当心理学拥抱人工智能：赋能、边界与平衡之道

心理学专家邢国良教授近日指出，AI在心理健康领域的最大潜力在于降低服务门槛，提供陪伴和初步建议，但AI不会成为治疗者，而应定位为“陪伴者”角色。

根据美国心理学会2025年发布的从业者调查报告，过去一年中超过一半的心理学家在实践中尝试使用了AI工具辅助工作，这一比例从2024年的29%显著提升至56%。

值得注意的是，虽然使用率上升，但心理学家对AI的担忧同样增加：高达92%的专业人士对AI工具在心理学领域应用表示担忧。

最常被提及的忧虑包括数据泄露风险、社会潜在危害、输入输出中的偏见问题以及输出不准确或出现“幻觉”的可能性。

在应用类型上，当前心理学家的AI使用主要集中在行政辅助层面：协助撰写电子邮件（52%）、生成内容（33%）、总结临床笔记或文章（32%）以及记笔记（22%）。

年轻群体的心理服务危机

心理健康服务需求正在全球范围内迅速增长，尤其在年轻群体中表现突出。在英国一项对1991-2005年间出生人群的追踪研究中，结果显示了一个严峻趋势。

1991年出生的人群中，仅5.8%在成年前接受过儿童和青少年心理健康专科服务。而到了2005年出生的人群，这一比例急剧上升至20.2%。

这意味着在不到20年时间里，英国年轻人在18岁前寻求专业心理服务的比例增长了近4倍。

爱丁堡大学研究负责人伊恩·凯勒赫教授指出，这一数据清晰展现了心理咨询需求特别是青少年群体的激增。他同时强调，与肿瘤科或心脏科服务不同，儿童和青少年心理健康服务领域的研究和评估还远远不够。

从“数字听诊器”到多模态评估

在临床实践中，AI技术正逐步成为心理学家的“数字听诊器”。武汉大学精神卫生中心主任王惠玲教授描述了精神科诊断的难点：“我们医生的特点是，不能一眼看到症状，得医生去挖掘才能找到这个点。”

她提到一个案例：一名抑郁症患者对着镜子练习“标准化微笑”，连专业医生都看不出他是抑郁症患者，觉得他的笑是发自内心。

多模态AI系统正尝试解决这一难题。通过融合脑机接口、生理数据与行为分析，一些前沿系统能够实时采集脑电、心率等多模态生理数据，结合情绪评估模型，精准识别多种基础情绪。

技术上，这类系统实现了“生物智能感知+多模态自适应AI核心+生成式深度场域空间”的完整技术体系，构建了情绪采集、评估与干预的实时闭环。

普惠化愿景与技术缺陷

AI心理健康应用的核心价值在于降低服务门槛，使更多人能够获得及时的心理支持。专业心理治疗资源紧缺问题持续存在，在很长一段时间里，心理援助可以说是属于少数人的“奢侈品”。

IEEE数字金融与经济标准委员会专家委员胡凝认为，AI的“非人类”身份在某些情况下会成为独特优势，让某些患者放下对同类的戒备心理，更容易建立信任和沟通。

但另一方面，当AI从“博学的助手”尝试扮演更积极角色时，其固有的技术缺陷便暴露无遗。幻觉问题是当前AI行业公认的隐忧。

在心理健康领域，机器的幻觉比人的幻觉更难察觉，因为它披着理性的外衣。一旦出现理解偏差，可能导致误导性建议甚至造成心理伤害。

从通用走向专精

当前AI心理应用大多基于通用模型，它们擅长语言处理，却看不懂表情、语气、姿势，也缺乏长期记忆能力。

这些系统无法知道用户情绪在昨天是怎样的、今天为何不同，而这恰恰是心理健康评估中最关键的线索。从通用走向专用，已成为产业的现实选择。

邢国良认为，当前模型往往只能处理用户明确表达的资讯，对语气、行为、表情等复杂语境感知不足。同时缺乏长期记忆能力，无法形成持续的心理画像；在文化和成长背景的理解上也不够敏感。

未来的心理健康AI需要是“多模态+多源感知+用户可控”的系统。这意味着AI需要与穿戴设备、端侧传感器、生理和行为数据融合，同时尊重用户对个人数据的控制权。

规范发展的国家框架

2025年11月，国家卫生健康委等五部门联合印发了《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，为AI在心理健康领域的应用提供了政策框架。

《实施意见》提出了两阶段目标：到2027年，要建立一批卫生健康行业高质量数据集和可信数据空间，形成一批临床专病专科垂直大模型和智能体应用。

到2030年，基层诊疗智能辅助应用基本实现全覆盖，推动实现二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等人工智能技术应用。

值得注意的是，该文件专门强调了要“强化公众心理问题智能监测服务，以学生为重点，提供心理问题智能筛查、预警推送、干预服务和随访分析”。