网络心理学未来分支——人工智能心理学

心理学从建立之初研究人类外在的行为表现到现在研究人类心理的本质——人类的大脑活动，其发展是伴随着科学技术手段的不断发展，从最开始的电生理记录到脑磁图（MEG）、脑电（EEG），再到现在最常见的核磁共振成像技术（fMRI）、近红外等，技术手段的发展帮助心理学科实现了飞跃式的发展，要知道从冯特1879年建立第一个心理学实验室标志心理学成为独立的学科，到现在才过去了141年。心理学研究最开始被称成为“黑箱子”研究，只能看到输入和输出，无法看到具体过程，现在通过fMRI成像技术，可以实时看到人在进行心理活动时大脑的活动情况，并进行实时神经反馈调节（real-time neurofeedback）。我认为，如果科学技术继续发展，或许像科幻电影一样，人类可以实现对心理活动的实时投影，那么心理学的研究就能够解决一些争议问题，更加的客观、科学。

在过去二十年里，心理学最热门也是发展最快的学科是认知神经科学，其由上世纪80年代兴起的认知心理学，结合生物医学技术和计算机科学，可以实现对大脑活动进行可视化的观测。在最开始，研究者采用fMRI技术，可以观察人在完成某种具体任务时，大脑的哪个脑区在活动，然后发展到研究在某个任务中，多个脑区的相互作用关系。而最近十年，脑网络分析则成为热门，将数学中的图论引入fMRI的分析，可以同时分析大脑所有脑区，甚至是单个体素之间的关系。这种对大脑复杂关系进行研究的课题引起了各国政府的高度关注，在美国、欧洲和中国，上马了基于大数据收集与分析的人类大脑功能连接组的项目，旨在通过全世界科学家的努力，探究大脑的奥秘。在fMRI数据分析方法上，目前和未来最前沿的方法是多体素模式分析,MVPA（multiple-voxel pattern analysis）,因为大脑在进行某种特定任务时，其活动情况往往是相对稳定的，MVPA将机器学习（Machine Learning）引入心理学，通过为机器提供可供学习的样例，机器学习之后，对大脑的活动进行模式识别。例如，把人在不同条件下看到杯子的大脑活动模式，或者不同人看到杯子的大脑活动模式提供给机器学习，当再次把新的未知的大脑活动模式提供给机器时，它能够识别出这个模式是杯子的大脑活动模式或者不是。只要学习的样例够多，机器也能像人类一样进行物体识别，学习新知识。

在未来，最时髦的心理学研究领域是与人工智能的结合，例如目前很热门的深度学习和神经网络，将计算机以人类心理活动的方式组织起来，模拟人类的高级认知能力，进行学习和思考。这其中涉及到诸多心理学的研究领域，感觉、知觉、记忆、推理、决策等。例如阿尔法go，一台“电脑”如何能够学会人类的如此复杂的围棋活动，并且在实际比赛中战胜世界冠军。这可不是存储成千上万的棋谱，然后通过检索就能达到的。需要对茫茫多的棋谱进行模式学习，还需要在实际对战中对实时的信息进行识别，并根据已学习到的“知识”，作出最优的判断，这对于人类来说都不是一件容易的事情，电脑要实验这个过程就更加的错综复杂，需要计算机科学，心理学、生物学等多学科的协作。大脑模式识别的另一个运用就是“脑机接口”，实验大脑和机器之间的互动。最常见的就是意念控制机械手臂。前不久，浙大的脑机接口团队实现了通过“意念”和可乐的“奇幻”操作。他们的脑机接口团队在截瘫患者的大脑中植入阵列电极，利用大脑运动皮层信号精准控制外部机械臂，实现用意念控制机械手臂完成进食、饮水和握手等一系列动作。要实验这样的过程，最关键的是要对各种“意念”的大脑活动模式进行准确地识别。首先对各种意念的活动模式进行学习，当在再次出现活动模式时，才能够进行准确的识别，从而对机械臂发出信号，实现各种意图。