Page 258 - 急诊医学与精神疾病的临床理论研究

第七章 大数据时代的精神分析

种情况带来一个问题，即人工智能的数据分析只能帮助研究者发现海量数据中的
变化规律及变量之间的联系，但无法确定这些关联是否具有因果关系。因此，在
智能化教育和心理学研究中，需要谨慎处理人工智能算法得出的结果。人工智能

算法带来的问题进一步凸显自上而下的理论驱动在教育和心理学研究实验设计中
的重要性，如注意控制潜在混杂变量，确保实验设计包括时间等能提高对因果关
系推断能力的变量。近年来，研究人员不断尝试解密人工神经网络处理数据的过
程。Petsiuk 等发明“探测器随机输入采样解释技术”（detector randomized input

sampling for explanation），通过逐一屏蔽人工智能分析中的输入数据，观察哪些
数据丢失会对数据处理结果产生显著影响，从而发现人工智能技术在预测结果时
更加依赖的数据。Bau等研发“基于分段的神经网络解剖方法”（segmentation-based
network dissection method），通过观察与某个客观概念（objective concept）密切

联系的神经元，将神经网络切分为一个个基础的、可解释的单位，再通过干预不
同的可解释单位观察其对人工智能输出结果的影响，从而理解人工神经网络处理
数据的工作过程。上述研究方法来源于心理物理学中研究神经网络工作机制的方
法，并为进一步破解人工智能数据分析过程作出贡献，这也说明传统教育和心理

学研究方法与人工智能发展是相互依靠、相互影响的。同时，在目前的研究中还
需要谨慎地理解人工神经网络的数据分析结果，在实验设计和结论分析的过程中
注重融合相关理论，避免过度解读人工智能的分析结果，并进一步验证人工智能
数据的分析结果。

三、人工智能助力心理学研究的应用场景

（一）基于人工智能的心理识别
技术的迅猛发展为人们的工作生活带来了巨大的便利，在与人类的生存及环

境深度融合的过程中，也呈现出与既往环境不同的复杂性与特殊性，这为心理学
研究提供了新的研究思路和手段。随着互联网及各种智能可穿戴设备的普及，虚
拟环境与现实生活不断融合，现实社会中人的各种行为线索能够被电子化记录成
大数据保存下来，例如，网络行为、手机使用行为等。

大量研究发现，互联网用户的网络行为与其心理特征存在着关联关系。
Amichai-Hamburger 和 Ben-Artzi 首次从实证研究的角度发现人格特征与互联网行
为之间存在着相关关系。Wilson 等发现，使用“社交网站”的倾向与外向性人格

241