在不久的將來一定會，人工智慧是未來發展的趨勢，隨著人工智慧的快速發展，人工智慧與心理學其實密不可分。

　　對於心理學來說，人工智慧和心理學又會擦出怎樣的火花呢？雖然心理學不算傳統行業，或者說算是新興行業吧（經典梗，雖然有漫長的過去但只有短暫的歷史，XD），但當人工智慧這一浪打過來，可能會對心理學帶來什麼樣的變化？想起了當年計算機興起的時候，可是直接影響到了認知心理學的發展的，那，下一步的人工智慧呢？人工智慧及相關技術的發展，為心理學研究提供了突破性的研究方法和工具；心理學對大腦機制的研究成果運用於人工智慧領域，也推動著人工智慧研究的進步。這兩個學科在相互結合中推動彼此的發展，提升著各自的社會應用價值。

　　心理學對人工智慧的影響。

　　1、人工智慧的方法學可以認為三種代表性的學派：符號主義、行為主義和聯接主義。

　　實際上符號主義和行為主義都代表了最基本的心理學理論：邏輯推理心智研究與行為主義心理學。行為主義側重從試驗來驗證理論猜想，而符號主義則側重於建立完整的公理系統。聯接主義的代表是以神經網路模型為代表的神經計算，這可以認為於心理學關係最小。因此心理學，及其衍生的心智哲學等可以認為是人工智慧的基礎支撐理論之一，比如：目前人工智慧領域的很多強化學習理論都直接來源於心理學。

　　2、人工智慧對心理學發展的影響。

　　實際上，人工智慧目前還是計算機科學下面的一個分支，儘管國內外很多專家都呼籲把人工智慧從計算機科學中獨立出來，但是還必須意識到，人工智慧實際上強調的是一種對人類行為智慧的模擬，透過現有的硬體和軟體技術來模擬人類的智慧行為，這包括：機器學習、形象思維、語言理解、記憶、推理、常識推理、非單調推理等一系列智慧行為，目前人工智慧概念本身也有範化的趨勢，即：大自然所體現出來的智慧性，如：螞蟻演算法、SWARM演算法等都是受到大自然智慧現象的啟發，有些學者也把這一類歸納為AI領域。

　　因此人工智慧發展的是一種技術和工具，從中產生的一些成果其實是可以應用的心理學。比如;一些模擬演算法和理論的建立，可以為心理學提供一個試驗環境和分析工具。

　　3、如何從心理學角度入手研究人工智慧

　　需要研究一些有關心智推理、試驗心理學、行為主義、認知科學等理論和知識，這將為人工智慧的研究打下良好的理論基礎。

　　1、建立心理特徵預測模型

　　結合大資料技術，對大規模的心理資料進行分析和建模，基於此，就能對大範圍群體的心理特徵進行及時感知，利用人工智慧技術中的機器學習技術建立模型，透過分類和迴歸分析進行模型評估並投入應用。

　　2、人工智慧體

　　藉助認知神經心理學對人腦神經系統的結構、資訊加工、記憶和學習機制的研究成果，利用深度神經網路技術從人腦工作原理上進行模擬。

　　3、情感機器人

　　加強人工智慧研究對“情緒”和“情感”的瞭解，加強情感培養的機器演算法和情感機器人的研究。未來兩個學科的研究在這一領域結合，將會碰撞出更有社會應用價值的火花。

　　我們需要的人工智慧，不是說要去完全替代現有的一些心理學的工作，也不是說讓人在應當掌握好的知識和能力面前偷懶，而是說應該讓人工智慧幫助我們心理學學生和心理學工作者更好的完成各自的任務，輔助我們做更多有意義的事情。

　　人工智慧固然有很多優點，但其實缺點也不少，在“人工智慧+心理學”這條道路上，我們更多應該思考的是如何在避開（或者說改進）這些缺點的同時，儘可能的發揮人工智慧的優勢。

　　同時，迴歸到心理學的本質上來說，我們還是要把“人”放在首位，關注人作為一個有血有肉的個體的情感與體驗，也讓人與人之間能夠有更好的互動、交流與合作，獲得更多的幸福感，而不是用機器將人與人分隔開來。

　　

首先人工智慧的範圍比較廣，心理學（主要指腦科學的研究）也可列入其中。

目前所謂的“人工智慧”，大多也就是深度學習，機器學習。

應用主要集中在模式識別，自然語言處理等方面。

心理學可以利用人工智慧的技術做研究，而反過來，心理學的一部分也作為人工智慧的一個領域（交集，非子集），推動人工智慧的發展。因此，人工智慧會擴招心理學。

人工智慧是未來的趨勢，心理學肯定在未來也會進軍心理學的，心理學是個複雜的學科，現在基本上所有的東西都可以用資料呈現出來，只有情感不行，人工智慧與情感一直是一個有爭議的事，而心理學與情感又密不可分，所以未來人工智慧肯定會擴找心理學！

