大語言模型在心理學應用中的前沿探索：一項綜合性綜述（上）

Ke, L., Tong, S., Cheng, P., & Peng, K. (2025). Exploring the frontiers of llms in psychological applications: A comprehensive review. Artificial Intelligence Review, 58(10), 305.https://doi.org/10.1007/s10462-025-11297-5

摘要

本綜述旨在探討大語言模型（LLMs）在心理學應用領域的前沿進展。心理學的發展經歷了多次理論變革，而當前人工智能（AI）與機器學習，尤其是大語言模型的應用，有望開啟新的研究方向。本文旨在深入分析 LLMs 如何正在改變心理學研究。我們討論了 LLMs 在心理學各主要分支領域——包括認知與行為、臨床與咨詢、教育與發展，以及社會與文化心理學——的影響，重點強調其在模擬與人類相似的模式、認知與行為方面的能力。此外，我們還探討了此類模型生成連貫且具備語境相關性的文本的能力，為心理學中的文獻綜述、假設生成、實驗設計、實驗被試以及數據分析等提供了創新工具。我們特別強調，研究人員需要關注技術與倫理挑戰，包括數據隱私、在心理學研究中使用 LLMs 的倫理問題，以及深入理解這些模型局限性的必要性。研究人員在心理學研究中應負責任地使用 LLMs，遵守倫理規范，并審慎考慮將這些技術部署于敏感領域可能帶來的影響?？傮w而言，本綜述全面呈現了 LLMs 在心理學領域的現狀，探討了其潛在優勢與挑戰。我們希望本文能為研究者發出行動呼吁，在積極利用 LLMs 優勢的同時，切實應對相關風險。

關鍵詞：大語言模型（LLMs）；機器學習；人工智能（AI）；心理學；研究方法

1

引言

人工智能（AI）已有近七十年的發展歷史，其起點可追溯至 1956 年的達特茅斯會議。近年來，隨著大語言模型（LLMs）的出現，如 ChatGPT、Google 的 Bard 和 Meta 的 LLaMA，該領域迎來了革命性進展。其中，GPT-4 尤其可能代表著一次范式轉變，憑借其在數學、編程、視覺、醫學、法律和心理學等領域解決復雜任務的卓越能力（Bubeck 等，2023），生動詮釋了“AI賦能科學”（AI for science）的理念（Wang 等，2023）。LLMs 在機器學習與人工智能的發展中標志著一個關鍵節點，這得益于其龐大的規模和采用注意力機制的復雜神經網絡架構（Vaswani 等，2017）。這些模型融入了認知原理（Binz & Schulz, 2023a），并展現出可與復雜物理系統相媲美的涌現特性（Wei 等，2022）。這種特性不僅提升了它們處理與表征概念及高層語義的能力（J. Li 等，2022），也加深了我們對人類認知過程的理解（Sejnowski, 2022）。在心理學應用中，這些進展正重塑數據、語言與環境之間的交互關系（De Bot 等，2007；Demszky 等，2023），并在包括臨床心理學（Thirunavukarasu 等，2023）、發展心理學（Frank, 2023；Hagendorff, 2023）以及社會心理學（Hardy 等，2023；J. Zhang 等，2023）等多個領域發揮著重要作用。此外，LLMs 還對心理學研究方法產生了深遠影響，提供了全新的探索與分析途徑與工具。

1.1 大語言模型概念：從機器學習到能力涌現

生成式人工智能（Generative AI）源于模式識別能力的進步。卷積神經網絡（CNNs）在識別物體和概念方面表現優異，但隨之而來的下一個挑戰是如何將這種識別能力用于生成任務。例如，如果 CNN 能夠識別肖像中的“年齡”特征，那么我們就可以利用這種理解去修改任何肖像中的“年齡”。這種生成式方法首先在計算機視覺領域取得成功，通過生成對抗網絡（GANs）（Goodfellow 等，2020）和反卷積技術（Zeiler，2014）等模型，能夠基于已學習的模式生成逼真的圖像。隨后，這些生成原理被應用于語言領域，催生了能夠生成語境相關文本的大語言模型（LLMs）。LLMs 在生成式人工智能的能力上實現了重大飛躍，這類模型專為處理自然語言文本并生成上下文相關的文本而設計。GPT-4、LLaMA、Claude 和 Gemini 等 LLMs 都基于 Transformer 架構（Vaswani 等，2017），利用復雜的神經網絡與注意力機制，革新了自然語言處理。每個模型都在性能優化方向上各有側重，例如 LLaMA 注重高效的訓練過程（Touvron 等，2023），Claude 強調安全與對齊（Li 等，2024），而 Gemini 則融合了更強的推理能力（Rane 等，2024）。

