追问观察丨情感聊天机器人可以像人一样聊天吗？“人工智能与精神健康”国际论坛追问解答

未来，我们应该优先最大化模型的预测表现还是最大化理解机制特异性？

——Simon Eickhoff教授

德国于利希研究中心神经科学与医学

大脑与行为研究所

@耿海洋

这个问题可以进一步延伸和拆解为以下问题：1. 如何最大化预测表现？2.如何最大化我们对机制的理解？

关于第一个问题，最大化预测表现可以从三方面考虑：第一，寻找有用的数据模态；第二，增大样本量和样本多样性；第三，开发更优的算法。目前机器学习和深度学习的算法已经很前沿，着重在第一点和第二点上进行突破。针对前两点，应该做好问题范围的限定，尽量在理论和对疾病的临床经验的理解上，去寻找有用的数据模态和数据特征，这离不开对机制的理解。

那么如何最大化对机制的理解呢？我们应该建立系统化的知识图谱，让对机制的理解可以累积迭代。回答这个问题本身，我们应该给这个问题加上限定才有意义。比如在中国，五年内可以让AI真正帮助抑郁症的诊断和治疗？对于整个领域（国内），应该如何系统化的投入我们的资源？何时最大化资源在提高模型表现？目前的预测表现是什么？目前的表现不足以应用于临床吗？总之，在一定的范围限定内将大问题拆解为多个小问题探讨才具备实际意义。

如何提高情感聊天机器人拟人化程度？

——黄民烈教授

        清华大学

@耿海洋

新一代的自然语言处理（Natural Language Process，NLP）对话系统，利用生成式预训练（Generative Pre-Training,GPT）超大数据模型可以让对话更智能、对话质量更高，从而让个体明显感觉到聊天机器人更加人性化。

最新的chatGPT加入了大量的人工反馈和强化学习技术，让机器智能结合了人类智能，这两者结合可能促使聊天机器人向智能化方向更好地发展。

行为举止包括语言、语音、动作等，为什么可以帮助识别抑郁症？

——朱廷劭研究员

中国科学院心理研究所

@陈骥

目前精神障碍的诊断和评估依赖症状学，即表现型。语言、语音，和动作都是表现型。抑郁症患者时常吐露消极的语言（沮丧、绝望、恐惧、焦虑），表达负面的情绪以及对世界的悲观认知，这些在咨询师或临床医生的访谈过程中可以较为明显地被感知。

同时，不难观察到抑郁症患者的行为活动减退，常伴随坐立不安或反应迟钝，对事情表现漠不关心，逃避现实；这些语言和行为具有特征性，与健康人群具有差异性。近年研究采用自然语言处理的方法对近700句具有自杀危机倾向的会话进行分析，建立危机相关的“知识图”语料库，训练深度学习模型，通过在线咨询系统模块检测自杀风险，可以获得与专家评估相近的预测性能(敏感度：0.87)。综上，行为（语言/语音/动作）可以用来提示或识别抑郁症。

能不能利用核磁共振脑影像回路定量法来预测自杀风险？

——徐一峰教授

国家精神疾病医学中心上海市精神卫生中心

脑健康研究院

@陈骥

此前功能磁共振成像研究中发现，具有自杀企图的个体具有默认模式网络功能活动异常，默认模式网络内部功能连接，其与双侧前额叶网络和基底神经节网络的功能连接，以及额叶-边缘系统，额-顶-小脑的神经环路在不同研究中均被报导与自杀行为有关；具有自杀倾向的个体在完成动态风险决策的任务时，相对于无自杀倾向个体，在岛叶和背外侧前额叶的激活异常。同时，基于在呈现与死亡相关的词汇时参与者大脑核磁共振的激活参数，先前研究准确地预测了是否报告有自杀想法的个体（准确率为91%）。另外，在精神分裂症中具有自杀风险的患者同样呈现默认模式网络和凸显网络功能连接的异常，并可通过机器学习模型与无自杀风险患者进行区分，准确率约70%。

综上，先前研究提示，基于磁共振脑影像的神经回路定量测定具有预测自杀风险的潜在效力，但不同研究间的结果仍然存在不一致性，预测准确率的差异明显。因此，在应用磁共振脑影响数据进行自杀风险预测的应用时，需要采集大样本量的数据鉴别稳健的可预测神经环路，同时在应用端还要解决磁共振设备和扫描问题，数据标准化分析流程和程序软件开发等问题。

临床追求精准化的个体治疗，如何将建模与个体的精准治疗结合在一起？

——仇剑崟教授

国家精神疾病医学中心上海市精神卫生中心

上海交通大学医学院

@李瑛

建模可以理解为一种自上而下的理论策略，这种策略为临床治疗决策提供了新的路径。建模可以摆脱传统的“经验策略”，因此克服了精神科医生“临床经验”的主观性，增加了治疗方案选择的客观性。在强调个体化的精准治疗的今天，建模还可以帮助临床医生综合考虑各种治疗方案，权衡治疗方案的优劣，可以说，建模的策略其实是将临床决策变得更加“量化”和“可计算”，让我们清楚地看到各种可能的治疗方案的优劣，而不是“经验大脑”的直接判断。

