心理学家应以科学-informed意见参与幼儿生成式AI讨论
生成式AI等新技术往往在相关影响研究尚未出现前就已被应用,相关政策和公众态度也随之固化。心理学家需通过基于科学的意见参与幼儿使用生成式AI的讨论,以确保获益并预防伤害。
生成式AI等新技术往往在相关影响研究尚未出现前就已被应用,相关政策和公众态度也随之固化。心理学家需通过基于科学的意见参与幼儿使用生成式AI的讨论,以确保获益并预防伤害。
一项预印本提出"适应性重构框架"概念,指个体根据新证据、因果结构或社会情境变化修正问题建构的能力,认为这是智力研究中被忽视的基本维度。作者提出跨神经科学、认知科学、机器人学、实验经济学、心理学和复杂系统的多学科框架,并引入动态情境框架任务、扰动因果模型任务和社会-情感问题设定任务三种范式,用于比较人类与人工智能主体并构建架构增强的AI系统。
一篇预印本章节指出,当前对生成式大语言模型(LLMs)如何做出"人的判断"——即在不确定条件下推断他人在某一心理构念上的水平——仍缺乏了解。作者将这一担忧延伸至LLMs辅助人力资源(HR)决策的应用,并讨论了其中的伦理与法律影响,最后提出一组围绕LLMs用于HR决策中尚未研究和研究不足问题的一般性研究问题。
一篇PsyArXiv预印本提出"青少年对对话式AI使用的能动性"概念,即青少年有目的地引导、批判性评估并为自己与对话式AI的互动设定界限的程度。文章提出AI-ERA框架,涵盖自主、身份、情绪调节、关系和成就五个发展任务领域的九种过程,并区分该能动性与AI素养、AI自我效能、AI过度依赖等既有构念。
心理学家指出,棒球与球拍问题这类刻意诱发错误回答的人为任务,属于启发式与偏差研究传统,其偏差结论未必适用于日常生活。相关评论援引 Brady 等 2025 年发表于 Nature Reviews Psychology 的大语言模型双过程理论研究,主张以生态取向重新审视 AI 决策支持。
匹兹堡大学教授 Jennifer Collinger 在 Nature Neuroscience 神经技术特刊访谈中表示,感觉反馈正在重塑脑机接口。她谈到脊髓损伤后神经表征出人意料地稳定,以及构建真正双向、同时恢复运动与触觉的神经假体系统所面临的科学与工程挑战。
Nature Neuroscience 专访加州大学旧金山分校神经外科教授 Edward Chang,讨论语音脑机接口(BCI)的发展。他指出 AI 进步正在加速 BCI 的临床转化,恢复自然交流仍是挑战,大规模神经数据集最终或有助于构建人脑计算模型。
Nature Neuroscience 在神经技术特刊中对话杜克大学荣休教授、Edmond and Lily Safra 国际神经科学研究所创始人 Miguel Nicolelis,回顾其推动脑机接口开创性工作,以及在巴西东北部创办神经科学研究所、以推动社会变革为目标的经历。他讨论了持续塑造神经接口与神经康复未来的科学发现、技术障碍与伦理问题。
加州大学戴维斯分校副教授 Sergey Stavisky 在 Nature Neuroscience 神经技术特刊访谈中,回顾了语音神经假体从概念验证演示转变为实用通信系统的突破。他谈及塑造神经接口未来的科学意外发现、工程挑战与伦理问题。
《Psychiatric News》第61卷第10期(2026年10月)刊发特别报告,提出"数字超连接"作为一种新的精神医学框架。该框架用于理解持续在线、随时互联的数字环境如何影响心理健康与精神障碍的评估。
《Psychiatric News》第61卷第10期(2026年10月1日—31日)刊文讨论患者向精神科医生询问能否用 ChatGPT 做心理治疗这一现象。文章面向精神科临床场景,未给出具体研究数据或疗效结论。
有观点提出,AI 应深化在精神医学督导中的应用。文章刊于 Psychiatric News 第 61 卷第 10 期,出版日期为 2026 年 10 月 1 日至 10 月 31 日。
研究首次提出“广告AI味”概念并构建理论体系,基于AIGC与广告理论提出其概念、维度及量表。研究以线索理论分析广告客观与主观线索对AI味判断的影响,以AI素养和批判性思维为调节变量;并基于合理性理论研究AI广告披露与品牌个性调节下,广告AI味对品牌感知的双刃剑效应及广告合理性的解释机制。