盡管這些模型展現了 LLMs 的多樣化能力，但我們必須區分為特定交互設計的具體產品（如面向對話應用的 ChatGPT）與 LLMs 的更廣泛能力——后者不僅包括聊天，還涵蓋文本生成、摘要、翻譯和嵌入提取等任務。這些廣泛應用表明，LLMs 的能力具有“涌現性”，隨著模型規模的增大會出現新的能力。在對數—對數性能曲線上，有時會出現“跳躍”，即模型內部復雜交互催生出意想不到的能力（Wei 等，2022）。

LLMs 的核心是 Transformer 架構，這是一種帶有注意力機制的深度神經網絡，能夠并行高效地處理序列數據（Vaswani 等，2017），其工作方式在某種程度上類似于人腦功能。該架構徹底改變了自然語言處理領域。Transformer 的自注意力機制可以捕捉文本數據中的上下文關系，從而實現更為精細的語言理解。值得注意的是，LLMs 中的“Large”指的是巨量的參數和海量的訓練數據——通常包含數十億個參數和以 TB 計的文本數據（Binz & Schulz，2023b），以實現“掌握世界”的知識儲備（Yildirim & Paul，2023）。

大語言建模的過程，從機器學習到能力涌現，可以分為幾個關鍵階段。（1）預訓練：LLMs 在海量文本數據上進行預訓練，以學習復雜的語言、句法和文本結構，模型通過無監督學習預測下一個 token，從而獲得能夠捕捉語言統計模式的基礎模型（P. Liu 等，2023）。（2）對齊：通過有監督學習，使基礎模型更好地按預期方式與用戶交互，這通常包括指令微調（instruction tuning）和基于人類反饋的強化學習。在此基礎上，還可進行領域特定的微調，使模型適配特定應用（Liu 等，2022）。這一過程確保模型能夠生成上下文相關的響應，并參與有意義的對話或任務。通過這些階段的發展，LLMs 展現出越來越精細的文本生成能力，包括響應生成、內容摘要、翻譯以及組合性文本生成（Bubeck 等，2023）。有效處理與表征上下文的能力，是這些模型高級能力涌現的重要基礎。最終，LLMs 在被集成到各種應用與系統中時，會表現出“可觀測的能力涌現”，能夠完成需要深度語言與上下文理解的任務，并在特定實驗任務中達到類人甚至超越人類的表現，如類比推理（Webb 等，2023）、創造力（Stevenson 等，2022）以及情緒識別（Patel & Fan，2023）。

因此，LLMs 能夠為我們理解這類技術如何模擬或增強傳統上與人類認知相關的過程提供有價值的洞見。具體而言，LLMs 在邏輯處理與認知捷徑（啟發式）之間保持平衡，并能夠調整推理策略，在準確性與認知投入之間進行優化。這與雙過程理論（dual-process theory）所討論的資源理性（resource-rational）人類認知原則相契合（Mukherjee & Chang，2024）。例如，LLMs 在生成與處理自然語言時，在結構與功能上與人類語言和認知機制的某些方面存在相似之處（Goertzel，2023）。這種相似性使得探索其在認知心理學（Sartori & Orrù，2023）、語言習得（Jungherr，2023）甚至心理健康（Lamichhane，2023）等領域的應用成為可能。此外，對 LLMs 的研究也有助于深化我們對人類心智的理解，從計算視角探討語言處理、決策（Sha 等，2023）與學習機制（Hendel 等，2023）。這種跨學科的融合可能推動人工智能的發展，并為研究與人類認知相關的過程提供計算框架。

1.2 心理學與人工智能

心理學作為一門探索人類心智與行為的科學，自 19 世紀末以來經歷了重大的理論變革，從精神分析學與行為主義發展到認知心理學（Hothersall & Lovett, 2022）。這一歷史進程標志著心理學研究重心的轉變，即從關注行為表現轉向深入探討心理內涵，反映了學術界從外顯行為觀察到內隱心理機制探索的趨勢。每一階段都推動了人類對心理—認知過程理解的不斷深化。

