只需一句话就能看透性格？生成AI解读“你的风格”的时代

「现在，你在想什么？」

如果有人这样问你，而你在几十秒内随意地说出你的想法。今天发生的事情，一点小小的不安，开心的事情，或者是没有特别意义的闲聊。仅凭这些“漫无边际的话语”，AI就能够相当准确地推测出你的性格倾向——这样的研究推动了心理学和AI的界限进一步扩展。

“性格诊断”正在发生变化

迄今为止，性格评估主要依赖问卷（如回答“你认为自己外向吗”“你是否细心”等项目）。原因很简单，因为这种方法效率高且易于统计处理。但与此同时，也有批评认为“人的性格会在语境和情境中显露，仅靠选择题的回答会有遗漏”。

在此背景下，生成AI，即大规模语言模型（LLM）应运而生。在研究中，商业和一般用途的LLM（例如：ChatGPT、Claude、LLaMA 等）被用于读取人们的“自述”，以推测大五人格（外向性、宜人性、尽责性、神经质、开放性）。关键在于，使用的是广泛可获取的LLM，而不是“专门为心理学训练的模型”。

实验是“自言自语”和“日常日记”

研究设计主要有两种类型。一种是参与者“直接说出/写下脑海中浮现的内容”的自由形式内容。另一种是像每日短视频日记一样，自然地记录生活的一部分。通过这些“自然语言的片段”，LLM推测性格问卷的回答，并验证其与本人自我评价的一致性。

结果显示，LLM给出的性格评分与自我评价表现出相似的趋势。而且，使用多个LLM并取其平均值的方法更加稳健（不易波动）。此外，研究还表明，与传统的文本分析方法（经典的特征量化方法等）相比，LLM表现更佳。

这里重要的是，这不仅仅是关于“性格是否准确”的娱乐性讨论，而是“日常语言中可能包含了比想象中更浓厚的性格线索”的方向。研究者强调，性格不仅仅在“自我介绍时”显露，而是可能融入日常思维和表达的流动中。

不仅仅是性格：还与行为、情感、心理健康相关

进一步研究表明，LLM推测的性格评分可能与日常情感、压力、社会行为等相关。这意味着“性格推测不仅仅是贴标签，还可能与现实生活指标相关联”，从而大大扩展了应用的想象空间。

例如，在心理健康领域，即使本人无法进行长时间的测试，也可能从短日记或对话中获取状态线索。在教育和辅导中，可以根据性格特性调整反馈方式。在临床研究中，可能会开辟将质性数据（叙述）量化处理的途径。

然而，需要注意的是，这并不是说“AI可以进行诊断”。研究仅表明“推测的特性评分与特定指标在统计上相关”。医疗诊断或治疗决策需要解释责任、再现性、偏差验证、误判时的风险管理等不同层面的要求。

“比家人更准”——刺激性表述的背后

在报道中，“可能比家人或朋友的评价更准确”这样的刺激性短语引人注目。确实，研究强调了与自我评价的一致性，有时甚至可能优于他人评价。

然而，这里需要冷静地重新解读。家人或朋友了解你的“整个生活”，但评价中容易掺入关系的偏见（变得宽容/严厉，受特定场景印象的影响）。而LLM只看给定的语言数据，却极其擅长于语言模式的统计特征。因此，与其说“谁更了解人”，不如说“用什么材料、以什么标准进行推测”不同，这更接近实际情况。

在社交媒体上可能引发的反应：兴奋与不安

这种研究一出，社交媒体上的反应通常会两极分化。这里不是引用实际的帖子，而是根据文章内容假设的代表性论点，以“帖子示例”形式重构（作为理解氛围的示例，并非特定用户的发言）。

1) “有趣！可以用于自我理解”派

• 帖子示例：
  “性格诊断回答问题很麻烦，但如果自言自语就能知道，那就轻松多了”
  “与其回顾日记，不如让AI总结+给出性格倾向”
  “作为辅导的入口似乎很方便。可以意识到自己的习惯”

