很遺憾，“AI不會成為治療者” 生成式AI讓心理健康服務更普惠，但暫時難堪大任

至少60年前，人類就已經嘗到了與“數字心理醫生”對話的滋味。

20世紀60年代，麻省理工學院的約瑟夫?魏澤鮑姆（Joseph Weizenbaum）教授模擬了一個心理醫生ELIZA，通過簡單的語言模式與用戶對話，讓患者自己暴露內心、獲得情感撫慰。不過，ELIZA并不能真正理解情緒，而是通過算法將對話引向特定模式。

時光荏苒，人工智能浪潮幾起幾落，“數字心理醫生”也從最初的算法規則匹配，發展到如今大模型和智能體的多模態應用，人們致力于讓機器與人類“共情”。

AI正從實驗室走向真實個體的心靈。然而，如何平衡普惠化應用與倫理安全，成為擺在科技與醫療交叉口的一道時代命題。

近日，香港中文大學教授、電氣與電子工程師學會會士（IEEE Fellow）、美國計算機學會會士（ACM Fellow）邢國良在接受《每日經濟新聞》記者采訪時指出，AI要真正成為“心理健康的基礎設施”，仍需跨越倫理、安全與技術等多重挑戰。他直言，AI不會成為治療者，但可以成為陪伴者。

受限于技術缺陷，業內呼吁嚴格限制AI對患者的直接行為建議，不讓AI直接給患者任何具體的行為指導。此外，從臨床需求來看，應推動AI從通用模型向專業化、多模態系統進化。

但通過AI在心理照護方面的實踐，能獲得更具啟發性的思考：如何重估“真正的智能”，它也許不是回答一切，而是知道何時該沉默。

圖片來源：視覺中國-VCG211478193393

生成式AI開啟“心靈普惠時代”

研究顯示，在我國，有心理問題的人數在2億～3億，其中超5400萬人患有抑郁癥，泛心理問題人數高達9500萬。

隨著消費者心理健康意識不斷增強，以及在線泛心理健康服務平臺蓬勃發展，預計心理健康服務市場將實現快速發展。弗若斯特沙利文預計，2025年中國泛心理健康服務市場規模將達到104.1億元。

與此同時，專業心理治療資源緊缺問題持續存在。在很長一段時間里，心理援助可以說是屬于少數人的奢侈品，專業心理醫生數量有限、服務價格高昂、地域分布不均，將大部分人擋在門外。

長久以來，人們對通過技術改善心理健康服務的探索從未停止，但真正的轉折點，或許正在生成式AI的到來中出現——它不僅能讓心理咨詢服務變得更加普惠，也能在情感陪伴、心理干預等環節上，為人類提供新的技術支撐。

聆心智能CEO鄭叔亮在一次公開分享中提到，生成式人工智能的出現，是AI從“理解”到“共情”的重要轉折點。就像孩子真正學會做題那一刻一樣，當AI能夠在理解人類情緒的基礎上生成恰當的回應，它才真正具備了陪伴和療愈的潛力。

不過，需要注意的是，在臨床實踐中，更深層的挑戰并不在于“陪伴”的缺口，而在于“診斷”的復雜性。

上海交通大學計算機學院副研究員吳夢玥在一場分享會中指出，精神疾病與生理疾病的不同在于“沒有生物標記物”，例如，糖尿病可以通過測血糖來客觀診斷，精神疾病的診斷高度依賴醫生的問診和量表，使得診斷本身就面臨差異性。

AI的出現，在這片主觀經驗與高昂成本交織的領域，提供了一種全新的可能性。

與傳統心理服務相比，AI工具的優勢之一或許就在于低門檻與規模化優勢。邢國良指出，只需一部手機或一款應用，用戶即可獲得初步的情緒理解與壓力管理建議，服務成本極低，且互動壓力小。

這種低成本的方式，正在打破心理援助的稀缺壁壘，將心理援助推向大眾。“不少用戶面對人類咨詢師時存在羞怯、顧慮，AI提供的是‘低壓對話環境’，尤其適合情緒尚不嚴重但有傾訴需求的人群。”邢國良補充道。