人工智慧會擴招心理學

現在，隨手翻閱任何心理學和人工智慧的教材，都很難從學科內容上窺探出二者存在何種關聯。但事實上，若論對人工智慧研究的影響，大概沒有哪門學科能夠與心理學相媲美。從人工智慧創立之初的紐厄爾（Allen Newell）、西蒙（Herbert A. Simon）及尼爾森（Nils J. Nilsson），到中期的安德森（John Anderson）、霍金斯（Jeff Hawkins）、巴赫（Joscha Bach），再到近期的辛頓（Geoffrey Hinton）、馬庫斯（Gary Marcus），這些人工智慧的翹楚不是心理學家就是具有心理學背景。在推動人工智慧進步的過程中，心理學都在直接或間接地發揮著重要的作用。然而，在當前的語境下，二者的背離卻無疑比其聯絡更為突出。

人工智慧與心理學融合的“貌合神離” 在大資料基礎上，深度學習和強化學習技術勢如破竹，正引領著時下人工智慧的熱潮。一方面，相比於上世紀八十年代的淺層神經網路，深層神經網路不僅在影象、語音及自然語言處理等方面大放異彩，而且與人類大腦神經系統的多層結構更加相似；另一方面，強化學習透過與環境互動所獲得的獎懲而調節系統權重結構，使主體在最大化期望獎勵誘導下不斷修訂從狀態到動作的對映策略，從而實現快速提升系統性能的目的。前者受到認知神經科學的啟發，後者則與心理學中經典的行為主義正規化如出一轍。更不必說，為了改進深度學習和強化學習技術而引入的注意力、長短時記憶等機制幾乎是直接照搬了心理學術語，用心理學詞彙和理論武裝人工智慧之勢現已蔚然成風。 這並不奇怪，畢竟人工智慧的核心目標就是研發愈加接近人類的高階的智慧系統，而真正的智慧也必然具有一定的心理活動。在這種情況下，公眾對人工智慧的期望水漲船高，人工智慧“友善論”或“威脅論”的論調層出不窮，文學和影視作品則及時將其呈現到人們的眼前，彷彿類人智慧機器人明天就會到來一般。 與此同時，人工智慧產品也迅速地向心理學領域滲透。基於面部表情的情緒識別系統，基於大資料分析技術的輿情分析或自殺預警系統，基於GIS的大規模人群跟蹤調查系統，基於VR技術的心理健康干預系統，基於行為特徵的測謊系統等等。遺憾的是，琳琅滿目的各色專案解決的只是心理學的應用問題，而對於心理學核心的理論問題卻沒有什麼實質性的幫助。實際上，當前人工智慧領域中主流的深度學習和強化學習與人腦和心理差距甚遠。

人工智慧會用到心理學的相關研究結論，畢竟目前的人工智慧只是弱人工智慧，靠人類編制的程式實現各種功能，不具備自主判斷能力，暫時還是數學和計算機程式設計更重要。

目前的人工智慧最重要的是演算法和程式，演算法為程式提供了執行的基礎，而程式則是演算法的具體執行。計算機演算法是以一步接一步的方式來詳細描述計算機如何將輸入轉化為所要求的輸出的過程，程式則是以程式碼實現演算法的實施。所以現在計算機工程招數學和計算機程式設計的人才更多，數學本身就是邏輯極強的研究工具，而我們可以將事物的屬性抽象化為資料，不管是人類的心理還是其它，然後利用統計學等學科的手段採集大量的資料，用計算機程式迴圈遍歷資料，使人工智慧基於大資料或者其它的手段實現初步理解人類的意圖。這個過程中計算機的功能就是根據人編制的程式實現這些功能，它們本身只是冷冰冰的機械裝置，不具備任何自主思考的能力，所以現代的人工智慧屬於弱人工智慧，都是按圖索驥，比如我們成活中經常用到的對話：吃了沒？答案只有幾個，吃了或者沒吃或者正準備吃等等，然後程式根據你的用語調出相應詞彙給你回答。

弱人工智慧需要採集大量的資料，然後以資料為基礎設計程式分析人們的需求，將結果輸出就可以實現日常生活中的應用。當然弱人工智慧只是人工智慧發展的一個階段，未來可能會進入強人工智慧的階段，所謂的強人工智慧被認為是有知覺的，有自我意識的。可以獨立思考問題並制定解決問題的最優方案，有自己的價值觀和世界觀體系，可以自行根據外部事物的變化來確定自己與人的交流等等。這就會帶動人工智慧領域更飛速地發展，人工智慧將不再侷限於人類編制的程式，但是它們自主的意識油脫離於人類的心理學範疇，不能指望基於電子晶片的人工智慧可以產生和人類一樣的思維方式，因此可能會有更多的新問題，那就是這樣的裝置能不能聽人類的話為人類所用，要實現這種設施無疑也更加困難，可能需要人類實現對大腦逆向工程裝置的製造。

目前的人工智慧可以根據人使用的詞彙等判斷人的心情，當然不是它們自己判斷，而是依靠演算法和程式，但是也要用到心理學的相關資料，可以說心理學、數學都是人工智慧的基礎，但可能還是數學和程式設計更重要一些。