基于注意力基础观,研究构建了“人机协作-注意力投入-社会创业混合问题求解”的理论框架,分析三种人机协作模式的作用路径。AI主导式协作通过增强持续性注意力投入优化数据驱动的资源利用效率;人类主导式协作通过强化交替性注意力投入平衡多元利益相关者诉求;人机交互式协作通过双重注意力协同促进社会与经济价值的创造性整合。
研究立足人机二元互动,提出工具信任与价值信任两维度人机信任模型,并据此编制人机信任测量量表。研究进一步从动态发展视角考察两类信任在时空情境耦合下的时序演化特征,并探讨二者对个体创造力的差异化赋能机制。
MIT 社会学家 Sherry Turkle 在新书《Artificial Intimacy》中指出,聊天机器人被设计成迎合用户、让人误以为机器有真实情感,长期使用会让人更难与他人建立联结、反而更孤独。
Nature Human Behaviour 刊发的一篇评论指出,AI 工具能放大人们已有的能力,但获取知识与专业能力本是一个漫长过程,这可能给下一代专家的培养带来问题。该评论由 Sheng-Tun Li 撰写,发表于 2026 年 9 月 29 日。
研究发现,与AI聊天机器人的互动会外溢到人际交往中:两项共逾4000名参与者的实验显示,先与机器人合作的被试随后对真人更不合作,共情水平下降且不会立即恢复。另一项AI聊天机器人实验也发现,与机器人短暂协作的人对同伴更具工具性和苛求,并更严苛地评价他人的工作。
Gagné 等人在 2022 年春发表了一篇关于未来工作心理学的综述,几个月后 ChatGPT 发布,但该文并未过时,反而更具相关性。该综述以自我决定理论为基础,主张动机与幸福感随胜任感、自主性和归属感三种基本心理需要的满足而升降。
Nature Reviews Psychology的Journal Club文章讨论了对话式AI用于情感支持时的一个特点:这类系统以维持用户参与为目标,因而更倾向于认可用户而非提出质疑。
推荐理由:借Hudon与Stip的论文梳理对话式AI为何更易迎合而非质疑用户,为理解精神病性脆弱人群使用AI的风险提供理论线索。
一篇发表于 Nature Human Behaviour 的评论文章提出,AI 陪伴以低成本提供情感连接,但其影响并非均匀分布。当用户自身的脆弱性、平台控制的漏洞与治理缺口同时出现时,这类系统可能让脆弱用户暴露于更多风险,从而加深社会不平等。
精神医学下一代大数据需要更多理论驱动、更多个体内数据,并更好地整合人工智能。相关论述发表于 World Psychiatry 第25卷第3期。
《World Psychiatry》2026年10月刊发文章,讨论人工智能与心理健康领域正在浮现的新现实。文章刊于第25卷第3期,页码386-387。
生成式 AI 正快速进入教育领域,被定位为提升效率与实现个性化的工具。这篇 Perspective 指出,这一定位掩盖了更深层的转变。文章发表于 Communications Psychology。
关系科学家指出,目前尚无坚实的科学基础支撑约会应用的 AI 匹配算法,研究者其实并不知道究竟是什么让两个特定的人彼此合适。已有研究显示,相似性或许能在见面之前预测吸引力,但一旦发生哪怕短暂互动,相似性与喜欢的关联就大幅减弱;人们还会因"和哥哥同名""发型不好"等无关理由排除潜在对象。该研究者所在实验室正开展系列研究,将约会应用数据与真实互动结合,以检验线上"化学反应"能否转化为现实中的火花。
Nature Reviews Psychology 刊文指出,大语言模型会给人可靠的推理印象,但在临床记录、评估和照护计划中可能引入实质性错误,带来潜在负面后果。作者认为临床工作者需要实际理解这类系统如何运作、在哪些环节出错,并把核查作为安全使用的核心。
推荐理由:文章提醒临床工作者,大语言模型在临床记录与评估中可能引入实质性错误,核查环节不可省略。
一篇发表于JAMA Psychiatry的观点文章讨论了将大语言模型(LLM)用作临床工具以改善照护时,在培训心理健康临床医生和落地机构工作流程方面需要考虑的问题。文章聚焦于如何让LLM的推理过程可被验证。