理解人類的心理—認知過程因此成為心理學的核心任務。在臨床與咨詢心理學中，認知心理學的研究為心理障礙的診斷與治療提供了理論支持，深化了我們對情緒、壓力及人類行為背后心理機制的理解。認知行為療法（Hofmann 等，2012）和心理動力學療法等心理治療方法已成為促進心理健康與情緒調節的重要工具。在教育與發展心理學中，認知心理學的發展加深了人們對知覺與情感因素在學習過程中的作用的理解（Glaser, 1984），推動了教學方法和學習策略的創新。在社會與文化心理學中，認知心理學研究有助于解釋個體在不同社會與文化背景下的行為與心理過程，探索文化差異如何影響認知模式、價值觀與行為規范，尤其是在全球化背景下的互動與融合過程中。在社會心理學領域，認知心理學對群體行為、社會影響、偏見與歧視的研究，為促進社會和諧與相互理解具有重要價值（Park & Judd, 2005）。

人工智能正日益成為心理—認知研究中具有影響力的工具。Simon（1979）是最早意識到計算模型在模擬人類認知過程方面潛力的學者之一。目前，大語言模型（LLMs）已經能夠處理與生成類人文本，并在某些任務中以類似人類認知的方式完成工作（Bubeck 等，2023）。LLMs 還為人類認知研究提供了獨特的計算視角。例如，GPT-3 能夠解決情境任務（vignette-based tasks），表現與人類相當甚至更優，并能基于描述進行理性決策，在多臂老虎機任務中超越人類（Binz & Schulz, 2023b）。此外，大規模測試表明，GPT-3 在解決復雜類比問題時可達到與人類相當的水平，而類比推理是人類智慧的重要標志（Webb 等，2023）。更重要的是，通過多任務微調，LLMs 能夠預測此前從未見過任務中的人類行為——換言之，LLMs 可以被適配為通用認知模型（Binz & Schulz, 2023a），有潛力開辟新的研究方向，從而改變認知心理學與行為科學的整體格局。

Newell（1990）提出了一個分析人類行為的結構化框架，將認知與行為過程按照時間尺度劃分為四個層次（圖 1a）。在生物學層面，研究關注的是以毫秒到一秒的極短時間尺度發生的生理與神經過程，例如神經反應與感官加工，這些過程構成了人類認知的基礎。認知層面涉及注意、知覺與短時記憶等機制，其運行時間通常為一秒到一分鐘，是基本認知功能的支撐。理性層面涵蓋了問題解決、計劃與決策等更復雜的認知活動，這些過程通常在幾分鐘到數小時的時間尺度上發生，需要持續的認知投入。最后，社會層面關注由社會互動與文化影響所塑造的行為，其時間尺度最長，從數小時到數天甚至更久，涉及社會交流、群體行為與文化對認知的影響。該框架凸顯了人類行為的多維特性，強調了快速的生理過程與更持久的社會影響在認知中的相互關系。

因此，通過在這四個層面（圖 1a）分析 LLMs 的應用，可以進一步探索它們在建模與研究人類認知和行為方面的潛力（圖 1b），以及它們在心理—認知過程中的獨特作用。最新研究揭示了 LLMs 在執行復雜的類人認知與社會任務方面的顯著進展（Grossmann 等，2023；Marjieh 等，2023；Orru 等，2023；Pal 等，2023；Stevenson 等，2022；Webb 等，2023）。例如，Grossmann 等（2023）與 Marjieh 等（2023）分別展示了 LLMs 在模擬人類社會互動與知覺加工方面的能力；Orru 等（2023）與 Webb 等（2023）強調了它們在復雜問題解決與推理方面的表現；Hagendorff 等（2023）關注其決策過程；Stevenson 等（2022）記錄了其在創造力方面的潛力；而 Patel 與 Fan（2023）則展示了它們的情緒識別能力?？傮w而言，這些研究結果凸顯了 LLMs 在表征與增強人類認知和社會功能方面不斷擴展的角色，標志著人工智能研究的重要進展。

作為通用認知模型（Binz & Schulz, 2023a），LLMs 在認知與行為心理學、臨床與咨詢心理學、教育與發展心理學以及社會與文化心理學等領域，不同時間尺度的人類行為研究中提供了新的視角與方法（圖 1a）。

