连信数字/连心云黄杏：语言之外，为什么“看懂人心”才是AI的终极考题？

首页

热心网友

转载

2026-04-29

语言之外：为什么理解“人”才是AI进入真实世界的关键

4月21日至22日，以“奔赴AGI 重塑未来”为主题的2026中国生成式AI大会（北京站）圆满举行。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

这场盛会汇聚了73位来自产业、学术、研究和投资界的嘉宾，通过一场开幕式、三场专题论坛和六场技术研讨会，对AI产业的整体脉络、创新模式、Token经济以及其中的中国机遇，进行了一次全景式的深度剖析。

议题覆盖面极广，从大语言模型、多模态模型、世界模型、智能体、AI眼镜这些前沿模型与应用，到数据、芯片、存储、通信、云服务等底层基础设施，几乎无所不包。

在这场信息密度爆表的大会上，连信数字/连心云洞见研究院负责人黄杏带来了一场引人深思的主题演讲——《语言之外：为什么理解“人”才是AI进入真实世界的关键》。

黄杏指出，从图灵测试到大模型时代，人类的核心目标其实一直没变：让机器像人一样思考、行动。但当前行业普遍存在一个认知盲区——当人们为AI能精准理解语言、甚至编写代码而惊叹时，往往忽略了一个基本事实：人的感受、思绪以及那些刻意隐藏的信息，绝大多数都不会通过语言直接表达出来。

这意味着，AI若想真正融入现实世界，仅仅理解语言是远远不够的，它必须学会“理解人心”。

正是基于心理学与人工智能深度融合的逻辑，连信数字自主研发并推出了“洞见人和”人本世界（心理）大模型，这也是全国首个通过国家双备案的心理应用垂类大模型。它具备两大核心能力：一是多模态识别与分析推理，二是能将心理层面的洞察，转化为实际的业务洞察。

借助智东西生成式AI大会这一平台，黄杏也向业界正式传达了连信接下来的战略升级方向：推出“AI+云”商业战略，并正式对外发布连心云能力平台，将核心模型能力与原生智能体（Agent）全面上架。

以下是演讲内容的精编实录：

一、从图灵测试到大模型，AI为何需要理解人心？

大家好，我是黄杏。过去两天，我们听到了许多关于大语言模型和前沿技术的精彩分享。今天，我想回归一个更本质的问题：我们发展人工智能，究竟是为了什么？

回顾历史，从早期的图灵测试到如今席卷全球的大模型，那个终极目标始终如一：让机器模拟乃至超越人类的思考与行动能力。说到底，人工智能的核心，终究落在一个“人”字上。当前的大语言模型在理解和生乘人类语言方面已经相当出色，写诗、编码都不在话下。

但是，把目光转回现实世界中活生生的人，情况就复杂多了。我们的情绪、盘算、下一步打算，乃至潜在的风险，常常不会诉诸语言，甚至会被有意地掩饰起来。

所以，要让AI跨越虚拟与现实的鸿沟，与人类实现和谐共处与交互，只让它理解语言和物理规则是行不通的。关键的一步，在于让它能“理解人心”。这也正是我今天想探讨的主题：在语言之外，为何理解“人”本身，才是AI叩开真实世界大门的关键钥匙。

我们不妨先看看，人类自己是如何理解同类的。

在座的各位，可能身兼多职：既是公司的管理者或面试官，同时也是家中的子女或父母。在日常工作和生活中，我们无时无刻不在对人进行判断。管理者得时刻留意，团队里哪位成员状态不稳，会不会突然离职；面试官要通过简历和短短几十分钟的交流，判断候选人是否胜任、价值观是否契合，他的话里有没有水分；作为家人，要操心孩子的学习压力和心理状态，要琢磨老人那句“老了不中用了”背后，是不是藏着孤独或健康问题。

至于司法、公安等严肃场景，一线人员更需要依据语言之外的蛛丝马迹，对嫌疑人做出严谨、有据的研判。可以说，几乎每个行业都离不开对人的分析与决策。

然而问题在于，大多数时候，我们的判断只能依赖零碎的细节、肉眼观察、语言的表面意思，再混合个人的经验和所谓的“直觉”或“第六感”。这种方式，很难做到全面、客观。

那么，有没有更科学的方法？答案是肯定的，心理学就是专门干这个的——它的研究对象就是人，旨在揭示心理与行为的规律。我硕士阶段攻读认知心理学，在标准化的实验室里，我们可以通过小样本采集静态数据，发现一些规律，比如什么是“不安全型依恋”，什么是“不良的情绪调节策略”，以及它们为何产生。

