的边界与责任？技术拟人的趋势在带来便利与温度的同时，也向人类自身提出了更深层的哲学与伦理挑战。在未来的智能社会中，如何平衡情感投射与理性判断，将成为推动人类与AI关系良性发展的关键命题。

　　心理学与人工智能的这场双向奔赴，正在打开一扇前所未有的大门，一个教机器“善解人意”，一个为人类带来“心福”。未来已来，这种融合或将重塑我们的生活，我们或许会在与AI的互动中，重新理解“何以为人”。这场心智与数据的共舞，终将让AI更懂人心，也让人类更懂自己。

　　（作者系中国科学院心理研究所研究员）