LLMs 還可作為研究輔助工具（圖 1c），幫助心理學家完成從文獻綜述（Ayd?n & Karaarslan, 2022；Qureshi 等，2023）、實驗被試（Dillion 等，2023；Hutson, 2023）、數據分析（Patel & Fan, 2023；Peters & Matz, 2023；Rathje 等，2023），到促進學術交流（如學術寫作 [Dergaa 等，2023；Stokel-Walker, 2022] 或同行評審 [Chiang & Lee, 2023；Van Dis 等，2023]）等多種任務。因此，LLMs 有望成為心理學家的科研助手，幫助他們提升研究效率。

圖1.大語言模型在跨時間尺度心理學研究中的應用

(a) 將研究領域（如認知與行為、社會與文化）映射到相應的行為時間尺度；(b) 涌現特性（如認知仿真）可支持特定領域的建模；(c) 大語言模型作為研究工具（如刺激材料生成）。雙向箭頭表示這些新興特性在領域與工具之間形成橋梁，既支持具體應用（如記憶提取），又在使用過程中不斷完善其特性。

1.3 本綜述的目的與意義

本綜述旨在對大語言模型（LLMs）在心理學研究中的應用與影響進行全面分析。為確保綜述的系統性與嚴謹性，我們制定了明確的納入與排除標準。本文聚焦于 2020 年至 2024 年間發表的相關文獻，數據來源包括 Google Scholar、arXiv 和 Web of Science 等學術數據庫。我們使用 “GPT-3”“ChatGPT”“GPT-4”“large language models” 和 “psychology” 等關鍵詞檢索相關研究。為提高數據提取過程的可靠性，兩位分別具有信息科學與心理學背景的跨學科研究人員（男性，33 歲與 41 歲）共同進行了編碼與篩選。

納入標準要求所選研究必須：（1）探討 LLMs 在心理學情境中的應用或分析；（2）為同行評審期刊文章或高影響力會議論文；（3）呈現實證數據、理論探討或方法學進展。對于能夠反映新興趨勢或填補重要文獻空白的預印本論文，我們也予以有選擇地納入。不具備心理學研究焦點或僅涉及非 LLM 類 AI 系統的文章則被排除。最終，我們在初步篩選的 191 篇研究中，深入分析了 100 篇全文，并最終納入了 46 篇研究，這些研究按心理學不同子領域進行分類。所有入選研究均符合嚴格的納入標準，確保其對我們理解 LLMs 在心理學研究中的作用具有實質性貢獻。

在本綜述中，我們通過不同行為時間尺度的視角系統分析 LLMs 在各個心理學領域的應用。文章結構安排如下：第 2 節探討 LLMs 在認知與行為心理學中的應用；第 3 節討論 LLMs 在臨床與咨詢心理學中的作用；第 4 節分析其在教育與發展心理學中的應用；第 5 節聚焦社會與文化心理學，概述 LLMs 在各領域的貢獻。盡管心理學技術有時被用于評估 LLMs 的能力，但這一方法主要用于加深對其作為心理學研究工具的適用性與潛力的理解。本綜述的核心重點是探討 LLMs 如何在上述領域促進并推動心理學研究的發展。

為更深入理解 LLMs 對心理學研究的影響，第 6 節將概述 LLMs 作為科學研究工具的潛力；第 7 節則提出 LLMs 應用于心理學情境中所面臨的挑戰與未來研究方向；最后，第 8 節給出結論，總結 LLMs 在心理學中的應用并提出未來研究建議。值得注意的是，我們還提出了將 LLMs 融入心理學研究的策略，并提供了從心理學視角解讀此類模型的見解，以提升其安全性與可解釋性。

2

大語言模型在認知與行為心理學

在人類行為的多層次時間尺度中（Newell, 1990），認知與行為心理學主要聚焦于亞小時（sub-hourly）時間尺度上的認知過程研究，這些過程包括人類在知覺、記憶、思維、決策、問題解決以及有意識計劃中的參與。認知與行為心理學通常采用實驗方法研究這些認知過程，通過在特定條件下控制并觀察行為與反應來揭示規律。近年來，大語言模型（LLMs）的出現重新激發了關于此類模型是否可能表現出類似人類認知過程模式的討論；如果這種相似性成立，那么研究 LLMs 的“認知過程”或許可以為人類認知現象提供新的洞見，并成為現有認知心理學研究方法的有益補充。

