·青少年心理健康的形成是一個復雜的多因素交織過程，家庭、學校、社會乃至個體特質(zhì)都扮演著重要角色。AI的有效介入需要理解這些深層因素。

當人工智能（AI）技術(shù)以不可抵擋之勢滲透社會生活的方方面面，青少年的學習生活正在全面數(shù)字化。AI對心智尚未完全成熟的青少年和兒童群體帶來的影響，正成為一個亟待深入剖析的復雜命題。

2025年6月15日，第二屆中國健康促進大會“AI在心理健康教育中的應用”專題分會拉開帷幕，多名來自心理學、公共衛(wèi)生、教育學領域的專家學者分享了他們在AI與青少年心理健康方面的學術(shù)研究和產(chǎn)品開發(fā)的經(jīng)驗與洞察。

多名專家表示，AI是燈塔還是會讓青少年迷航，取決于引導青少年與之共處的方式，這不僅需要AI產(chǎn)品開發(fā)者采取更負責任、更貼合青少年需求的態(tài)度，更需要家庭、學校與社會對于青少年的理解與支持。

當AI成為“伙伴”

青少年使用AI的頻率可能超出家長與老師們的想象。溫州康寧醫(yī)院首席科學家、香港中文大學榮休教授、英國皇家內(nèi)科醫(yī)學院公共衛(wèi)生學院院士劉德輝展示了一項針對浙江溫州某地中小學生在生成式AI使用與心理健康方面的初步研究。在這些來自53所小學和35所中學的4萬多名學生中，有AI使用經(jīng)驗的超過半數(shù)。

學生們與AI聊各種話題，包括學習創(chuàng)作、娛樂消遣，乃至進行咨詢和尋求情感支持?！八麄儐柦】档膯栴}，學業(yè)的問題，包括心理的問題：人際關系怎么樣，男朋友怎么樣……一些學生將AI用作陪伴。” 劉德輝說。

為了更準確地衡量AI的使用強度，劉德輝團隊構(gòu)建了GAI使用強度量表（GAIIS），并從中區(qū)分出了“生成式AI問題使用”（Problematic Use of GAI, PUGAI）的現(xiàn)象，其中青少年們可能對AI使用上癮、頻率過高、影響睡眠和正常生活。在這個樣本中，PUGAI的總體檢出率約為13%，其中小學生（14.6%）略高于中學生（11.3%）。

AI使用與游戲等其他網(wǎng)絡成癮有所不同：“每次用的時間可能會比較短的，也不直接涉及一些人際的活動。另外不像游戲，家長不但不會反對，可能還會支持他們利用AI學習?！?劉德輝說。

AI知無不言，溫柔體貼，一些學生甚至將它們當成真人來看待。劉德輝的研究進一步探討了青少年對AI的人性化感知，包含感知擬人化、感知同理心和感知與GI的關系三個維度，學生們在回答相關問題時越覺得AI像人、像伙伴、能理解自己，得分就越高。結(jié)果顯示，這三個維度的得分顯示出與AI問題使用的強相關。

劉德輝表示，這些關聯(lián)并不能說明AI的問題使用導致了青少年心理健康問題，相反，在引入“社會焦慮”的變量之后，上述相關性減弱，這表明AI問題使用可能在社會焦慮與更深層次心理問題之間扮演著中介角色，與很多其他成癮問題一樣，是“果”非“因”。

“這里面的可能的邏輯是，青少年由于孤獨和焦慮感導致對AI的過度使用，進而導致失眠或抑郁?！?劉德輝說。

與劉德輝的研究相呼應，科大訊飛智慧心育研究院院長常雪亮博士從產(chǎn)業(yè)實踐的角度，分享了專為青少年設計的產(chǎn)品“AI心理伙伴”的真實用戶數(shù)據(jù)中體現(xiàn)出的模式。在所有用戶超過4173萬分鐘的對話時長中，約40%是知識問答，高達55%是傾訴和吐槽，5%是深度的心理對話。

她認為，傾向于找AI去傾訴和尋求心理幫助的孩子本身就具有某些特質(zhì)，“自我效能感低，平時遇到困難都自己憋著的，然后也不找老師的那一群人?！睂τ谒麄儊碚f，AI更像一個安全、私密、永不評判的情緒“樹洞”，“他每天把情緒垃圾一定要倒完，然后去睡覺，這就是它的一個作用?！?/p>

在常雪亮看來，對于這部分青少年而言，AI的幫助能夠促進他們的心理健康?！靶睦砘锇椤钡臄?shù)據(jù)顯示，經(jīng)常使用AI心理伙伴的學生，其主動向外界求助的意愿反而有所上升。AI的接納和認可，似乎增強了他們正視并表達自身心理需求的勇氣。

走進青少年心靈：AI能做的和不能做的

青少年心理健康的形成是一個復雜的多因素交織過程，家庭、學校、社會乃至個體特質(zhì)都扮演著重要角色。AI的有效介入需要理解這些深層因素。

華東師范大學心理與認知科學學院的席居哲教授從家庭教育的視角切入，提出了一個根本性的問題：“我們的大人真的懂我們的孩子嗎？”在大量的心理咨詢工作中，他發(fā)現(xiàn)許多成人在教育孩子時，往往帶著自己被遺忘的童年經(jīng)驗和固化認知，無意中給孩子種下了“穿心咒”——那些負面的、限制性的語言和評價，可能影響孩子一生。

席居哲引用蒙臺·梭利的“兒童是成人之父”的觀點，強調(diào)童年期對個體形成的關鍵作用，而AI或許能在認知層面幫助父母更好地認識孩子、用更科學的方式與孩子交流。

