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。
两项模拟陪审团实验发现,被试的判断会随算法建议的方向偏移,即使该建议与已呈现的证据相冲突。Experiment 2 重复了这一结果,并显示提前警告参与者AI可能出错和存在偏见可降低算法影响,尤其在算法建议有罪而证词显示无罪时。研究提示需关注算法建议对法律决策的影响,以及如何减少对AI建议的过度信任。
当人们知道内容来自人类还是AI时,行为并不相同:在建议、依从、互惠互动和偏好选择中,人们更尊重人类而非机器。这种差异常被解释为“机器惩罚”,并被预测会随AI普及而减弱;本文提出不同解释,认为人们有充分理由(包括效用计算)更优待人类,这种“人类溢价”可能持续存在。
心理科学方法与实践进展刊文介绍 Dyadic——一个面向人类—人类与人类—AI 对话研究的可扩展平台,旨在解决现有对话研究工具模块化不足、难以适应研究者需求的问题。该平台用于缓解对话研究中的诸多限制。
日本一项针对1024名Kessler-6≥13且伴自杀意念的18–69岁成人的横断面网络调查发现,仅19.5%愿意使用AI聊天支持,21.3%愿意使用人工聊天支持,74.8%对两种方式均无使用意愿。该预印本已发表于 Suicide Policy Research。
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。
研究提出仅通过自然语言提示、使用消费级大语言模型订阅开发的通用实验智能体AGEA,在未针对任何具体任务训练的情况下完成了七个托管平台上的26项在线行为实验,并自行推断每项任务的结构。
推荐理由:研究用通用智能体完成26项在线行为实验,提示线上被试真实性假设正面临可迁移的挑战。
两项研究考察了未被提示说服的AI聊天机器人对话如何影响政治态度。第一项对英国成年人(N = 2,137)的配额匹配调查显示,AI的政治用途已相当普遍,其输出通常被视为政治中立;第二项预注册随机对照试验(N = 2,081)中,参与者与未被提示说服的LLM谈论政治人物或政策,结果谈论政治人物提高了对其好感度,谈论政策则小幅降低支持,对话个性化未放大这些效应。该预印本尚未经同行评审。
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。
一项预印本研究用 Body Mapping 比较了人类与生成式 AI 对时间、长度、数量、物理大小四个概念维度的身体组织方式。实验一中,人类被试对“未来”“长”“更多”“大”报告出显著的身体活动增强,其中“未来”“更多”“大”主要关联头部与躯干中部,“长”则呈四肢中心模式。
一项预印本研究提出用大语言模型为心理治疗研究中的微笑补充语境,将双方微笑与谈话轮次的情感效价(正性、中性、负性)关联。在70次依恋访谈、1,294个谈话轮次中,仅访谈者的微笑随被试话语情感显著变化(d = .51,q < .001),被试自身微笑无显著差异(d = .05,q = .165);双方在正性轮次比负性轮次更常同时微笑(d = .21,p < .001)。
一项发表于《Learning and Instruction》的研究考察了教师情感支持、提问开放性与学生口语参与的关系,以及积极情绪在AI观察的STEM与非STEM课堂不同阶段中的作用。研究由Yayun Gong等人开展,采用AI课堂观察方法,覆盖STEM与非STEM两类课堂。
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。
一项混合方法研究探讨了生成式AI支持的写作项目对小学生写作动机、投入与表现的影响。该研究发表于 Learning and Instruction 第106卷,作者为 Qi Lu、Minhong Wang、Yuan Yao、Xinhua Zhu、Longhai Xiao 与 Hongbiao Yin。
《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。
研究通过两项经典经济博弈的规范 elicitation,比较人们对替自己行事的人类与大语言模型是否适用不同规范。作者为 Paweł Niszczota 与 Elia Antoniou,论文发表于 Journal of Experimental Social Psychology 第 127 卷(2026 年 11 月)。
一项发表于 Behaviour Research and Therapy 的研究用可解释机器学习预测 MBSR(正念减压疗法)后的正念效果,作者为 Luis Javier Herrera 与 Pablo Roca。该研究旨在推动"精准正念",即识别哪些人更可能从 MBSR 中获益。
一项范围综述结合LLM辅助聚类,梳理了心理治疗中的过程研究。该综述发表于Clinical Psychology Review,作者包括Stefan G. Hofmann等。
《American Journal of Psychiatry》刊文提出,人工智能可作为精神医学自适应闭环神经调控的计算框架。文章发表于该刊第183卷第10期,页码734-742。
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。
自适应神经调控通过响应具有临床意义的神经生理与行为变化,为个体化精神科治疗提供路径,其临床先例是癫痫的响应性神经刺激和运动障碍的自适应脑深部刺激。精神障碍症状异质、跨多个时间尺度演变且只能通过有噪声的不完整测量间接观察,人工智能可提供数据驱动组件,连接多模态感知、患者状态推断、治疗反应预测与受限的治疗调整。
一项发表于 Nature Human Behaviour 的研究发现,在在线请愿平台引入 AI 后,请愿文本的产出发生变化,但请愿结果并未改变。研究采用双重差分等方法分析平台数据,并引用生成式 AI 降低集体内容多样性的既有证据。
Franch 等人的研究显示,人海马神经元通过分布式、依赖语境的群体活动编码我们听到的词语含义,这种活动模式与大型语言模型的某些特征相似。该结果发表于 Nature Neuroscience,提示海马语义表征具有群体编码的特点。
一项横断面研究对 SPEAK-SAFE 研究中 110 次心理治疗会谈的转录文本进行分析,用 Qwen3-32B 大语言模型按改编的 C-SSRS 编码自杀相关话语,并构建加权有向类别转换网络。
赵等人利用高密度皮层脑电(ECoG)发现,想象言语与出声言语共享额顶叶的规划过程,而感觉运动编码具有模态特异性,并可稳健解码内部发音动态。该研究发表于 Nature Neuroscience,为言语运动想象的神经机制提供了直接颅内证据。
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。
一项回顾性预测模型研究利用 Epic Cosmos 电子病历数据,纳入 322,879 名孤独症谱系障碍且共病心境或精神病性障碍的个体,仅用前一次就诊及之前可获得的信息预测下一次就诊时的自杀未遂。
一项发表于 Developmental Science 的计算建模研究提出“自我先验”(self-prior)密度模型,在基于自由能原理的主动推理框架下,让智能体仅凭内在过程自发产生目标导向行为。该机制通过最小化过去多模态感觉经验与当前观察之间的失配来生成行为参照,类似身体图式的习得与运用。在模拟环境中,智能体自发向触觉刺激(贴纸)伸手,无需外部奖励。
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。
一项预注册研究将828名成人随机分配到数字单次干预(SSI)或等待名单,并用机器学习方法开发针对该干预的治疗匹配算法。作者指出,部分数字单次干预对抑郁似乎有效,至少对青少年如此,但并非所有人都能获益,因此尝试用算法识别更适合该干预的人群。研究使用的干预为Common(原文截断)。
推荐理由:研究用机器学习为数字单次干预匹配适合的抑郁患者,提示个性化分配可能改善心理治疗的可及性。
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。