支撐大語言模型（LLMs）的核心技術是生成式預訓練 Transformer（GPT）架構，它利用深度神經網絡來處理并生成類人文本。GPT 模型通過注意力機制（attention mechanisms）與 token 預測等機制運行，從而能夠捕捉復雜的語言模式并生成上下文連貫的輸出。這一基礎技術極大地推動了自然語言處理（NLP）的發展，顯著提升了文本理解與生成的能力，并拓展至廣泛應用領域，從對話代理到內容創作（Brown 等，2020；Vaswani 等，2017）。這類架構被引入心理學研究后，引發了關于其模擬認知現象潛力的討論。

Binz 與 Schulz（2023a）發現，通過多任務微調，可以讓 LLM 在此前從未見過的任務中預測人類行為，這表明 LLMs 可以被改造為通用認知模型。在另一項研究中，同一作者使用認知心理學的工具測試 GPT-3，結果顯示其在決策質量上優于人類，并在多臂老虎機任務中表現更佳（Binz & Schulz, 2023b）。其他研究則表明，LLMs 可能具備感知判斷（Marjieh 等，2023）、推理（Webb 等，2023）、決策能力（Hagendorff 等，2023）、創造力（Stevenson 等，2022）以及問題解決能力（Orru 等，2023）。一項研究甚至發現，基于錯誤信念任務（false-belief task——在人類中被視為心智理論測試的金標準），某 LLM 的心理能力相當于七歲兒童（Kosinski, 2024）。

在探索 LLMs 的推理能力與決策過程時，Hagendorff 等（2023）設計了一系列語義錯覺（semantic illusion）與認知反思（cognitive reflection）測試，這些測試旨在引發直覺但錯誤的反應（傳統上用于研究人類推理與決策），并將其應用于 LLMs。他們分析了模型在認知反思測試（CRT）任務和語義錯覺任務上的表現，以揭示其認知過程，并借鑒了 Daniel Kahneman 在其經典著作《思考，快與慢》（Thinking, Fast, and Slow）（Kahneman, 2011）中提出的系統 1 與系統 2 思維框架，該框架是理解人類認知過程的基礎理論。系統 1 指直覺且自動化的思維，而系統 2 則涉及理性且深思熟慮的決策過程。該理論框架為解釋 LLMs 在這些任務中模擬類人認知行為提供了理論依據。研究人員觀察了模型在這些任務中如何給出正確反應并避免錯誤。在 CRT 任務中，他們進一步通過限制模型進行鏈式推理（chain-thinking）來評估其表現。結果表明，隨著模型規模和語言能力的提升，LLMs 越來越多地展現出類人的直覺思維（系統 1）以及伴隨的認知偏誤。表 1 總結了 LLMs 在認知與行為心理學中的應用情況。

表 1 大語言模型（LLMs）在認知與行為心理學研究中的應用

Note:AUT是一項衡量創造力的心理測試，要求參與者盡可能多地想出一個常見物體的用途；DALL-E 2是由OpenAI開發的，可以從文本描述中生成詳細逼真的圖像，以探索AI在創意領域的潛力。

除了理論層面的評估之外，大語言模型（LLMs）在實驗心理學中也展現了實際價值，尤其是在刺激生成與實驗設計方面（Zhuang 等，2023）。例如，Dubey 等（2024）使用 DALL-E 2 創建了逼真的無車城市環境視覺刺激，這些刺激影響了參與者對可持續政策的態度。此類工具通過提供可控性、多樣性和可擴展性，簡化了刺激設計過程。類似地，LLMs 也被應用于硬件測試中，用于生成定制化的刺激，并在特定情境下優于傳統方法（Z. Zhang 等，2023）。Charness 等（2023）進一步展示了 LLMs 在優化實驗流程中的應用，包括改進任務指令、確保一致性以及監測參與者參與度。憑借其靈活性與可擴展性，LLMs 能夠為推動實驗心理學提供新的方法。這些應用不僅有助于探索復雜的認知現象和開發創新的研究設計，同時也能補充傳統的心理學研究框架（Srinivasan 等，2023）。然而，對 LLM 輸出結果的解讀需要謹慎情境化處理，以避免高估其能力或將其與人類認知過程直接等同。

（未完待續）