人工智慧的發展對未來心理學套用型研究會有什麽影響？

人工智慧可以在心理學的一個子領域： 心理健康 領域發揮較大的作用。

有關AI與心理健康的文獻在逐年上升，從下圖可以看出最早關於AI與心理健康的文獻出現在1985-1989年間，之後相關文獻量逐漸上升。在2015至2019年間，AI與心理健康相關的文獻增長 速度大幅增加 ，這些數據都反映了心理健康亟需AI技術輔助的趨勢。隨著醫療保健數據可利用性的提高和分析技術的快速發展，AI正在給醫療保健領域帶來 研究範式的轉變 。

聊天機器人

心理健康領域利用先進技術幫助有需要的病人，聊天機器人(chatterbot)就是一個例子。聊天機器人是經由對話或文字進行交談的電腦程式。在心理健康領域，聊天機器人是 允許使用者獲得治療或情感支持服務的程式 。它已經被用於難民群體的心理支持，並經常使用 認知行為治療 (CBT)原則。史丹佛大學的Woebot 計畫為抑郁、焦慮的大學生提供服務，它提供「情緒跟蹤」服務以改善情緒癥狀，並可以與使用者進行文本對話。

虛擬伴侶

聊天機器人能夠表達情感並與人類使用者對話，如 虛擬家庭寵物 這樣的虛擬伴侶可以促進人們的心理健康並幫助人們 應對孤獨感 。這些虛擬形式可以出現在視訊螢幕上，也可以是動物或類人機器人的形式。動物機器人伴侶來已經可以為 癡呆癥 患者提供治療。就像AI增強型視訊遊戲一樣，AI使這些人工陪伴者更加栩栩如生、更具互動性，並且能夠執行適應患者需求的活動。

治療性電子遊戲

電子遊戲可用於精神保健目的，例如技能培訓、行為建模、治療分散註意力等。其治療益處包括 增加患者的參與度 以及改善對治療的依從性。治療性電子遊戲還可以 幫助青少年提高自信心和解決問題的能力 。AI技術已經出現在許多商用電子遊戲中，並且最近已套用於線上和社群網路遊戲。AI和機器學習技術套用於電子遊戲後，增強了遊戲的真實感，使遊戲變得更有趣、更具挑戰性和娛樂性。

AI技術還有助於使遊戲根據患者的需要進行客製，即可用於指導遊戲玩法，以便 患者在特定領域練習所需技能 ，或者患者可以透過遊戲或其他虛擬環境如【第二人生】中的虛擬智慧代理進行指導。Brigadoon是【第二人生】中的虛擬環境，專為 自閉癥譜系障礙 患者設計，該環境允許使用者與遊戲中的化身進行互動，以 在非威脅性環境中學習與練習社交技能 。

除了使用虛擬現實技術的 分級曝光療法 外，2D視訊遊戲還可以用於 治療焦慮 。一種基於生物反饋的2D遊戲「Relax to Win」用於治療患有 廣泛性焦慮障礙 的兒童。電子遊戲還能針對 蜘蛛恐懼癥 、 高度或封閉空間進行成功的分級暴露試驗 。可以透過虛擬現實駕駛遊戲來減少發生事故後對 駕駛的恐懼 。透過虛擬現實進行的分級曝光已被套用於 對飛行的恐懼 和 對高度的恐懼 。

盡管人們對新技術產生了濃厚的興趣，但某些研究表明，虛擬現實治療 可能不如傳統方法有效 。例如，有研究者將傳統12個階段的恐慌控制程式與使用虛擬暴露的實驗治療進行了比較，發現實驗治療的結果在六個月後明顯落後。

針對 多動癥 (ADHD)兒童的電子遊戲治療已經引起了很多關註，因為許多孩子通常無法抑制其多動癥，但他們在玩電子遊戲時卻能抑制。患有ADHD的6-12歲男孩在玩有認知性的冒險遊戲時，表現比對照組差，在實驗室外的路線任務上表現更差。但在上不涉及高工作記憶或分心任務的動作技能遊戲上，患有ADHD男孩的表現更好。

以上的例子都說明治療性電子遊戲已經是治療性套用的一種成熟手段。

自殺風險預測系統

全世界每年有80萬人死於自殺，每次自殺的背後還有超過20次的自殺未遂。早期發現和治療被認為是預防自殺念頭和潛在自殺企圖的最有效方法。線上交流渠道正在成為人們表達自殺傾向的新途徑。透過 分析使用者的語言偏好和推播的主題 ，可以發現豐富的知識並將其用作 檢測自殺傾向的預警系統 。自殺者會表現出強烈的消極情緒、焦慮和絕望。自殺念頭可能涉及家人和朋友，討論的主題涵蓋個人和社會問題。

實驗研究證明了該方法的可行性和實用性，並為活躍的線上平台Reddit SuicideWatch和Twitter上的自殺意念檢測提供了基準。有學者在TF-IDF( frequency-inverse document frequency )上套用邏輯回歸和SVM，在Twitter上開發了 自動自殺檢測功能 。