IEEE數字金融與經濟標準委員會專家委員、桐元軟件CEO胡凝也認為，AI的“非人類”身份在某些情況下會成為獨特的優勢，讓某些患者放下對同類的戒備心理，更容易建立信任和溝通。

AI不會成為治療者

一方面，AI正讓心理服務的門檻一點點降低，但另一方面，當AI從一個“博學的助手”嘗試扮演更積極的角色時，其固有的技術缺陷便暴露無遺。

幻覺問題是當前AI行業公認的隱憂。所謂幻覺，是指模型生成了看似合理、實則錯誤的信息。

在心理健康領域，機器的幻覺，比人的幻覺更難察覺，因為它披著理性的外衣。但與此同時，在這一對語義敏感度和準確性要求極高的場景中，幻覺可能直接誤導患者，甚至造成心理傷害。

吳夢玥提到了當前心理診療的一大難點——當前精神疾病診療手冊中關于抑郁情緒的描述，與人們表達“我現在心情不好”之間存在一個巨大的語義鴻溝，它是個人自然語言表達與結構化的臨床文本之間的鴻溝，這種理解錯位本身就極易導致誤導性建議。

其次，醫療大模型的另一個難點在于“實踐智慧”的缺失。吳夢玥提到，臨床決策中常有兩難情節，在兩個沖突的倫理原則間做權衡，這依賴醫生的“實踐智慧”。

AI在面對這類沒有標準答案的灰色地帶時，其幻覺帶來的影響可能很難估量。

“這是AI在心理健康行業公認的難題。”邢國良表示，尤其在心理健康這種對內容準確性和語義敏感度要求極高的領域，更應格外謹慎。

胡凝提出了一個辯證的觀點。她認為，有時候，符合患者認知的“幻覺”可能有助于情感安慰。“在心理疏導和客觀事實之間，有時需要優先考慮患者的情感需求”，但這需要專業判斷，不能濫用。

在臨床應用中，專業人士對于AI輸出內容的可控性和安全性有著極高要求。邢國良強調，AI不會成為治療者，但可以成為陪伴者。他認為，AI將首先在情緒監測、早期篩查、輕度疏導等領域實現落地。“在引導性對話中，應設置明確的‘底線機制’，例如識別（出）風險行為時立即提示專業干預。”目前，其團隊正在嘗試通過端側建模和數據匿名化策略，防止情緒識別過程本身造成新的心理負擔。

為規避風險，胡凝主張，應嚴格限制AI對患者的直接行為建議，不讓AI直接給患者任何具體的行為指導，避免因理解偏差造成危險，因為一旦出現問題，很難明確責任歸屬。對醫生而言，AI系統則必須確保其建議過程透明、可驗證，提供來源依據和核實工具。

武漢大學精神衛生中心主任、教授、主任醫師王惠玲的臨床經驗也印證了這一點。她在評價AI模型給出的治療建議時，特別提到其亮點在于邏輯清晰，符合臨床思維以及治療策略有據可循。盡管如此，王惠玲也指出，AI在策略制定中應更加重視患者不良風險，建議增加自殺干預相關的應對策略等。

為了在技術上“鎖住”幻覺，行業正積極探索解決方案。

胡凝提議，可以通過檢索增強生成（RAG）與專家混合（MoE）等機制，讓多個系統相互監督，以降低幻覺率。

邢國良則認為，AI最具潛力的落地形式可能不是模仿心理醫生的AI，而是嵌入日常生活的輕量化系統。比如，通過音頻、活動、交互頻次等行為信號在本地做推斷，為用戶推送“溫和提醒”或“轉介建議”，這類非侵入式干預在倫理和實踐層面更容易被接受。

臨床需求：AI心理應用應從通用走向專用

當前的AI心理應用大多基于通用模型，它們擅長語言，卻看不懂表情、語氣、姿勢，也缺乏長期記憶。它們無法知道用戶的情緒在昨天是怎樣的、今天為何不同，而這恰恰是心理健康中最關鍵的線索