但传统心理学也面临瓶颈：它难以回答，这种心理状态具体何时会出现？出现之后又该如何有效应对？这正是心理学难以大规模工程化落地的症结所在。因为真实世界由海量、非标准化的样本构成，人每时每刻都受着各种外界刺激的影响，无法像实验室那样控制所有变量。更何况，人的心理状态是动态流动的——比如我现在站在台上演讲，和一会儿去向领导汇报工作，心理状态截然不同。这些现实世界的复杂性，构成了心理学应用的巨大挑战。

而这时，AI的优势就凸显出来了。它或许不懂人心，但它极其擅长处理海量数据，能从数据中挖掘模式，并快速做出响应。于是，一个自然的构想产生了：如果把心理学（特别是认知心理学）那套理解人、分析人的方法论“教”给AI，结果会怎样？

为了回答这个问题，洞见研究院应运而生。团队二十余人，背景横跨心理学、算法、大数据及多个交叉学科。我们都深信心理学的应用价值，并最终给出了自己的答案。

二、“洞见人和”人本世界心理模型：从“觉察人”到“理解人”

我们构建了一套以人为中心的模型体系，命名为“洞见人和”人本世界（心理）大模型。值得一提的是，它已成为全国首个通过国家网信办大模型备案与算法备案的心理应用大模型。

这个模型的核心能力有两项。第一项是多模态识别与分析推理，目标是让AI从简单的“觉察人”，进化到深度的“理解人”。所谓“觉察”，是指AI能够从一个人的多模态数据中，提取出与心理活动、心理特征最相关的信息线索。

具体来说——

通过视觉，可以捕捉面部运动单元、眼动轨迹、面部血流变化、肢体动作乃至步态；

通过语音，能够分析语速、语调、流畅度；

通过文本，可以解析用词习惯、句长、表达的逻辑结构。

如果能接入更丰富的数据源，还能进一步获取社会关系、重大生活事件、家庭结构、消费习惯、所在文化组织等信息，这些都和构建一个人的完整心理画像息息相关。

感知到这些特征后，数据会被送入一个分析推理图谱。这个图谱由超过16000个节点和120万条推理关系构成，其知识体系提炼自大量心理学及相关学科的实证研究。采用神经网络与符号推理相结合的方式，我们可以基于少量但信息密度高的数据线索，分析出一个人的全面心理画像，涵盖性格特质、情绪模式、潜在需求动机以及能力资源等。正因为采用了这种神经符号AI的技术路径，每一个分析结论都是可量化、可解释、可溯源的。

第二项核心能力，是将心理洞察转化为业务洞察。理解人的能力，最终要在实际应用中创造价值。我们发现，客户关心的往往不只是某个个体的性格特点，他们更关注的是：了解个体之后，如何进一步解决具体的业务难题？经过数年的实践探索，我们构建了这种转化能力。

举个例子：在教育场景，我们为学校提供无感的心理健康监测工具，能在危险事件发生前，识别出前置的心理异常信号，帮助老师提前干预；在司法场景，我们为司法机关提供再犯罪风险预测模型，协助优化对社区矫正等特殊人员的管理策略；在招聘场景，帮助企业预测员工的稳定性、职业倦怠程度以及对企业的忠诚度；在金融场景，则协助客户分析借款人的借贷风险与逾期可能性。

凡是需要对“人”做出判断和决策的场景与行业，“洞见人和”都有其用武之地。这四个字也承载着连信数字的使命：让机器理解人心，让AI成就美好社会。

那么，它在实际场景中的表现究竟如何？可以用两个最近的案例来具体说明。

司法案例：我们为某地司法局部署了再犯罪风险预测模型，该模型被嵌入社区矫正对象每日拍照打卡的流程中。模型通过矫正对象每日上传的人脸数据进行持续监测。近期一线工作人员反馈，模型预警的10名高风险人员中，经核实有7人确实遭遇了重大变故（如亲人去世或遭遇车祸）。其中部分人主动上报了情况，另有两人选择了隐瞒。模型通过捕捉到的情绪异常信号及时发现了问题，使得司法工作人员能够主动介入关怀，从而有效降低了再犯罪风险。

教育案例：我们为多所学校提供了心理健康异常风险预警模型。学校将模型接入安防系统，通过走廊、食堂等场所的监控摄像头采集学生的日常情绪与行为数据。经过一段时间的监测，模型能够识别每个孩子情绪的异常波动、攻击性倾向、压力过载等情况，并在出现异常时向老师预警。其中一所深度合作的学校反馈，模型预警的10名学生中，有6人确实存在明显的心理困扰。有一名学生曾因心理问题休学，复学后适应不良，本人并未向老师求助，但被模型精准捕捉。此外，超过一半学生的心理危机（如遭受霸凌、被孤立、与朋友发生严重冲突等）甚至是老师此前未曾留意到的。关键在于，我们预警的并非“孩子马上要跳楼”这类极端信号，而是那些真正可能导致危险事件发生的“前置信号”，从而将风险防范于未然。