密歇根大学的一项最新研究显示，现代大模型只需分析你的日常语音或文字，就能推断出性格特质、情绪状态乃至行为倾向，其准确度在很多指标上已不逊于亲友评价。
让 AI 来做“人格测评”的实验是怎样的？
- 数据来自真实生活记录：研究团队收集了 160 多名参与者的短视频日记与更长时间的自由对话录音，而非刻意设计的“测试场景”。
- 多模型交叉评估：让 ChatGPT、Claude、LLaMA 等模型分别“扮演被试者”，回答标准人格问卷，然后与被试自评和亲友评分进行对比。
- AI 画像高度贴近自我认知：在外向性、神经质等核心维度上，AI 的判断往往比亲友打分更接近当事人自我评价。
日常语言里藏着怎样的心理线索？
- 开放式表达优于选择题：研究发现，相比传统人格量表，开放式对话中的词汇选择、叙事结构、情绪色彩反而能提供更丰富的心理信号。
- 预测现实行为与情绪：AI 生成的人格画像不仅与当事人自我感觉吻合，还能预测其日常情绪波动、压力水平与社交行为等客观指标。
- 旧一代文本分析工具已被碾压：与传统的词频分析模型相比，生成式大模型在理解语境、捕捉隐含动机方面优势巨大。
新机会与新风险并存
- 有望重塑心理测评与干预方式：未来，心理咨询和精神健康筛查或许可以通过分析聊天记录、语音日记，提供更连续、低门槛的评估。
- 隐私与滥用风险不容忽视：如果平台或雇主在未经同意的前提下分析用户语言数据，便可能在招聘、信贷、广告投放中进行“隐形画像”。
- AI 理解是否等于“真正懂你”？：研究团队也提醒，目前实验仍以自评为基准，人类与 AI 是否依赖同一套线索做判断，仍是未解之谜。
一句话总结：大模型已经能从“随口一说”中读出远超想象的个人信息。如何在利用这项能力改善心理健康、提升服务质量的同时，防止被用于精准操控与歧视，将成为未来数年 AI 伦理与立法的关键议题。