观点 | 比曼·利亚纳格：用AI读懂情绪，精神健康领域的创新探索与跨文化挑战

2025年6月27-28日，由国际人才组织联合会（AGTO）与全球化智库（CCG）主办的2025全球人才峰会在北京城市副中心通州举行。北京匠成教育科技有限公司董事长兼CEO葛红艳在主题论坛三“AI时代的人才需求与培养体系革新”上发表以下观点：

我认为，变化是不可避免的，但并不意味着我们从中就要受损。

我在过去18年一直生活在中国，这段时间并不短，我也亲历并见证了中国社会的巨大变革。早些年我在微软工作过，之后我们开始思考，是否可以创办一家公司去回应某些问题。我认为这是件很有意思的事。

当前大家普遍处于一种焦虑的状态，尤其是在人工智能快速发展的背景下。AI正在以一种不可预测的速度改变世界，而这种变化带来的是双重反应：人们感到焦虑，同时也感到好奇，甚至可以说是“焦虑与好奇并存”。我们的工作，就是研究“焦虑”本身——我们用人工智能来检测个体的焦虑水平。

我想请大家注意这样一个现象。比如我们刚刚提到了“小谢尔顿”，Google也在做类似的大模型开发，用一种非常光鲜的方式来包装AI，但其成本高达1到2亿美元，投了这么多钱进去，最后产出的到底是什么，其实并不清晰。

所以我认为，我们应该关注一些更具体、更具现实意义的技术路径。比如说，我们能否建立起一套人工智能模型，让它真正具备情绪识别的能力？我们是不是能训练出一个AI，它能够准确识别一个人情绪不好的状态？这其实是连拥有博士学位的人都很难在几十秒内完成的判断。

我们当然希望ChatGPT、DeepSeek这些模型能帮上忙，但目前它们还做不到。因为这些模型受训的基础是互联网上的大量通用数据，而这些数据在精神健康评估上存在很大的局限性。我们需要的是垂直的数据，涉及几十亿人口的深层情绪与心理状态。

我们的任务是多维度的：政策设计、人才招引、工程实施、资金筹措和跨文化沟通都不可或缺。我们可能需要花两三年时间，来建立一套完整的、专注于抗抑郁的训练数据体系。这并不容易，因为它不仅是一个AI工程问题，更是一个复杂的社会问题，需要协调心理健康机构、技术团队与多文化背景下的患者共同参与。

当然，工程师可以解决很多复杂的问题，比如医学问题、能源问题。那么，为什么不能用AI去识别和应对精神健康问题？至少，我这代人可能是最后一代还能“培育”AI的人了。为了培育AI，你必须“教”它你希望它理解的事物。AI能看到的世界，其实就是你允许它看到的世界。

虽然互联网上的数据已经非常丰富，但我们需要的是新的数据、新的信息。只有建立起这样的数据，我们才能赋予AI理解精神健康的能力。这要求我们汇聚来自不同文化、不同语言环境的垂直数据，才能完成精准建模。

为什么这如此重要？因为今天我们所处的信息环境充满了伪数据与虚假形象。甚至出现了“AI训练AI”的闭环问题。而在精神健康领域，为了获取高质量的训练数据，我们必须和真实的患者、真实的医疗机构建立联系，收集第一手数据。这还涉及伦理、隐私和知情同意等问题，比如这些人愿意为训练AI投入多少时间？他们是否理解自己的数据将如何被使用？

一旦我们建立起这样一个新的知识库，就能创造出高质量的专属数据集。通过这样的方式，AI不仅掌握广泛的知识，而且能够通过针对性训练掌握深度的、具体的知识。这才是人工智能赋能精神健康的关键路径。

本文依据嘉宾在由国际人才组织联合会（AGTO）与全球化智库（CCG）主办的2025全球人才峰会上的发言录音整理，未经本人审阅，转载请注明出处