这一群体期待自助、辅导、自我分析的“摩擦”减少。尤其是对心理学不太了解的人，更容易觉得“比起复杂的尺度，自然的语言更像自己”。

2) “这不就是监视社会吗？”派

• 帖子示例：
  “如果几十秒的对话就能推测性格，只能想到用于面试、广告、保险的未来”
  “如果语音助手一直在推测，那隐私何在？”
  “被随意贴上‘你神经质倾向高’的标签太可怕了”

这一群体首先想到的是滥用的可能。语言存在于社交媒体、邮件、聊天、会议记录等生活的各个方面。如果“推测”在不知情的情况下进行，并被用于评价，几乎无法拒绝。

3) “如果准确，请解释依据”派

• 帖子示例：
  “到底哪种表达方式成为外向性的指标？”
  “担心偏见（性别、文化、语言）导致的偏差”
  “AI看到的信号和心理学假设的概念一致吗？”

这一群体重视透明性和公平性。即使LLM的推测精度高，如果不能解释为何如此判断，难以在实际场景中应用。尤其是在招聘、信用、保险等领域，解释可能性和异议机制是不可或缺的。

4) “研究很有趣，但要注意夸大”派

• 帖子示例：
  “‘比家人更准’这样的标题太夸张。评估对象是大五人格的自我报告一致性吧”
  “数据的获取方式可能影响准确性。要谨慎对待普遍化”
  “日记或自言自语更容易表现内心，这反而是理所当然的”

这一群体并不否定研究成果，而是希望调整“适用范围”和“语言的强度”。他们警惕在社交媒体上引起话题后，误解之下“性格判定AI服务”泛滥的情况。

那么，我们该如何相处

这项研究展示的未来同时存在便利和风险。因此，个人和社会都需要先考虑“保护方式”。

个人可以做的事情

• 不要轻易将日记、咨询记录、语音备忘录上传到外部服务（尤其是个人信息、健康信息、家庭信息）

• 区分“可以分析的数据”和“绝对不想提供的数据”

• 将推测结果视为“温度计”而非“镜子”（会随情况波动，也有误差）

社会需要做的事情

• 明确推测的使用目的，制定禁止未经同意进行性格推测的规则

• 在高风险领域（招聘、保险、教育评估、司法等）中，标准配备审计、解释、救济机制

• 强制进行对属性差异（文化、语言、年龄等）的持续验证

• 不混淆研究与商业应用（“可以做到”和“可以使用”是两回事）

“你的特质”在言语中流露

归根结底，这项研究的核心很简单。
即使人们没有谈论性格，也在表达性格。

无意间的词汇选择、情感的表达方式、事件的截取方式、主语的大小、未来的表达方式。这些无数的选择塑造了你这个人，并以语言的形式表现出来。而LLM擅长捕捉这种“流露”。

我们将生活在一个语言不仅用于“传达”还用于“推测素材”的时代。
在追求便利的同时，避免被标签化或监视。
首先，从“语言比想象中传达得更多”这一事实开始，将其作为我们的盟友。

出处

1. 密歇根大学新闻的原始发布页面
   https://news.umich.edu/say-whats-on-your-mind-and-ai-can-tell-what-kind-of-person-you-are/
   

2. Tech Xplore转载的文章（研究概要、参与者规模、LLM示例、启示点的总结）
   https://techxplore.com/news/2026-01-mind-ai-kind-person.html

3. Nature Human Behaviour发表的同行评审论文页面（发表日期、论文标题、摘要、方法框架、数据/代码公开信息）
   https://www.nature.com/articles/s41562-025-02389-x

4. 作者公开的存储库（分析代码、生成数据等的公开方针说明。录音/全文转录原则上不公开，可从论文页面追溯）
   https://github.com/SripadaLab/personality_llm_zero_shot/