人工智能（AI）与心理学的交叉融合，突破了单一学科的传统边界，形成了三种互补的研究范式：AI赋能心理学（AI for Psychology）、AI与心理学双向互构（AI and Psychology）、心理学赋能AI（Psychology for AI）。三种研究范式共同构成人工智能心理学“能用、有用、好用、爱用”的学科属性，体现在心理测量与评估、咨询与辅导、教育与训练、人智交互等行为场景的创新应用中。

　　AI赋能心理学：助力工具革新

　　AI赋能心理学是指将AI技术（如机器学习、自然语言处理、大语言模型、严肃游戏）应用于心理学研究、实践与教育，通过数据驱动的方法提升心理评估的客观性、干预的有效性及理论的创新性。其本质是通过“技术赋能”解决传统心理学在评估主观性强、干预标准化不足与理论验证效率低等方面的困境，以工具革新增强心理学研究的效度。

　　该范式包含三个层级的技术应用，一是基础层，利用AI算法处理多模态心理数据；二是应用层，开发智能评估工具（如抑郁风险预测模型）、自动化干预系统（如CBT聊天机器人）；三是理论层，通过仿真模拟与大数据分析验证心理学理论（如用强化学习模拟人类决策机制）。

　　在智能评估领域，使用多模态情感计算替代传统自评量表，通过语音、文本、脑电等多模态数据的采集、预处理与算法建模，实现评估工具的客观化。例如，在心理健康普筛、自动化面试、抑郁症早期辅助诊断等场景中，相关技术已具备更高的准确率与鲁棒性。

　　在精准干预领域，使用个性化数字疗法优化干预过程，依据个体差异（如认知负荷、情绪状态）动态调整干预策略。例如，聊天机器人在短期治疗中能够缓解抑郁和焦虑症状；笔者课题组研发的《心灵之眼》严肃游戏能够有效缓解青少年的抑郁情绪。

　　在人机协同领域，使用“以人为中心”的可解释AI（X-AI）设计，构建“人类主导—AI辅助”的决策模式，追求任务效率与信任伦理的平衡。例如，自主驾驶通过界面设计增强用户对AI的信任机制，助力我国电动车企从“辅助驾驶”向“智能生态”升级。CloudResearch平台可智能筛选高质量MTurk用户数据，提升心理学实验的可靠性。

　　该范式通过技术赋能实现了心理学研究的普惠化与精准化，但在AI算法可解释性、AI决策透明度、AI脑智启发能力、AI的跨文化与价值对齐能力等具体技术迭代方面仍需深入探索。未来需建立跨学科治理框架，平衡技术创新与人文关怀，推动心理科学的范式革新。

　　AI与心理学双向互构

　　AI与心理学双向互构是指人工智能技术与心理学理论在方法论、认知模型与伦理框架上的双向建构过程。其本质体现为方法对称、模型互嵌与伦理共建上，心理学实验范式（如双盲对照）可优化AI训练，AI仿真技术（如虚拟现实）能验证心理理论；既可以将心理学概念编码为AI模块，也能用AI模拟人类认知机制；心理学对人类价值观的理解可约束AI的道德设计，而AI面临的伦理困境又能反哺心理学对道德判断的研究。

　　该范式包含两个层级的交叉融合，一是工具层，用心理学实验数据训练AI模型（如用问卷数据优化推荐算法）；二是理论层，AI的认知架构（如神经人工智能）启发心理学对心智机制的解释（如将Transformer视为分布式认知模型）。

　　传统心理学依赖实验控制与理论推演，而AI依赖数据驱动与算法优化。该范式打破了这一单向关系，通过方法论互鉴与理论共生，推动两个领域的范式革新。方法论互鉴通过跨学科方法提升研究效度与创新性。例如，以焦虑干预为目标的虚拟现实暴露疗法，既通过虚拟现实技术构建了生态效度场景，又依赖心理学理论（如具身认知）指导内容场景设计。理论共生通过构建跨学科理论框架解释人机交互本质。例如，生成对抗人工智能（GANs）可模拟人类创造力，但其训练数据需依赖心理学对艺术创作规律的理解；强化学习算法中的“探索—利用”权衡机制与心理学决策理论（如前景理论）形成了理论映射。

　　该范式通过双向互构打破了传统学科边界，其核心价值在于实现理论深化与方法创新。AI认知架构为心理学提供新认知计算的解释模型，心理学理论则为通用人工智能研发提供启发设计。未来在跨学科理论融合、人机共生模型、具身智能、动态伦理框架等方向探索时，需警惕“技术还原论”陷阱，避免将心理现象过度简化为AI可计算变量，以防止心理学理论被错误或肤浅解读。

