共计 1316 个字符，预计需要花费 4 分钟才能阅读完成。
巴塞罗那大学最新研究揭示了人工智能（AI）如何从书面文本中检测人格特质，并首次详细解析了这些系统做出决策的过程。这项发表在《PLOS ONE》期刊上的研究，为理解人格在自然语言中的表现以及构建更透明、可靠的自动检测工具提供了新的视角。
研究团队由巴塞罗那大学的三位专家组成：心理学学院和神经科学研究所（UBneuro）个体差异实验室研究组（IDLab）的研究员 David Saeteros 和主任 David Gallardo-Pujol，以及数学与计算机科学学院的研究员 Daniel Ortiz Martínez。他们通过应用可解释的 AI 技术（如集成梯度），揭示了特定词汇和语言模式如何基于主要心理学框架对预测做出贡献。
- 
研究分析了两种先进的 AI 模型 BERT 和 RoBERTa 如何处理文本数据以检测人格特征，遵循两种主要的心理学框架：大五人格特质系统（开放性、责任心、外向性、宜人性和情绪稳定性）和迈尔斯 - 布里格斯类型指标（MBTI）。研究发现，大五人格特质比 MBTI 类型更可靠地被检测到，前者与行为的语言标记更好地保持一致。
“可解释性技术使我们能够‘打开算法的黑匣子’，这确保了预测基于心理学相关的信号，而不是数据中的伪影，”作者指出。他们使用了一种称为“集成梯度”的技术，准确识别了哪些词汇或短语对特定人格特质的预测做出了贡献。例如，他们观察到诸如“恨”这样的词汇，传统上与负面特质相关，但实际上可以出现在反映善良的上下文中（“我讨厌看到别人受苦”）。
研究还强调了 MBTI 模型与大五人格模型相比的局限性，后者在自动化人格分析和经典心理测量分析中都显示出更强的基础。“尽管 MBTI 模型在计算机科学和心理学的一些应用领域中被广泛使用，但它在自动人格评估方面存在严重局限性，因为我们的结果表明，模型往往更依赖于伪影而不是真实模式，”他们指出。
使用 AI 模型进行自动人格检测技术可能对人格心理学领域产生重大影响。在临床领域，这些技术可以帮助“初步评估和跟踪患者，通过关注语言或口头表达的变化作为治疗中重要心理元素的指标。”在人员选拔、教育个性化、社会研究以及虚拟助手和对话代理的开发中，这些技术也可以发挥重要作用。
“重要的是要强调，所有这些应用都应基于科学上合理的模型，并纳入我们探索的可解释性技术，以确保道德和透明的使用，”他们补充道。尽管有潜力，研究人员认为这些模型在短期内不会取代传统的人格测试，但会补充它们，并提供额外和更深入的视角。
“我们看到一种向多模式方法的演变，其中传统评估与自然语言分析、数字行为和其他数据源相结合，以获得更完整的人格视图，”他们指出。AI 模型可以“在传统数据收集困难或需要高效分析大量信息的背景下特别有用。”
研究的下一步包括将分析扩展到其他文本类型、平台、语言和文化，以确认所识别的模式在不同背景下是否一致。研究人员希望探索这些技术在其他心理结构（如情绪状态或态度）中的应用，并努力将多模态数据整合到这些分析中——将文本与其他形式的表达（如声音或非语言行为）结合，以及它们在现实生活背景中的应用。
研究团队希望“与临床医生和人力资源专业人士合作，评估这些工具在现实环境中的有效性，确保它们产生积极和道德的影响，”他们总结道。
