心智的具現化：人工智慧於心理學領域的應用

講者／楊立行（政治大學心理系副教授）｜彙整／葉珊瑀
整理自2018.12.16〈CASE探索系列講座第20期．心智的具現化：人工智慧於心理學領域的應用〉

心理學—探究人類心智行為的科學

在認識人工智慧如何協助心理學知識之前，必須先了解心理學。心理學是一門探究人類心智行為的科學，心智的認知運作機制，如同手機的應用程式 APP 之於手機，無法抽離主體觀察，虛無飄渺難以掌握，卻存在於人類智能中。記憶、學習、知覺、策劃等抽象的概念無法像實體一樣拿來剖析，只能從外向內逼近。楊立行教授在此介紹了四種方式：行為實驗、眼動軌跡、事件相關電位、磁振照影。

以記憶為例，行為實驗會給予以長串刺激材料，請受試者背誦，之後請對方回憶，計算其回憶正確率，判斷人類的記憶廣度。人的記憶有限，但電腦的記憶在容量充分的情況下，近乎無限；眼動軌跡多用於判斷受試者的注意力，在實驗中，除了傳統的自我陳述，還可以觀察受試者的眼動，例如人在看文章時，若畫面一旁突然跳出警告，視線可能被吸引過去，這是因為大腦會更快注意對於人生有幫助的訊息；事件相關電位是在實驗中透過蒐集受試者腦波資料，來判斷各個情境下大腦的活化程度；磁振照影是在受試者進行作業時，以全腦掃描記錄大腦活動訊息，藉此作出推論，觀察心智活動。上述四種，皆可蒐集認知功能的基本資料。

以數學模型探究人心

早在人工智慧興起以前，心理學界就會以數學模型來解析人類心智運作。以「遺忘曲線」為例，實驗是以無意義的刺激材料進行，每日測試記得多少。起初記得的內容尚可，而後會越來越少，但不會完全遺忘。然而對心理學家而言，僅止於描述是不夠的，除了觀察人類行為，科學家還希望了解「How」，知其運作模式。

從腦神經到類神經網路

19 世紀末期，大腦神經網路有了更系統性的研究，網絡中的神經元，興奮時會以軸突傳送電訊號至另一神經元，兩神經元並無直接相連，中間存在著稱為突觸的空隙。抵達下個神經元的樹突後，該細胞的離子通道會打開，一連串的電位變化達到閾值，興奮過後將訊號傳至下個神經元⋯⋯

觀察到這些生理現象後，心理學家心想：可否從生理角度尋求模仿對象呢？

80 年代末期，開始有人以數學模型模仿這個生理機制，也就是「類神經網路」。網路中含有節點，模仿神經元，其中調整層次就如同突觸。神經元具有可塑性，可以透過學習改變，如同類神經網路，能夠在研究者的操弄下學習不同資訊，例如類別、相似性。訓練模型過後，新的刺激若和既往相似，興奮量會增強，學習種類的異同。當今以類神經網路區辨類別的技術遇到的挑戰之一，是自然類別，以鸚鵡為例，有嘴型、毛色、型態、腳爪⋯⋯等等，皆可以作為特徵，但這些五花八門的種類該如何取捨，這還是當今認知模型還不能處理的。

卷積類神經網路模型（Convolutional Neural Networks，CNN）可望突破類神經網路的困境，它是由多層類神經網路組成，以分類鸚鵡為例，鳥的圖片即像素組成的二維空間，也就是一群神經元節點，處理時，並非一個個處理，而是一整塊過濾，如同壓縮，不斷濃縮、提煉，某些步驟可略過不算。

使用深度學習的 Alpha GO，在建立模型的過程就使用了卷積類神經網絡。資料經過一層層處理，從 Convolution 到 Fully connected layer，最後產出 Output，這些下棋指令讓它不斷刷新戰績，打敗人類棋王。

過去有人以此進行礦物質相似性的辨別測試，以常人較陌生的礦物質作為刺激材料，可以屏除一些過往知識形成的誤差。受試者將不同礦物質倆倆比較以後，資料以統計軟體分類出四種特徵，而後以卷積學習人類判斷，結果在四種特徵上達到 98% 的相似度。學習以後，可以用此模型預測新刺激材料，不需要人類的報告作為參考。

心智的具現化：未來研究方向

楊教授表示，對於 AI 的崛起他樂見其成。過往就以量化作為研究工具的楊教授認為，在大數據、人工智慧的協助之下，心理學若能借助其力，能夠在研究上更有突破。如果能尋出思考、意識、情感、創造力的運作歷程，對於整個學界，或是個人理解人類作為智識擁有者，都是一大幫助。

(本文為教育部「人工智慧技術及應用人才培育計畫」成果內容)