但是，完全依靠模型来进行临床决策，当下可能时机不成熟。即使如今脑科学迅猛发展，精神疾病的脑机制仍然是一个“未解之谜”，这就决定了模型可能仍然需要继续“进化”，而模型进化的优劣决定了这种策略的重要性和必要性。因此，我们需要将“经验大脑”与“模型大脑”进行融合，相互辅助、相互促进，融合成为基于模型的经验大脑，进而为患者的个性化精准治疗提供新的架构。

单一的模型是不可能有效拟合高级生物千百年来用于适应环境的复杂生存本能行为的。如何建立遵循同一个计算原则，可反映个体根据不同环境复杂度在不同层次、不同效率的决策策略灵活选择的数学模型？

——王湘教授

中南大学湘雅第二医院

@谢涵博

这个问题非常好也非常难，尽管目前尚无法直接正面回答这个问题，但可以根据此问题探讨潜在的探索路径。计算认知神经科学家David Marr曾提出三层级分析原理（Three-level’s analysis），认为我们应当从“计算-算法-实现”三个层面去理解智能体的行为。计算层代表了某一个行为所要实现的目标，算法层则代表了该目标的实现路径，而实现层代表了实现的具体方法。

高级生物已经具备在复杂环境中适应生存并加以发展的能力，然而我们却无法直接对其行为进行建模。根本原因在于计算层中目标的定义尚不明确。生物行为的目标之一肯定是包含了生存和繁衍的，然而到了高级动物当中，比如人类，生存和繁衍不再是唯一的行为驱动目标。比如马斯洛需求理论指出，安全、社交、尊重和自我实现也是人的重要需求。然而目前缺乏有效且达成共识的，对这些目标做出定义的理论。

近年来已经有一些理论从计算层面去尝试涵盖人类行为的本质目标。比如Karl Friston提出了著名的自由能原理（Free-energy principle，也被熟知为主动推理，active inference）。在他的理论中，他将人的认知假设为是做贝叶斯推断，因此所有的行为、认知都朝着最小化自由能的方向去发展和适应。自由能可简单的理解为是一种内在信念和外在观察的差异。该理论目前仍在发展和在更为具体的层面上验证过程中。

再比如，强化学习理论奠基人Sutton和Barto在2021年和同领域内的专家一起写了一篇题为“reward is enough”的文章，文中提出奖励可以作为智能体行为唯一需要具备的东西。智能体所有的行为都可以由奖赏来引发和学习。然而这个理论尚未定义清楚，奖赏来源于何处。在该理论中，奖赏所赋予的目标是需要外在定义的（对于AI来说就是人给他定义目标），是该理论的一个前提条件，这显然还是没有解决计算层涉及到的问题。因此在计算层中，领域内尚未出现达成共识、有效的对行为目标进行定义的理论框架，离问题中的“同一计算原则”还有较大差距。这个问题只有当计算层原理实现统一以后才能够开始具备讨论“如何根据不同情景建立不同特点模型”的条件。

不过在一些局限的框架内，比如对于复杂环境中如何学习并寻求最大化奖赏，这个问题可能有一定的路径去思考。这个时候我们可以将“同一计算原则”限定在非常小的范围和情景内。事实上已经有一些研究指出，人类的行为在不同情境下可能会有非常大的差异，导致无法用单一理论去全面覆盖。比如Thomas Griffths课题组在2020年发表在Science上的文章，对风险决策问题进行了系统性的研究。所谓风险决策，即在不确定性情境下面对不同的概率和收益做出选择。风险决策的研究持续了将近80年，从最早冯诺依曼提出的期望价值理论，到80年代丹尼尔·卡尼曼和阿摩司·特沃斯基提出的诺奖级理论“前景理论”，再到后面其他的理论对这些理论的进一步完善和改良。Thomas Griffths课题组则通过过大数据（约100万人次的选择数据和1万多个风险决策问题），将以往的理论用神经网络的编码表示出来，再放入到数据中去训练。结果发现，情景依赖（context-dependent）的表现超出了所有的其他理论。而这个所谓的情景依赖理论则是按照完全原始的信息，未经任何理论的编码，直接作为输入放到训练过程当中的。这个结果表明，过往所有的理论都无法完全涵盖到整个风险决策领域的情景，也表明人的行为模式会随着情境的变化而发生变化。

由这篇文章所启发的，未来的一个关于人类行为研究的趋势很可能是传统的计算模型（理论驱动）和基于大数据的，以深度学习为代表的人工智能手段（数据驱动）相结合。一方面，理论驱动需要经过大量的观察、实证和思考总结才能得出，但另一方面也需要大数据，多维度数据的验证来确保理论拥有较强的鲁棒性和泛化性。因此，对于在算法层面上寻求多样化的数学模型来服务于某一个情景，可能是目前领域工作相对更容易达到的地方。

本次会议的主办方TCCI一直致力于通过支持全世界的高水平学术会议，推动脑科学领域的跨国界、跨学科交流。仅2022年，就在亚洲、北美、欧洲主办、资助了200多场学术会议，包括主办“面向大众的神经技术”国际论坛、“对话大脑”院士论坛系列、世界人工智能大会脑机接口主题论坛，与Science杂志合作主办“神经调节与脑机接口”主题论坛，资助欧洲神经科学学会联盟年度论坛、中国神经科学学会全国学术大会、国际认知计算神经科学大会、全球华人青年科学家认知论坛等。

人工智能与精神健康国际论坛

扫描二维码，观看会议回放

编辑：Aaron

审校：yunke

排版：Nora