Facebook可以用站點的即時訊息與使用者溝通情緒，提供對使用者行為模式的見解並提供個人化建議。這些程式可以在任何時間存取，並且可能包括如 情緒追蹤 、 每日簽到 和 心理教育 等功能。這些基於機器學習的Facebook套用在 每次與使用者的對話中都會更了解使用者 ，甚至可以研究使用者的語言模式、面部與肢體語言、眼球運動來 評估心理障礙水平 。如果檢測到自殺威脅，該套用可發訊號請求人為援助。AI對話程式具有很高的可用性，並且因其使用者適應的內容與情感反應而廣受好評。

盡管基於AI的自殺預測有可能在拯救生命的同時提高人們對自殺的理解， 但它卻帶來了許多尚未被充分挖掘的風險 ，包括對精神疾病患者的汙名化，將敏感個人數據轉移給第三方如廣告商等。

產後抑郁癥預警系統

Twitter上的 負面情緒語言 已被證明與美國官方自殺統計數據有較高的相關性。透過使用短語（Announcing the birth of a new baby boy...）從公開的Twitter數據中自動辨識嬰兒出生資訊，然後 分析出生前後新媽媽的Twitter流特征 ，調查了新媽媽的 產後抑郁癥 經歷。

結合使用機器學習技術和分析產前行為模式，可以預測出 產後情緒和行為變化 ，準確率達到71%。

參考文獻：

1. Fitzpatrick, K. K., Darcy, A., & Vierhile, M. (2017). Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot): A randomized controlled trial. JMIR mental health, 4(2), e19. https:// doi.org/10.2196/mental. 7785
2. Shibata, T., & Wada, K. (2011). Robot therapy: A new approach for mental healthcare of the elderly - A mini-review. Gerontology, 57(4), 378-386. Robot Therapy: A New Approach for Mental Healthcare of the Elderly – A Mini-Review
3. Sharry, J., McDermott, M., & Condron, J. (2003). Relax to win treating children with anxiety problems with a biofeedback video game. Eisteach, 2, 22-26.
4. Robillard, G., Bouchard, S., Fournier, T., & Renaud, P. (2003). Anxiety and presence during VR immersion: A comparative study of the reactions of phobic and non-phobic participants in therapeutic virtual environments derived from computer games. CyberPsychology & Behavior, 6(5), 467-476. https:// doi.org/10.1089/1094931 03769710497
5. Walshe, D. G., Lewis, E. J., Kim, S. I., O'Sullivan, K., & Wiederhold, B. K. (2003). Exploring the use of computer games and virtual reality in exposure therapy for fear of driving following a motor vehicle accident. CyberPsychology & Behavior, 6(3), 329-334. https:// doi.org/10.1089/1094931 03322011641
6. Rothbaum, B. O., Hodges, L., Smith, S., Lee, J. H., & Price, L. (2000). A controlled study of virtual reality exposure therapy for the fear of flying. Journal of Consulting and Clinical Psychology, 68(6), 1020–1026. https:// doi.org/10.1037/0022-00 6X.68.6.1020
7. Emmelkamp, P. M. G., Krijn, M., Hulsbosch, A. M., de Vries, S., Schuemie, M. J., & van der Mast, C. A. P. G. (2002). Virtual reality treatment versus exposure in vivo: A comparative evaluation in acrophobia. Behaviour Research and Therapy, 40(5), 509-516. https:// doi.org/https://doi.org /10.1016/S0005-7967(01)00023-7
8. Wilkinson, N., Ang, R. P., & Goh, D. H. (2008). Online video game therapy for mental health concerns: A review. International Journal of Social Psychiatry, 54(4), 370-382. https:// doi.org/10.1177/0020764 008091659
9. Ji, S., Yu, C. P., Fung, S.-f., Pan, S., & Long, G. (2018). Supervised learning for suicidal ideation detection in online user content. Complexity, 2018, 6157249. Supervised Learning for Suicidal Ideation Detection in Online User Content
10. De Choudhury, M., Kiciman, E., Dredze, M., Coppersmith, G., & Kumar, M. (2016, May). Discovering shifts to suicidal ideation from mental health content in social media. Proceedings of the 2016 CHI conference on human factors in computing systems (pp. 2098-2110).
11. O'dea, B., Wan, S., Batterham, P. J., Calear, A. L., Paris, C., & Christensen, H. (2015). Detecting suicidality on Twitter. Internet Interventions, 2(2), 183-188. https:// doi.org/10.1016/j.inven t.2015.03.005
12. De Choudhury, M., Counts, S., & Horvitz, E. (2013, April). Predicting postpartum changes in emotion and behavior via social media. Proceedings of the SIGCHI conference on human factors in computing systems (pp. 3267-3276). https:// doi.org/10.1145/2470654 .2466447
13. Fonseka, T. M., Bhat, V., & Kennedy, S. H. (2019). The utility of artificial intelligence in suicide risk prediction and the management of suicidal behaviors. Australian & New Zealand Journal of Psychiatry, 53(10), 954-964. https:// doi.org/https://doi.org /10.1177/0004867419864428
14. Graham, S., Depp, C., Lee, E. E., Nebeker, C., Tu, X., Kim, H. C., & Jeste, D. V. (2019). Artificial Intelligence for Mental Health and Mental Illnesses: an Overview. Current Psychiatry Reports, 21(11), 116. https:// doi.org/10.1007/s11920- 019-1094-0