TMT观察网_独特视角观察TMT行业

在人工智能的發展過程中，AI+一切大數據似乎都能提升效率，得到喜聞樂見的結果。可唯獨有一樣，結合了AI之后會造成大量負面影響，這就是社交媒體數據。

平時我們習慣了在社交媒體中表達情緒、表達興趣愛好甚至會在不經意間透露自己的個人信息，作為普通人而言，即使知道這是一個開放的空間也不太會有數據泄露觀感，畢竟大多數社交媒體的信息展示權重是按照信息熱度來的，普通用戶的個人發言很難被陌生人刻意看到。

但有了AI帶來的超強算力和數據分析能力，一切就變得不一樣了。在爬取數據之后，AI+社交媒體數據能看到的不僅僅是一個人對于事物的反應、情緒和表達，而是可以看到一整個群體甚至整個族裔的相關信息。前一陣差點搞垮Facebook的信息泄露門，多少就體現出了大量散亂個人信息面對AI可能產生的惡果。

不過社交媒體數據不僅僅有陰暗面，現在已經有不少神經學、心理學方面的研究開始利用上AI和社交媒體數據，用機器應對人性。

推特大數據告訴你，

半夜矯情這件事全世界人民都一樣

最近布里斯托大學就利用機器學習分析了英國57個城市四年內的8億條推文，得出了一個讓我們思考已久的結論——人類普遍在早晨情緒高漲、在深夜情緒低落。

整個分析過程是這樣的，研究團隊通過Twitter搜索API進行采樣，收集到了8億條推文。再從其中清洗掉所有#話題、表情符號、節日祝福語等等。并根據心理測量方式為單詞設立了標簽，比如情緒上的積極情緒與消極情緒；時間導向上的關注現在、關注過去、關注未來；個人關注中工作、家庭、金錢、社會、宗教等等。

有了這一嚴格根據心理學研究維度設立的機器學習模型，對于社交媒體數據的研究會更加專業化，而不是單純靠NLP對語言文字中的情緒進行分析。

最終研究得出的結論是，在一天的24小時中，人類的情緒不僅僅會發生變化，思維模式也會隨之改變。

從一天的5-6點開始，人們開始進入社交媒體的表達高峰期，并且這時人們的情緒表達更為積極，關注點也比較集中在個人狀態上。隨著時間推移到7-9點，人們的情緒開始偏向于憤怒，但如果是在非工作日，這種積極而愉悅的狀態就會一直持續下去。這時人們的思維模式偏向于類別思維，想法更為清晰直接，邏輯性強，同時也會有刻板印象的傾向出現。

而到了深夜，人們的情緒表達就會轉變為消極，同時關注點也會從個人轉移到社會方面，隨著時間推移，越接近第二天的凌晨3-4點，人們的關注點就越集中在宗教之上。這一時間段人們的思維模式偏向為存在主義，即體現出困惑、焦慮、非理性、更愿意參與和分享的狀態。

用直白點的話說，一個人的大致狀態是早上起來興致勃勃充滿自信，打了雞血一樣規劃自己的人生，等到了晚上就開始心情低落胡言亂語，關注世界每個角落又發生了讓人悲傷或感動的事情，如果深夜還睡不著，就開始尋求宗教的救贖了。看，這個過程是不是中國人外國人都一樣？

當社交媒體成為心理學研究助手，

從一張自拍就能確診？

其實關于人類情緒的時間周期變化，在之間早就經過證實了。因為神經的疲勞、褪黑素分泌等等生理原因，我們的情緒會在一天之中呈現出不同的狀態。雖然這次對社交媒體大數據的研究只是再次印證了這一變化，并沒有挖掘出情緒變化的更多原因，但關于情緒周期和思維模式變化的關聯，倒是第一次發現。

實際上對于社交媒體數據和心理方面的研究還有很多，從中挖掘到了很多有趣的的信息。

例如在去年，美國匹茲堡大學曾經進行過一項調查，調查內容是抑郁癥患者的社交媒體使用狀況，結果發現，抑郁癥患者的社交媒體平均使用時長要比普通人高出不少。而哈佛大學的研究則表明，抑郁癥患者在社交媒體發布照片時更傾向于應用冷色調、褪色或黑白濾鏡。

突破不了的倫理關卡

目前來看，社交媒體數據對于心理學的作用似乎還停留在學術研究上，在我們的有生之年，可以看到社交媒體數據的心理學應用嗎？

目前來看，社交媒體數據對心理學至少有以下幾種應用途徑：

1、 作為心理狀態測量的輔助工具

除了那些直接導致幻聽、失眠等等直接表現的心理疾病之外，還有很多類型或程度的心理疾病是很難客觀感受到的。大多時候要靠面診或填寫心理狀態測量表來確認，可患者自主填寫時可能無法直接表現出自己的真實狀態。這時社交媒體中無疑透露出來的信息就可以作為支撐。

2、 群體心理狀態的評測

相比個體出現心理問題，更復雜的情況是一整個群體在經歷例如災難、意外時會產生的心理狀態變化。比如在一個公司或學校中出現員工/學生自殺，或者一整個地區遭遇了地震臺風等嚴重的自然災害。這時我們往往是沒有精力去為每一個人做心理咨詢的，也沒有辦法整體評估群體的心理狀況，頂多以集體課的形式對人群進行心理疏導。這時利用機器學習對社交媒體數據進行研究，就可以清楚的看到群體對于事件的心理狀態反應。甚至對人群進行長期的心理狀態追蹤，并進行選擇性、針對性的心理輔導。哈工大就曾經提出過一種方法，通過建立分類器對于高校學生的社交媒體數據進行研究，從而識別抑郁癥患病幾率。

實際上以上提到的應用方式，光從技術上來講幾乎沒有實現難度。雖然得出的結果不一定絕對準確，但對于心理學這項勞動密集型產業來說，所能提供的價值非同小可。

但這其中最大的問題還是在倫理方面，公開發布的社交媒體數據究竟應不應該算個人隱私？從中提煉出的信息又算不算個人隱私？即使是心理疾病患者，公民應該擁有不披露自己患病狀況的權力，通過社交媒體數據發掘公民的心理健康狀況，是否嚴重侵犯了這一權力？尤其像在高校群體中應用這一技術，會不會有人因為周圍老師、同學因為這種方式得知了自己的心理狀態，而使心理狀況變得更差？

其實在某種程度上來講，我們有時候會刻意選擇一些低效的問題解決途徑，但可以換來心靈上的安全與自由。