Natural Language Processing Psychometrics
本文介绍了“NLP 心理测量学”（NLP Psychometrics），这是一个利用可解释人工智能和来自大语言模型生成的合成人格的网络特征，来高精度预测心理健康结果，同时明确识别出驱动这些预测的具体语言与心理因素的框架。
原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图仅通过倾听一个人的谈话来猜测他们的感受。长期以来，科学家们一直使用问卷调查——比如让某人按 1 到 10 分的等级来评价自己的悲伤程度——来衡量心理健康。但如果仅仅通过观察一个人“如何”说话就能了解他们的感受呢？这就是被称为“自然语言处理（NLP）心理测量学”这一领域的核心理念。请不要仅仅把语言看作是表达“我很悲伤”的一种方式，而要把它看作是一个人精神世界的复杂地图。就像一座城市有街道和社区的布局一样，我们的思想也有其结构。有些人的精神地图是紧凑且重复的，在同样的几条街道上循环往复；而另一些人的地图则是宽广且开放的，连接着许多不同的地方。科学家们也知道，我们的感受与我们选择的词汇以及我们注入其中的情感息息相关。大问题在于：计算机能否学会阅读这些精神地图和情感线索，从而在无需我们填写表格的情况下理解我们的内心世界？
这篇论文采用了一种大胆且聪明的策略来回答这个问题。研究人员并没有要求成千上万的真实人类去填写调查问卷并撰写文章（因为很难在一个大型数据集中找到这么多数据），而是构建了“认知数字影子”。他们选取了九个不同的 AI 模型（可以把它们想象成数字演员），并赋予它们特定的性格、背景和情绪。他们告诉这些 AI 演员：“你是一名 24 岁的学生，有着高度焦虑和低收入水平，”然后要求它们填写真实的心理健康问卷，并解释给出每个答案的原因。这些 AI 演员撰写了数以千计的解释，创造了一个庞大的文本库，其中每一个词都带有已知的“情绪”。
随后，研究人员利用这些 AI 生成的故事来训练一个计算机程序以识别模式。他们寻找两个主要特征：文本的“情感风味”（其中包含多少悲伤、快乐或恐惧）以及思想的“结构”（词语是如何相互连接的，就像一张网一样）。他们发现，在衡量生活满意度时，AI 需要了解这个人的经济状况和整体情绪。但对于衡量抑郁和焦虑时，金钱因素完全不重要。相反，计算机必须观察写作的“形状”。得分较高的抑郁者（或 AI 演员）写作的方式非常特殊：他们的思想就像一个星形的网络，少数几个悲伤的想法连接着许多其他词汇，但这些其他词汇之间并不互相连接。这是一种“反刍思维”的迹象——即陷入重复的负面想法中无法自拔。
最令人兴奋的部分是测试。研究人员将从 AI 演员那里学到的规则应用于真实的人类数据：即人们说话的实际录音，其中有些人患有临床抑郁症。他们并没有重新训练计算机，而只是让它进行猜测。结果成功了！计算机能够以惊人的准确度（对于抑郁症高达 68%）将抑郁患者与健康人群区分开来。这表明，AI 在其虚构故事中所发现的模式实际上存在于真实的人类言语中。然而，作者也谨慎地指出，这并非万能灵药。AI 模型无法取代真正的医生，而且该系统在处理抑郁症时表现最好，但在处理焦虑症时则稍显吃力。尽管如此，它证明了我们可以利用 AI 的“数字影子”来学习如何阅读人类精神世界的隐藏地图，将文字转化为理解我们心理健康的窗口。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。