人工智能可以成为道德大师吗

如何让人工智能做出令人满意的道德决策?这既是一个机器伦理问题,实质上也是一个元伦理学问题,对它的解答可以实现二者的双向启蒙,最终帮助我们理解道德的本性.机器伦理中存在自上而下和自下而上两种主要建造道德能动者的方案,二者分别体现了元伦理学中的理智主义和反理智主义,前者将道德知识视为显性的事实和规则,将道德决策视为遵守规则的过程,后者则更多地将道德知识视为一种技能知识,将道德决策视为复杂情境中的熟练应对.基于对两种方案实例的讨论,可以看出自上而下方案面临着框架问题和常识问题的困扰,存在着不可克服的先天限制,因而模拟人类道德是不可能的;自下而上方案虽然不存在先天限制,可以生成内禀的道德规范性,但仍面临技术上的工程限制和安全上的规范限制,因而模拟人类道德是困难的和不可欲的.这在元伦理学层面提供了一种理论判决,即反理智主义比理智主义更为准确地把握了人类道德的本性,我们不能仅仅依靠遵守规则而成为道德大师,相反,只有依赖漫长的学习和实践才能达致道德成熟.     

句子先提述的参与者在可提取性上的优势现象

下述五个实验就汉语句子成分（包括句子的参与者及其动作）的提述次序对其可提取性的影响进行了研究,结果表明：（１）句子先提述的参与者比后提述的参与者容易被提取,提述的次序对参与者的可提取性有明显影响。（２）先提述参与者的这种优势与句子呈现的方式有一定的关系。（３）在系列呈现的条件下,先提述参与者的易提取性与探测词呈现的延迟间隔有关。（４）在系列呈现的条件下,参与者以名词形式出现时,被试的反应速度较快,而参与者以名字的形式出现时,反应则较慢;在同时呈现的条件下这种差异基本消失。（５）句子参与者的行动（即句子的动词）的提述次序对其可提取性也有明显的影响,说明提述次序对句子成分的可提取性的影响,不只限于句子参与者本身。     

人格结构的动态分析

为了动态化地分析人格的结构。研究一采用个体性自由命名描述法考察人格的动态内容。１５０名大学生分别用１０个词描述实际的自我、理想的自我、应该的自我。词频统计反映了不同自我的内容特点。研究二采用常模化限定性描述法考察人格的结构特点,用研究珠高频词制成实际、理想、应该的自我词表。２００名大学生用７点量表分别评定各词表中的每个词适合描述相应的自我的程度。结果表明,实际的自我有５个因素,解释４７．１％的变异     

主观参考框架在心理旋转中的作用

本研究在心理旋转新的实验范式中引入了一种和当前刺激极不相象但具有强烈参考框架信息的前置刺激,以探讨前置刺激的后续效应的性质。实验结果表明,前置刺激为被试对当前刺激的正像/镜像判断提供了参考框架信息而不是匹配所需的记忆痕迹模板。这一结果倾向于支持Robertson等人(1987)提出的概率混合模型。研究还发现,前置刺激的参考框架作用很有限,仅在400ms的时间内起作用,这说明它在一般情况下很难被旋转。     

右侧颞顶联合区及道德加工脑网络的功能连接预测社会性框架效应：来自静息态功能磁共振的证据

社会性框架效应指个体进行社会性决策时, 描述方式(即框架)对其选择倾向的影响。采用“伤害/帮助框架”范式, 本研究在行为上发现了显著的框架效应：被试在伤害框架下比帮助框架下, 更倾向于选择利他选项, 这可能是由于伤害框架凸显了伤害他人的后果及有意性, 从而提高了道德冲突水平。在神经活动上发现(1)静息态下, 右侧颞顶联合区(TPJ)的低频振荡振幅(ALFF)与框架效应强度存在显著正相关; (2)道德加工相关脑区构成的局部脑网络内部的功能连接强度(FC)能够有效预测框架效应强度。本研究首次利用静息态功能连接探讨个体的社会性决策受到语言表述方式影响的神经机制, 为进一步揭示社会决策中的个体差异提供了神经学证据。     

