Искусственный интеллект в психологии: как формируется новое научное поле

В последние годы искусственный интеллект стремительно входит в исследовательскую и практическую повестку психологической науки. Алгоритмы машинного обучения используются для анализа поведения, диагностики психических состояний, изучения когнитивных процессов и разработки цифровых интервенций в области психического здоровья. Однако остается не вполне ясным, как именно структурируется это быстро растущее направление исследований и какие темы в нём становятся центральными.

Именно на этот вопрос отвечает исследование «Картирование ландшафта ИИ-усиленной психологии: библиометрический анализ на основе тематического моделирования», опубликованное в 2025 году. Авторы предпринимают попытку системно описать формирующееся направление AI-empowered psychology — «психологии, усиленной искусственным интеллектом» — и показать, как оно развивалось на протяжении последних двух десятилетий.

Исследование основано на анализе 10 079 рецензируемых статей, опубликованных в 2000–2024 годах и индексированных в базе Web of Science. Для отбора публикаций использовался широкий набор терминов, связанных с искусственным интеллектом — от классических методов машинного обучения до современных больших языковых моделей (LLM). Авторы применили тематическое моделирование BERTopic и библиометрические методы анализа научных публикаций. В качестве текстового материала использовались заголовки и аннотации статей.

Результатом стало выделение 27 исследовательских тем, которые затем были объединены в семь более крупных тематических доменов, отражающих основные направления применения искусственного интеллекта в психологии.

Анализ показал, что исследования на стыке искусственного интеллекта и психологии группируются вокруг семи крупных тематических областей (доменов).

1. Когнитивное моделирование (Cognitive Modeling). Одно из наиболее ранних направлений связано с использованием вычислительных моделей для изучения когнитивных процессов. В этих исследованиях применяются нейронные сети, методы глубокого обучения, анализ EEG и fMRI-данных, а также мультивоксельный паттерновый анализ (MVPA). Задача таких работ — моделирование процессов восприятия, внимания, эмоций и принятия решений, а также поиск соответствий между вычислительными моделями и нейронной активностью мозга.

2. AI-психометрика (AI-powered Psychometrics). Второе направление связано с использованием машинного обучения для разработки и оптимизации психологических измерений. Алгоритмы применяются для анализа больших текстовых корпусов, оценки личности и эмоциональных состояний по цифровым следам, автоматизированной разработки тестовых заданий, обработки данных из социальных сетей, речи и письменных текстов. Психометрика переходит от традиционных опросников к анализу поведенческих и цифровых данных.

3. Вычислительная психиатрия (Computational Psychiatry). Одной из наиболее быстро развивающихся областей является computational psychiatry — использование алгоритмов машинного обучения для диагностики и прогнозирования психических расстройств. В этих исследованиях анализируются данные: нейровизуализации (MRI, fMRI), электроэнцефалографии, клинических наблюдений, поведенческих показателей. Модели используются для выявления биомаркеров и ранней диагностики таких состояний, как шизофрения, депрессия, аутизм или деменция.

4. Интерфейсы «мозг–компьютер» (BCI Study and Applications). Отдельный кластер исследований связан с развитием BCI-технологий (Brain-Computer Interface). Здесь искусственный интеллект используется для классификации EEG-сигналов, распознавания когнитивной нагрузки, обнаружения эпилептических приступов, разработки систем управления устройствами с помощью нейросигналов.

5. Искусственный интеллект в науке об обучении (AI-augmented Learning Science). ИИ активно используется и в сфере психологии в образовании. Алгоритмы машинного обучения и NLP применяются для анализа образовательных данных, разработки интеллектуальных обучающих систем, оценки учебных достижений, изучения процессов творчества и спортивной эффективности. В последние годы особый интерес вызывают большие языковые модели, которые используются как цифровые тьюторы и инструменты поддержки обучения.

