中新经纬客户端5月31日电 (薛宇飞)近日，由清华大学社科学院主办的“人工智能心理学与算法伦理”研讨会在清华科技园举行。研讨会上，武汉大学信管学院副研究员赵靓指出，社会心理学服务体系建设，是国家近些年倡导的事情，为响应号召，他们尝试将人工智能与社会心理服务结合起来，进行相关探索研究。他们所做的服务，是借助人工智能、大数据等技术进行智能心理分析，辅助社会心理学的研究者或者心理医生做分析。
武汉大学信管学院副研究员赵靓。来源：受访者供图
首先，该研究要进行智能心理分析。一个是针对个体，主要是为了更好地了解个体的负面情绪和心理状态，促进正向发展。这方面，是通过大数据进行个体心理压力分析，包括压力感知、预测，甚至自杀等极端行为预警。根据数据统计发现，80%的人会选择将社交网络当做分享自我、记录生活的渠道，通过社交网络的数据可以了解用户的心理状态，追踪心理轨迹，帮助进行压力分析。
“我们想通过社交网络的历史数据，去感知个体心理压力的状态，这主要是采用自然语言的处理以及基于概率的一些行为分析，再加上有监督的学习算法，去进行定量、定性分析。”赵靓表示，他们对非结构化的社交网络文本、行为数据进行定义，并且抽取压力相关的特征，形成高维特征矩阵，然后送到学习算法里得到压力，这相当于很普遍的一个机器学习的研究范式。
目前很多深度学习是通过自下而上的方式进行的，但她觉得，将人工智能与心理学或者社会科学的问题关联起来时，应该是“专家知识+数据驱动”的模式，就上述研究而言，需要专家从心理学的角度进行压力特征定义，这样的构建就是自上而下的过程。
至于数据，则是定量地把特征抽取出来，然后进行量化，形成一个比较好的模式。压力特征空间，主要是从发文内容、行为等能够看出来，比如，在内容方面，通过自然语言的处理、语义的分析，去理解在文本语义要表达的强度及出现负面情绪的比例。行为方面，比如，微博是原创还是转发，发文时间是否异常，是假期还是工作日，早晨还是晚上等等。
“在没有采纳用户其他的隐私数据的情况下，通过完全开放的微博数据，我们进行了四种类型的压力分析，以及对每一种压力类型做了没有压力、弱、中、强四个级别，在这样比较细颗粒度的监测、安全的范围内进行心理分析，并开展人工智能应用。”她称，他们还对定义的压力特征进行一定的检测，压力检测的结果在信息增益上是有效的，并且得出来的结论，即信息增益最大的特征跟他们的直觉相符。
除了个体，赵靓的研究也面向了群体层面，它更多的是对社会文化安全与道德的检测。不过，群体分析不需要那么复杂的人工智能模型，而是通过心理学专业的词表，在不同维度下采用自然语言处理，借助统计的方式得到更加宏观的结论。
他们以2020年的疫情为研究对象，观察疫情是否对人们的世界观、道德观产生影响。结果是，疫情提升了集体主义倾向，而且这种情绪非常稳定。道德动机上，亲社会倾向也显著提升，这与集体主义倾向上升是相近的，说明“集体主义文化很安全，道德没有滑坡。”
赵靓指出，人工智能的技术帮助人们以一种数据的方式，来理解更加宏观的社会心理文化上面的变化。做这种应用服务时，除了心理分析、上层应用，还需要底层的通用技术进行支持，才能保证可用性或者可持续发展。此外，信息分析具有一定的主观性，心理学也做了很多努力和研究，应该尽量把这些知识用起来，而不只是单纯通过数据，扔到深度学习的模型里面。
“如果把专家的知识和数据及技术本身的优点结合起来，可能是更好的探索，可以整合多元、多模态的大数据，做社会文化心理的监测服务，可以助力社会治理，提供各种政策建议。”她最后称。(中新经纬APP)
（ HN666）
加载中,请稍侯......