基于网络理论的物质成瘾新视角

物质成瘾是一种涉及生理、心理和环境等多因素的复杂现象, 但是当前基于生物还原论的解释对物质成瘾现象整体性的理解和康复研究造成了阻碍。网络理论聚焦于心理障碍变量之间相互作用形成的反馈环路, 从整体视角为研究物质成瘾提供了新的理论框架。将网络理论应用于物质成瘾的研究中将有利于:(1)理解症状之间的相互关系和影响; (2)理解症状网络的整体性和系统性动态变化过程; 以及(3)将多层次和多水平因素整合到统一的理论框架中。从网络理论视角来理解物质成瘾, 也将对未来的干预和治疗提供了理论支持。目前, 网络理论仍处于言语模型阶段, 未来需要进一步提出更具体、可验证的统计模型, 以完善对于物质成瘾机制的了解, 更加有效地推进物质成瘾的治疗与恢复。     

计算模型视角下信任形成的心理和神经机制——基于信任博弈中投资者的角度

人际信任渗透在社会交互的各个方面, 是促进和维持合作的重要基石。以往研究者借助信任博弈范式, 主要探讨了人际信任的理论模型、生物基础和影响因素等方面。近年来, 研究者开始将计算模型应用于信任博弈的数据分析中, 深入挖掘人际信任行为背后的心理机制, 将计算模型与神经影像技术结合, 加深对信任行为背后脑机制的理解。目前将计算模型应用于信任博弈范式中的研究主要针对“信任是如何形成的”这一科学问题, 未来要进一步发展计算模型方法, 结合非侵入性脑刺激技术, 应用于精神疾病人群中, 以深入理解正常和异常信任形成的心理和神经机制。     

发展性阅读障碍的听觉时间加工缺陷

发展性阅读障碍是指个体在智力正常并且不缺乏学校教育的情况下, 仍无法获得与年龄相匹配的阅读技能的一种学习障碍, 其缺陷的本质一直是研究者争论的焦点。大量研究显示, 阅读障碍者常表现出听觉时间加工损伤。在行为层面, 阅读障碍者难以辨别快速、连续呈现刺激的顺序以及刺激本身的动态时间特征。在神经层面, 阅读障碍者诱发的失匹配负波更弱且具有异常的神经同步加工。这些损伤同时存在于对言语和非言语刺激的加工中, 表明听觉时间加工缺陷非言语加工所特有。未来的研究还需阐明以下几个问题：1)阅读障碍的听觉时间加工缺陷发生在哪些时间窗口, 随年龄增长如何变化; 2)阅读障碍听觉时间加工缺陷在神经层面的时间进程是怎样的; 3)听觉时间加工缺陷是否为阅读障碍的核心缺陷。     

技术信任和领导信任对企业员工新技术接受的影响

在当今知识经济时代, 新技术的采用对于企业提高核心竞争力至关重要。如何使员工面对新技术带来的风险和不确定性, 信任并接受新技术是企业新技术推广的重要问题。现今学界虽已关注到信任在新技术采用这一过程中的积极作用, 但仍缺乏相关的理论和实证研究, 特别是对于其内在心理机制的解释。为弥补这一研究的不足, 本研究通过分析企业新技术推广情境下, 技术信任和领导信任对员工新技术接受的影响, 并引入了感知风险性与技术自我效能感作为中介变量, 探寻信任影响的内在机制。此外, 还进一步探讨企业文化的调节作用, 从而建构信任与企业员工新技术接受的理论模型, 为企业新技术的推广提出合理建议。     

情感计算技术如何推动犯罪风险评估工具的发展？

摘 要 随着近年来人工智能深度学习技术的发展,情感计算与人格计算技术日渐成熟,在许多实际应用场景中取得了良好的表现,当前人工智能情感计算技术应用于犯罪风险评估领域,能够有效解决目前主流的风险评估工具难以解决的个体内差异性的预测因子评估问题以及被测评参与者因社会赞许性而导致结果失真的问题。本文在详细阐述目前主流评估工具的局限性基础上,详细阐述了以情感计算技术为支撑的动态风险评估工具的设计思路、目前已有的技术方案以及设计细节的理论依据,在此基础上最后提出以人工智能技术为支撑的新型评估工具的未来发展方向。