文章提出,智能源于灵活、领域通用的大脑与结构化、领域优化的身体之间的适配:大脑具有高度可塑性,可形成多种可能的功能结构,而身体为经验提供结构化来源。该框架同时用于解释生物智能与人工智能的发展。
生成式人工智能(GenAI)正在迅速改变青少年发展的环境,既带来机会也带来风险。青春期是完成关键心理社会发展任务的生命敏感期,该文探讨了将青少年发展过程自动化所涉及的高风险。
Personnel Psychology 刊发"40 个问题"系列,围绕人工智能在工业与组织(I/O)心理学、人力资源(HR)和组织行为(OB)研究与实践中的作用,从专业网络中征集问题并整理成主题,涵盖 AI 是什么、其技术组成、AI 用于研究的新兴最佳实践、评审 AI 相关工作的指引,以及在评审中使用 AI。
针对人工神经网络与生物大脑表征高度对齐被解读为"普遍表征"的观点,作者提出 Umwelt 表征假说,认为这种对齐并非收敛于单一全局最优,而源于系统发展所处生态约束的重叠。综述的实证证据显示,物种、个体与人工神经网络之间的表征差异具有系统性和适应性,难以用普遍性解释。作者据此主张将人工神经网络模型比较重新定位为绘制生态约束空间中对齐簇的方法,而非寻找单一最优世界模型。
语言模型可帮助认知科学整合碎片化文献、形式化言语理论、识别构念与测量之间的重叠、跨任务生成预测,并从自然数据中提取文化与生态结构。但这类应用也伴随过度简化、不透明、技能退化和偏差等风险。作者认为,只有审慎地用语言模型辅助而非取代人的能动性,它才可能推动认知科学走向更整合、更具累积性的研究。
一项发表于 Current Directions in Psychological Science 的框架性文章,基于归因理论分析人们如何判断生成式 AI(GenAI)使用者,涵盖使用者对自身及他人的判断。文章指出,GenAI 正在改变人们工作、沟通与决策的方式,由此引发了关于其使用者如何被评判的独特问题。
认知脑机接口正试图把脑机接口从运动与语言功能恢复拓展到注意、记忆等认知功能的解码与康复,但面临分布化、动态化神经过程带来的新技术与概念挑战。神经调控为因果性调节认知环路提供了互补路径,并已有初步转化应用。将两者整合为自适应闭环系统,有望恢复心理功能,并连接系统神经科学与可实时监测和塑造人类认知的下一代神经治疗技术。
随着 LLM 预测下一个词的能力提升,其解释人类阅读行为的能力反而下降,原因是 LLM 的预测能力远超人类读者。这种“超人类”表现源于训练数据规模更大、对训练样本的长期记忆更强以及短期记忆更强。作者主张构建具有类人记忆的 LLM,并设计新实验测量人类与 LLM 之间的对齐程度。
《Psychological Science in the Public Interest》第 26 卷第 3 期发表评论文章《AI 时代的欺诈:评〈诈骗者的心理战〉》,页码 133-135。文章围绕 AI 时代欺诈行为与诈骗者心理战术展开讨论。
一项发表于 Trends in Cognitive Sciences 的框架性研究提出,应将机器理解概念化为系统(S)与理解对象(T)之间的关系,并分别对关系、系统与对象三个要素作出更精确的界定。该框架借鉴哲学与认知科学,结合当前AI实践,目的不是为理解给出某一种特定解释,而是为评估和推进机器理解提供概念工具。
生成式 AI 为个性化说服提供了新可能,即根据个体独特的偏好与需求定制说服信息的内容。相关探讨发表于 Current Directions in Psychological Science,聚焦 GenAI 在这一方向上的应用潜力。
人类大脑连接组在任何单一目标下都并非最优,其组织反映的是进化与发育中受生物和环境约束的多目标权衡。据此,精神病理学的非典型轨迹不是偏离理想大脑,而是同一权衡空间中的重新加权妥协;神经AI直接复制大脑连接则可能复制无关的妥协。将大脑与模型视为多目标优化的产物,可为解释临床表型和设计下一代AI提供更有力的框架。
随着技术日益复杂,其运作机制对普通人愈发不透明,但神经科学研究提示这并未加重"技术大脑"的负担,反而可能对社会大脑提出新要求。文章从社会认知视角探讨技术不透明性如何影响人际互动与信任。