许多人认为心理学主要是关于心理健康的，但它的故事远远超出了这一点。
作为思想的科学，心理学在塑造人工智能方面发挥了关键作用，为人类认知，学习和行为提供了深刻的见解，从而深远影响了AI的发展。
这些贡献不仅为AI奠定了基础，而且还继续指导其未来的发展。心理学的研究塑造了我们对机器中智能的构成的理解，以及我们如何应对与这项技术相关的复杂挑战和收益。
模仿自然的机器
现代AI的起源可以追溯到20世纪中叶的心理学。1949年，心理学家唐纳德·赫布（Donald Hebb）提出了一个关于大脑学习方式的模型：脑细胞之间的连接同时活跃时会变得更强。
这个想法暗示了通过模仿自然的方法来学习机器的学习方式。
在1950年代，心理学家弗兰克·罗森布拉特（Frank Rosenblatt）建立在Hebb的理论上开发一个称为的系统感知者。
感知者是第一个人工神经网络曾经做过。它以与现代AI系统相同的原理运行，在该原理中，计算机通过基于数据的网络中的连接而不是依靠编程指令来学习。
对智力的科学理解
在1980年代，心理学家大卫·鲁梅尔哈特（David Rumelhart）Rosenblatt的Conceptron改进了。他应用了一种称为的方法反向传播，它使用微积分原理来帮助神经网络通过反馈改善。
反向传播最初是由保罗·沃尔博斯（Paul Werbos）开发的说该技术开辟了对智力的科学理解的可能性，对心理学和神经生理学与牛顿的概念对物理学一样重要。
Rumelhart 1986纸，与罗纳德·威廉姆斯（Ronald Williams）合着杰弗里·欣顿（Geoffrey Hinton），通常会因激发人工神经网络的现代时代而受到赞誉。这项工作为深度学习创新（例如大型语言模型）奠定了基础。
2024年，诺贝尔物理奖获得了欣顿和约翰·霍普菲尔德（John Hopfield）的人工神经网络的工作。值得注意的是，诺贝尔委员会在科学报告，强调了心理学家在人工神经网络的发展中所扮演的关键角色。
拥有心理学学位的Hinton承认在获得奖品时，站在Rumelhart等巨人的肩膀上。
自我反思和理解
心理学继续在塑造AI的未来中发挥重要作用。它提供了理论见解，以应对该领域的一些最大挑战，包括反思性推理，智力和决策。
微软创始人比尔·盖茨（Bill Gates）指出当今的AI系统的关键限制。他们可以从事反思性推理，或者心理学家所说的元认知。
在1970年代，发展心理学家约翰·弗拉维尔（John Flavell）介绍了元认知的想法。他用它来解释孩子如何通过思考和理解自己的思维来掌握复杂技能。
几十年后，这个心理框架是引起注意作为前进AI的潜在途径。
流体智能
心理理论越来越多地用于改善AI系统，特别是通过增强其解决新问题的能力。
例如，计算机科学家Franã§oisChollet突出了流体智能，心理学家将其定义为在没有事先经验或培训的情况下解决新问题的能力。
在2019年论文，Chollet引入了受认知心理学原理启发的测试，以衡量AI系统如何处理新问题。该测试称为人工通用智能（ARC-AGI）的抽象和推理语料库提供了一种使AI系统以更像人性化的方式思考和理性的指南。
在2024年底，Openai S O3模型展示了著名的成功在Chollet的测试中，显示了可以适应和解决更广泛问题的AI系统方面的进展。
解释的风险
当前研究的另一个目标是使AI系统更能解释其输出。心理学也提供了宝贵的见解。
计算机科学家爱德华·李借鉴了心理学家的工作丹尼尔·卡尼曼（Daniel Kahneman）强调为什么要求AI系统来解释自己可能会有风险。
卡尼曼（Kahneman）展示了人类如何通过事实后创建的解释来证明自己的决定是合理的，这不反映他们的真实推理。例如，研究发现法官的裁决根据他们何时饮食而波动尽管他们坚信自己的公正性。
Lee警告说，AI系统可能会产生类似的误导性解释。由于合理化可能具有欺骗性，李认为AI研究应该集中于可靠的结果。
技术塑造我们的思想
心理学科学仍然被广泛误解。例如，在2020年，澳大利亚政府提出了将其重新分类为人文学科的一部分在大学。
随着人们越来越多地与机器互动，人工智能，心理学和神经科学可能会对我们的未来产生关键的见解。
我们的大脑非常适应，技术塑造了我们的思维和学习方式。研究经过心理学家和神经科学家埃莉诺·马奎尔（Eleanor Maguire）例如，揭示了伦敦出租车司机的大脑通过使用汽车在复杂的城市中进行物理改变。
随着AI的发展，未来的心理学研究可能会揭示AI系统如何增强我们的能力并解锁新的思维方式。
通过认识到心理学在AI中的作用，我们可以促进人们和技术共同努力为更美好的世界共同努力的未来。