人工智能通过语言预测个性与情绪 ^{CEFR B2}

研究者发现，广泛可得的生成型人工智能模型（例如 ChatGPT、Claude 和 LLaMa）能通过阅读人们的日常语言，预测个性特质、关键行为和即时情绪，且预测效果在许多情况下与当事人自评一致，有时甚至超过亲近人的判断。

具体做法是让 AI 阅读短视频日记或更长的录音，这些材料记录了参与者当天的想法和体验。数据来自超过160名参与者，在真实生活和实验室条件下收集。AI 根据这些语言材料回答个性相关问题并给出评分。研究指出，早期的文本分析方法与这些较新的生成型 AI 相比，预测能力明显较弱。

AI 给出的评分不仅与自评高度一致，还能预测日常情绪、压力水平、社交行为，以及某人是否被诊断出精神健康问题或曾寻求治疗。研究首席作者 Aidan Wright 表示：“考虑到这两类数据来源差别如此之大，我们对这些关联的强度感到震惊。”多位学者也认为研究支持语言中包含心理特征线索的观点。

研究同时提出若干未解的问题：研究依赖自评，尚未做出 AI 与亲友判断的直接对比；也不清楚这些结果在不同年龄、性别或种族群体间是否相同；研究者还不知道 AI 与人类是否依赖相同信号，或 AI 是否最终能在预测重大人生结果（如人际关系、教育、健康或职业成功）方面超越自我报告。研究结果发表于期刊 Nature Human Behavior，来源为 University of Michigan。