　　心理学赋能AI：

　　助力AI更聪明、更向善

　　心理学赋能AI是指以心理学理论为基石，通过认知建模、伦理设计与交互优化，推动AI从“功能工具”向“类人伙伴”转型。其核心目标是通过模拟人类的感知、记忆、决策等认知过程，识别并响应用户的情感需求，遵循人类价值观与道德规范，赋予AI类人的认知能力、情感理解与社会适应性。

　　与传统AI的“数据驱动”模式不同，该范式强调“理论驱动”，通过心理学对心智机制的解释，解决AI的“黑箱”问题与伦理风险。其包含三个技术层级，一是认知层，基于心理学理论（如工作记忆模型、双过程理论）构建AI的认知架构；二是情感层，通过情感计算技术实现情感交互；三是伦理层，将人类道德准则（如公平性、责任原则）编码为AI的决策约束。

　　在认知建模领域，通过心理学认知理论优化AI的信息处理能力，模拟人类心智机制。例如，在AI的认知架构编码中，将人类的工作记忆容量限制（如“7±2”法则）嵌入AI注意力模块，可优化提升信息筛选效率；将人类强化学习（如试错反馈）的学习机制迁移应用，优化AI策略更新过程。

　　在人机交互领域，通过社会心理学理论（如具身认知、社会学习）优化AI的交互自然性，提升其社会适应性。例如，Meta研发的“虚拟社交伙伴”基于社会渗透理论（即逐步自我暴露）设计交互逻辑，显著提升了用户在虚拟社交中的参与度。

　　在伦理价值领域，通过心理学对道德判断的研究，为AI嵌入人类价值观约束，防止AI出现“价值偏离”。例如，将康德义务论（强调规则）与功利主义（强调结果）编码为AI的决策权重，研发道德推理模块；开发偏见修正算法，通过心理学实验识别AI的隐性偏见，并通过对抗训练消除此类偏见。

　　该范式通过心理学理论的深度赋能，试图解决AI“理性有余、人性不足”的问题。其核心价值体现在三个方面：一是认知升级，模拟人类心智机制提升AI的复杂任务处理能力；二是伦理可控，通过价值观约束降低AI的技术风险；三是交互自然，增强人机情感共鸣，推动AI从“工具”向“伙伴”转型。同时需要注意的是，AI系统可能无意识继承人类社会的偏见与歧视，因此心理学研究需提供更加细致的偏见修正机制，避免AI出现“偏差学习”。未来需进一步加强类人心智系统、跨文化心理模型、自适应价值对齐等方向的研究，持续推动“AI更向善”。

　　三大研究范式

　　共同推动学科进步

　　三大研究范式在目标导向、范式创新、技术介入层面存在显著差异。AI赋能心理学聚焦问题解决，依赖数据算法驱动，以工具属性解决心理科学难题；AI与心理学双向互构追求人机混合认知模型等范式创新，侧重混合方法，以知识属性构建新兴研究方向；心理学赋能AI强调理论转化，需通过认知计算建模实现，以价值属性推动人工智能更协同。从心理学的学科目标来看，三大研究范式都有益于人类幸福、社会美好、国家富强与人类命运共同体构建，这种“迈向人民”的心理学发展方向，要求以更加开放、开源的思维推动人工智能与心理学的技术融合、思维整合与能力汇合。

　　值得注意的是，三大研究范式并非独立存在，而是互相协同，共同推动学科进步。AI赋能心理学为AI与心理学双向互构提供基础数据与技术积累；AI 与心理学双向互构推动心理学赋能AI的认知模型与伦理框架走向成熟；心理学赋能AI又反过来促进AI工具的持续升级，形成良性循环。

　　从更宏观的视角来看，三大研究范式分别对应人工智能心理学的三种研究类型：基于人工智能的研究、融于人工智能的研究和源于人工智能的研究。AI赋能心理学是“基于人工智能的研究”，将人工智能作为研究人心理和行为的工具和方法；AI与心理学双向互构是“融于人工智能的研究”，探讨人工智能技术中个人和群体的独特心理与行为规律；心理学赋能AI是“源于人工智能的研究”，依据传统心理学视角考察人工智能使用对心理和行为的影响。

　　综上，“看得见、摸得着、用得上、靠得住”的人工智能心理学研究将成为这一新兴交叉学科的使命初心，AI赋能心理学解决效率与规模问题，AI 与心理学双向互构推动学科范式革新，心理学赋能AI塑造人性化AI，三者共同推动新理论知识、新技术工具与新应用产品的系统输出。

　　（作者系清华大学深圳国际研究生院教授、深圳市人文社科重点研究基地计算民生幸福研究中心负责人；清华大学心理与认知科学系教授）