为心理学解锁人工智能

                                                                       

关键点

  • 通过观察人工智能 (AI) 的成功,我们可以了解它如何应用于研究.
  • AI 在很大程度上依赖于深度学习,这种技术在拥有大量数据点(数百万而不是数千)时最为有效.
  • 深度学习在分析非结构化数据方面最为成功,例如图像中的像素或博客中的文字,而不是调查结果.
  • 人工智能可能会在使用移动传感器、社交媒体数据和大脑/生理测量的心理学研究中获得最大的好处.

下一代心理学研究是什么样的?

人工智能 (AI) 正在改变世界.很大程度上,这是因为科技公司使用它的所有方式. AI 支持面部识别(例如 Facebook 自动识别您发布的照片​​中的某人)、翻译(例如 Google 翻译功能)、语音识别(例如当您向 Alexa、Siri 或其他电子助手发出指令时)以及许多其他新兴服务.心理学家能否利用这项强大的新技术获得关于人们工作方式的新见解?

深度学习的作用

人工智能在解决企业实际问题方面取得更大成功的关键是一项特殊的技术:深度学习.深度学习在哪里可以帮助心理学家?首先,让我们考虑一下什么时候最成功.

深度学习是一种开发预测模型的方法,该模型在访问大量数据时会变得非常准确.这与心理学家使用的更典型的统计工具(如回归)形成鲜明对比.使用这些工具,您可以创建一个可以做出相当准确的预测的模型,但是在您收集了 1,000 个数据点之后,预测通常不会有太大改善.所以从 1,000 到 100 万个数据点并没有多大帮助.

但是,借助深度学习,随着使用越来越大的数据集(数百万个测量值!),预测会继续变得越来越准确.因此,深度学习是一种与最近的另一个流行词:大数据密切相关的技术.借助大数据(大量测量),您可以进行非常好的深度学习,这意味着计算机化系统可以解决非常复杂的问题(例如找出照片中的人).因此,心理学要充分利用深度学习,就需要拥有大型数据集.

深度学习在应用于“非结构化数据"时也特别成功.这意味着包含的每个测量都没有特定含义的数据.例如,对调查的每一个回复都是对某个问题的具体回答.但是图片中的每个像素都没有内在的意义.深度学习已经改变了处理图像的游戏规则,但不一定适用于分析调查.

因此,深度学习可能最适合用于与心理学相关的非结构化数据.这可能意味着分析数据,其中每次测量都是在大脑的一个特定部分的激活,或社交媒体数据,其中有数百万字写关于人们想要评论的任何内容.

最后,值得记住的是深度学习实际上做得很好:根据已经看到的数据进行预测.预测算法对于向客户交付特定产品的企业可能很有用,但它们在科学过程中的应用可能会更加细微.

心理学家可能想知道,您能否或多好地根据一组给定的输入(例如社交媒体上的内容或工作面试)预测结果(例如诊断或招聘决定).但他们也想知道它是如何工作的.是什么面试让你得到了这份工作?解释深度学习模型并非不可能,但它比解释更传统的统计模型要复杂得多.

鉴于深度学习在有大型数据集、数据是非结构化的且目标是预测时是最好的,这里列出了我预计 AI 可以为心理学带来巨大好处的地方:

  • 了解实验室外的日常生活: 移动传感器,如 Fitbits 或智能手表,是越来越常见的消费电子产品.它们允许收集巨大的数据集,而且这些数据是非结构化的——它涉及设备在空间中的毫秒级移动方式,或者某人的心脏连续几天和几周的跳动速度.此类数据可用于预测人们何时更愿意与朋友共度时光、何时愿意与朋友共度时光、个人的性格类型或个人何时可能陷入抑郁.
  • 了解(数字)文化变革:网络世界日益成为文化诞生、演变和发展的地方.与仅存在于人们日常生活中的面对面互动中的文化不同,这种数字文化(理论上)都可以被收集和分析.同样,这是非结构化的大数据(多年来的整个社交媒体网站)(无论人们决定发布什么).在这种情况下,预测模型可以代表稳定的文化.当某些事情很容易从以前发生的事情中预测出来时,我们就处于一个更稳定的文化时期.当下一个帖子、图片或视频更难预测时,这可能表明我们正处于文化转型期.
  • 了解身心联系:多年来,认知神经科学和心理生理学领域一直在研究特定的心理过程与大脑和身体过程之间的关系.例如,研究探索了压力与心率和血压的关系,或者某些大脑区域与观看面孔的关系.从某些类型的传感器收集数据——比如测量头皮电活动的脑电图帽——对研究人员(甚至消费者)来说变得越来越便宜和容易.这意味着收集越来越大的数据样本量将是可行的.鉴于这类研究通常也倾向于关注可以一遍又一遍地重复的简单任务(例如,让一个人在屏幕上寻找一个形状数十或数百次),已经有很多人这样做的例子那个具体的任务.同样,这是大的非结构化数据.在这里有用的是使用预测提出聪明、有趣的研究问题.这当然可以做到.例如,Stanislas Dehaene 及其同事使用脑电图记录来开发昏迷患者何时可能有意识的模型.
  • Deep Fakes for Deep Study Materials:深度学习的一个新兴研究领域是生成建模,其中模型不仅学会从示例中预测某些东西,而且实际上学会了创建新示例从它看到的那些.例如,可以教深度学习模型生成不存在的个人的真实头像,或生成特定风格的图像(例如,毕加索风格的肖像). Deep Fakes 允许视频将一个人的行为转化为对另一个人身体的模拟.尽管这对社会有潜在的可怕影响,但它允许建立心理学实验的全新方式.如果你想操纵一个人的感知年龄、性别或种族怎么办?在虚拟环境中,您可以.男人可以将他们的言语和行为映射到女人的身体上,他们可以体验到互动的不同之处.可以在说美国话的人身上加上英国口音,看看这会如何改变人们的看法.可以操纵以“非结构化方式"表达的各种社会信息,让我们更深入地了解社会过程.

本文简要介绍了心理学家如何考虑将深度学习用作研究工具.我在这里提供的只是一些指导你思考的启发式方法,因为你考虑人工智能可能对理解大脑有什么好处.如果这项技术被心理学所接受,未来几十年产生的见解将令人兴奋!

参考

                                               

大众心理健康网(www.dzxl120.com)
本文链接:https://www.dzxl120.com/post/287640.html

0
订阅评论
提醒
0 评论
内联反馈
查看所有评论