6. Взаимодействие «человек–ИИ» (Human-AI Interaction). С ростом распространенности интеллектуальных систем появляется новая область исследований — психология взаимодействия человека и искусственного интеллекта. В этих работах изучаются доверие к алгоритмам, антропоморфизация искусственного интеллекта, пользовательский опыт взаимодействия, этические аспекты использования ИИ.

7. Цифровые вмешательства в психическое здоровье (Digital Mental Health Intervention). Самым быстро растущим направлением последних лет становятся цифровые психотерапевтические и диагностические инструменты. К ним относятся автоматизированный скрининг депрессии и суицидального риска, анализ психического состояния по текстам и речи, чат-боты для психологической поддержки, системы цифрового мониторинга психического здоровья. Большие языковые модели играют здесь двойную роль — они выступают и как инструмент интервенции, и как объект научного анализа.

Темпоральный анализ публикаций позволяет выделить три этапа развития исследований на стыке ИИ и психологии.

2000–2014: эпоха когнитивного моделирования

На раннем этапе искусственный интеллект используется преимущественно как инструмент для проверки теорий о работе мозга и когнитивных процессов. Основные исследования связаны с нейронными сетями и вычислительными моделями поведения.

2015–2019: революция глубокого обучения

С развитием deep learning резко увеличивается количество работ в области вычислительной психиатрии и нейроинтерфейсов. Алгоритмы начинают активно использоваться для диагностики психических расстройств по сложным биомедицинским данным.

2020–2024: эпоха генеративного ИИ

Последний этап связан с появлением больших языковых моделей и генеративного искусственного интеллекта. В центре исследований – цифровые психотерапевтические сервисы, взаимодействие человека с ИИ, использование LLM в обучении и психологических исследованиях.

Библиометрический анализ показывает, что поле исследований носит глобальный характер, но распределено неравномерно. Формируются несколько международных кластеров научного сотрудничества. Авторы подчеркивают риски смещения и неравного представительства данных (недостаток Африки, части Латинской Америки), что важно для валидности и справедливости моделей.​ Всего в публикациях участвуют 110 стран.

Авторы подчеркивают, что стремительное развитие «ИИ-усиленной психологии» сопровождается рядом серьезных проблем.

Сдвиг от объяснения к предсказанию. Алгоритмы машинного обучения демонстрируют высокую точность прогнозирования психических состояний, но при этом часто остаются «черными ящиками», плохо встроенными в теоретические модели психологии (опасность дата-центрированной науки (data‑centric science) без каузальных моделей).

Отсутствие стандартов анализа. Особенно остро эта проблема проявляется в области вычислительной психиатрии и нейровизуализации, где результаты разных исследований трудно сопоставимы. Отсутствие стандартов анализа мешает репликации и обобщаемости.​

Географическое и культурное неравенство данных. Многие модели обучаются на данных из ограниченного числа стран или ограниченным по разнообразию выборкам, что может приводить к алгоритмическим смещениям (bias) и снижению универсальности моделей. Поясним, что алгоритмические смещения возникают тогда, когда модель обучается на нерепрезентативных данных и начинает воспроизводить скрытые структурные перекосы. Это может приводить к серьезным последствиям: неправильной диагностике психических состояний, неравному доступу к образовательным рекомендациям, систематическим ошибкам в оценке поведения и т.п. Поэтому всё большее значение приобретают методы «объяснимого» искусственного интеллекта (Explainable AI, XAI), когда ИИ не просто отвечает, а объясняет свою логику​, а также процедуры аудита и документирования данных.

Исследование показывает, как искусственный интеллект постепенно меняет саму структуру психологической науки. ИИ становится одновременно — инструментом исследования когнитивных процессов и поведения, технологической основой клинических интервенций и объектом психологического анализа. Таким образом формируется новая междисциплинарная область, объединяющая психологию, компьютерные науки, нейронауки и медицину.

Оригинальная публикация (для цитирования):

Использованные в публикации термины и сокращения

Для вас статью прочитала А.А. Шведовская