杭州師范大學教育學院的賈文斌教授將焦點放在了更早的年齡段——3至6歲的幼兒，強調(diào)培養(yǎng)其“社會情感能力”（Social-Emotional Learning, SEL）的重要性，認為這是為未來心理健康打下“童子功”。

社會情感能力，簡而言之，是個體理解和管理情緒、設定和實現(xiàn)積極目標、感受和表達對他人的同理心、建立和維持積極關系以及作出負責任決策的能力。賈文斌指出幼兒社會情感能力發(fā)展的三個特點：個體差異性、具身性（embodiment，即通過身體動作和與環(huán)境互動來學習）認知和多元互動性，而AI可以通過定制化的互動游戲等方式，促進這些認知過程。

但同時他們也指出，在青少年心靈的健康發(fā)展過程中，很多東西是AI做不到也無法取代的。盡管家庭造成的心靈緊張可能需要用一生去療愈，但席居哲也表示，家人的陪伴與呵護同時也是很多心智品質(zhì)的來源。“高質(zhì)量的陪伴、家庭教育中產(chǎn)生的道德情感和人際關系是無法取代的，”他說，“AI可以成為輔助，但無法取代父母真實的愛與互動?！?/p>

上海交通大學教育學院的唐鑫副教授指出，運動、睡眠和主動求助是世衛(wèi)組織定義的影響心理健康的三個重要因素，不僅需要青少年的親身實踐，還需要社區(qū)、政府、學校、家庭的多方配合來創(chuàng)造條件，這些都是AI做不到的。

他以芬蘭為例，描述了一個重視戶外活動、課間休息、社區(qū)綠地建設的綜合性生態(tài)系統(tǒng)，這些因素對青少年心理健康的積極作用不言而喻。“心理健康不僅僅是沒有心理問題，我們也希望我們的學生具有好的心理技能、積極的品質(zhì)，這樣的話他才能夠應對一個不確定的未來?！碧砌握f。

AI作為輔助診療精神疾病的工具

如今，青少年正面臨越來越多的心理健康問題，包括抑郁、孤獨、成癮等。當這些問題發(fā)展到一定程度，就可能形成更為嚴重的心理疾病?，F(xiàn)代心理學與精神病學已經(jīng)發(fā)展出一套對心理疾病的科學篩查和治療方式，經(jīng)過專門設計的AI作為工具，正展現(xiàn)出成為醫(yī)生得力助手的潛力。

唐鑫指出，咨詢談話、紙質(zhì)問卷等心理疾病的傳統(tǒng)篩查方式存在客觀性不足、節(jié)奏慢等弊端，而AI則能在篩查測評、數(shù)據(jù)分析和個性化干預建議方面提供助力，比如通過數(shù)字化問卷與AI評估快速生成青少年的心理狀態(tài)報告，引起學校和家長的重視。

哈爾濱工業(yè)大學（深圳）的侯舒艨副教授專注于孤獨癥兒童的干預研究。孤獨癥（ASD）兒童的核心障礙之一是社交互動困難。有趣的是，許多研究發(fā)現(xiàn)，孤獨癥兒童似乎對機器人表現(xiàn)出比對真人更大的興趣。侯舒艨團隊的研究試圖揭示其中的奧秘。

“孤獨癥兒童在面對機器人去進行互動的時候，和跟真人互動的時候相比，負責選擇性注意加工相關的腦區(qū)的激活是會被放松的。”她說。換言之，與機器人互動對孤獨癥兒童而言反而認知負荷更小。

通過進一步研究，侯舒艨發(fā)現(xiàn)，孤獨癥兒童并非排斥“人”本身，而是難以處理復雜多變的人際互動信號?！爱斈悖ɑ訉ο螅╅L得像人的時候，我還可以接受你。可是當你跟我的互動方式也像人的時候，特別復雜特別多樣的時候，我就沒有辦法去完成這樣的一個互動了?！?/p>

AI特別適合這樣的任務?；谶@些發(fā)現(xiàn)，侯舒艨團隊開發(fā)了針對孤獨癥兒童的干預機器人和基于虛擬現(xiàn)實的智慧空間干預平臺，旨在通過更適配的交互方式和沉浸式環(huán)境，提升孤獨癥兒童的社交溝通和心智理論（理解他人）能力。

北京工業(yè)大學的王卓崢副教授則將AI應用于精神疾病的客觀診斷。精神疾病的診斷目前仍較大程度依賴量表和醫(yī)生訪談，主觀性較強。王卓崢團隊致力于通過腦機接口（Brain-Computer Interface, BCI）與人工智能技術(shù)，為精神疾病提供一體化的診療解決方案。

腦機接口是一種在人腦與外部設備間建立直接通訊路徑的技術(shù)。非侵入式BCI，如頭皮腦電圖（EEG），能夠采集大腦神經(jīng)元放電產(chǎn)生的微弱電信號。這些信號極其復雜，充滿了噪聲。人工智能，特別是深度學習模型，在處理這類高維、復雜數(shù)據(jù)方面具有巨大優(yōu)勢。

“通過垂直大模型我們可以更好地去分別各種適應證?！蓖踝繊樈榻B道。他的團隊利用EEG和心率變異性（HRV）等多模態(tài)信號，結(jié)合自研的AI模型，對抑郁癥、阿爾茨海默病、注意缺陷多動障礙（ADHD）等多種精神疾病進行輔助診斷。尤其在ADHD亞型區(qū)分這一臨床難點上，其模型達到了90%以上的準確率。