因此，從通用走向專用，就成了產業的現實選擇。

邢國良認為，當前模型往往只能處理用戶明確表達的信息，對語氣、行為、表情等復雜語境感知不足；同時缺乏長期記憶能力，無法形成持續的心理畫像；在文化和成長背景的理解上也不夠敏感。

胡凝也認為，通用模型雖能輔助專業人員，但難以滿足不同患者復雜而獨特的心理需求。“傳統的通用模型無法充分理解每個患者獨特的主觀體驗”，真正的心理AI系統，應從分類診斷走向對心理狀態的多維和流動的動態理解，這要求系統能夠具備模擬多樣認知模式、整合多模態數據的能力。

臨床的需求則更為迫切和具體。王惠玲描述了精神科診斷的難點：“我們的特點與皮膚科不一樣。其中之一是不能一眼看到，得醫生去挖掘才能找到這個點。”她提到，一名抑郁癥患者對著鏡子練習“標準化微笑”，“我們醫生都看不出來他是個抑郁癥，都覺得他的笑是發自內心，但其實他是抑郁”。

“所以，如果AI能幫助我們做數字聽診器的工作或者數字標志物的工作，這個對我們是非常重要的。”王惠玲迫切希望能有客觀工具，幫助醫生捕捉患者面部表情、語音語調、姿勢動作等的細微變化。

這種臨床的迫切需求，正推動AI從通用模型向專業化、多模態系統進化。

“未來的心理健康AI必須是‘多模態+多源感知+用戶可控’的系統。”邢國良表示，這意味著AI需要與穿戴設備、端側傳感器、生理和行為數據融合。在這一方向上，邢國良團隊已孵化出Nuna智能吊墜（Nuna Smart Pendant）等可穿戴產品。該設備可通過語音與生理信號推斷用戶的情緒變化趨勢，并在端側提供輕量化的反饋與提醒，幫助用戶在日常生活中進行情緒調節。邢國良指出，這類“嵌入式”設計能在保護隱私的前提下提供溫和支持，“讓情緒關懷真正成為生活的一部分”。

重估AI價值：真正的智能是知道何時該沉默

更深層的變化在于理念的轉向，心理健康照護正從標準化走向個性化。

“傳統心理健康護理往往依賴固定的診斷標簽，就像給每個人貼上統一的標簽。”胡凝指出，AI的價值，不僅在于通過分析行為、生理和環境的各種數據，發現人眼難以捕捉的細微變化，幫助醫生“看見”患者內心的微妙變化，更在于幫助患者理解自我、重新融入社會。

胡凝認為，真正的心理AI系統，應具備模擬多樣認知模式的能力，“對患者行為模式和認知進行總結歸納，幫助臨床醫生理解他們未曾親身經歷過的認知模式”。同時，系統也需要“對病患可能的危險行為進行模擬和預測”。

當AI具備了這種深度理解能力，其最終目標也不再僅是診斷，而是成為連接患者與現實的橋梁。

胡凝提到了橋接現實的技術理念，即當患者的主觀感受與現實社會存在較大差異時，AI能創造介于兩者之間的橋接空間，用患者能理解的方式解釋社會規則，同時用社會能接受的方式表達患者的需求。

這種深度融合的另一面，同樣面臨極大的隱私挑戰。

邢國良強調，技術機制必須服務于人的信任。他認為，AI在心理健康中的最大風險來自數據使用邊界模糊與隱私保護缺位，用戶缺乏對數據如何被使用的控制力、模型訓練可能放大社會偏見以及云端處理難以完全脫敏或避免泄漏。

在人機協作的終極形態中，機器的智能與人類的智慧缺一不可，真正的智能，也許不是回答一切，而是知道何時該沉默。

邢國良直言：“AI本質上不具備真正的‘共情’，但可以模擬出共情行為，這對心理輔助場景尤為重要。”他認為，關鍵在于通過技術設定、語氣控制和容錯機制，讓模型“知道何時該沉默”，在關鍵情緒節點“止步于不懂，而非強行輸出”。