《AI》：The Thermodynamics of Attention: First Law and Landauer Limit Analogues for Learning and Explainability
背景：与儿童最接近的成年人，包括父母和照顾者、教师及治疗师，是儿童心理健康结果的主要决定因素。然而，这些群体获得高质量心理培训的途径仍然严重受限且不公平。人工智能（AI）工具可能为培训提供一种可扩展、可获取且低成本的方式。本综述旨在提供首个关于AI工具用于培训照顾者、教育者和治疗师/从业者掌握与儿童及青少年心理健康相关心理学方法的系统性证据综合。方法：根据PRISMA指南进行系统综述（PROSPERO：CRD420261336167）。检索了五个数据库（MEDLINE、PsycINFO、Embase、Web of Science和ERIC），从建库至2026年3月，并辅以参考文献检索和正向引文追踪。纳入标准为：研究评估了一种基于AI的培训工具，用于担任照顾、教育或治疗角色的成年人，其对象为0–18岁儿童或青少年；工具传递了明确的心理学方法；并报告了至少一项培训结果。由于方法学和结果存在较大异质性，采用叙述性综合，未进行meta分析。结果：来自9个国家的24项研究（发表于2019至2026年间）符合纳入标准。研究被分为照顾者培训（A组，5篇）、教育者培训（B组，3篇）和治疗师/从业者培训（C组，16篇）。识别的AI模态包括基于自然语言处理（NLP）的聊天机器人、生成式AI/大语言模型（LLM）系统、AI集成虚拟现实（VR）以及基于AI的反馈与分析工具。各组在可行性和可接受性方面总体上呈积极结果。然而，证据基础受到普遍方法学弱点的限制，包括样本量小（多数研究招募不足30名参与者）、依赖未经验证的自我报告结果以及缺乏超过一个月的随访数据。结论：AI工具作为可扩展的心理培训方法显示出早期前景，特别是在程序性技能习得和提升从业者自我效能方面。然而，当前的证据基础不足以支持其有效性主张。该领域存在一个结构性可信度-可及性悖论：拥有最强对照证据的工具最不可扩展，而最可及的工具经验证支持最弱。需要在所有三个人群组中开展充分检验功效的、独立的随机对照试验（RCT），使用经过验证的结果、主动比较组以及跨越数月的随访。
论文主体部分总结：
**1. 引言（Introduction）**
该部分指出：与儿童最接近的成年人（父母、照顾者、教师和治疗师）是儿童心理健康结果的关键中介，但全球范围内这些群体获得高质量心理培训的途径严重受限且不公平。AI工具提供了一条可扩展的培训途径，但尚无系统综述综合相关证据。本综述聚焦于AI工具用于培训成年照顾者、教育者和治疗师掌握与儿童青少年心理健康相关的心理学方法，区别于面向患者的AI干预和通用数字培训。
**1.1. 儿童与青少年心理健康的全球负担（Global Burden of Child and Adolescent Mental Health）**
约七分之一的儿童和青少年受心理健康问题影响，占该年龄组全球疾病负担的13%；三分之一的障碍在14岁前起病，约一半在18岁前。治疗缺口巨大：低收入和中等收入国家超过90%的受影响儿童未得到循证护理，高收入国家也超过50%。这一缺口要求重新构想谁提供心理支持及通过何种机制，培训近端成年人（照顾者、教育者、从业者）是首要的劳动力应对策略。
**1.2. 照顾者、教育者和治疗师的角色（The Role of Caregivers, Educators, and Therapists）**
儿童的心理学发展嵌入近端关系系统，其中家庭、学校和临床环境最为重要。照顾者形成最早且最有影响力的关系，依恋安全性与情绪调节、同伴能力和长期心理健康轨迹有长期关联。循证养育项目（如Parent Management Training、Incredible Years Programme、Triple P）经多项随机对照试验（RCT）和meta分析证实可减少儿童行为和情绪困难，改善父母心理健康。教育者构成第二个关键近端层级，在校期间与儿童互动时间长，能够早期识别问题、示范情绪调节并实施循证课堂支持策略；学校层面的普遍性和针对性方法（如Positive Behaviour Support、社会情感学习课程）的效果取决于教育者知识、信心和实施保真度。第三个人群是心理健康治疗师和受训从业者，其获得循证方法（如认知行为疗法（CBT）、动机性访谈（MI）、创伤聚焦疗法、心智化（MBT）及相关模式）的能力直接影响为儿童和家庭提供的护理质量。对照顾者和教育者进行心理学方法培训属于心理教育干预，理论基础基于社会学习理论和自我调节框架；治疗师培训则基于能力本位教育，强调刻意练习、结构化反馈和保真度监测。
**1.3. 培训可及性问题与可扩展解决方案的理由（The Training Access Problem and the Case for Scalable Solutions）**
尽管有广泛证据支持心理培训，但高质量培训的可及性仍严重不平等。传统形式（小组工作坊、个别督导、现场示范、认证项目）资源密集，需要专家培训师、物理空间、固定时间及地理接近性，这系统性排除了最需要培训的照顾者、教育者和从业者。对于持多份工作的照顾者、偏远地区居民或贫困群体，这些要求常不可行。教育者的心理学持续专业发展（CPD）很少嵌入初始培训且常因预算被削减。在低收入和中等收入国家，精神卫生专家集中在城市中心；在高收入国家，循证培训项目的等待名单可长达数月，可及性在社会经济、种族和地理线上不均衡。这种结构性不平等要求可扩展的解决方案。数字交付已显示出可行性，但多数工具提供静态或低交互性内容（如心理教育视频、自导模块），不足于发展复杂心理技能。真正自适应的、交互的、人工智能化的培训可能代表一个阶段变化：能够同时为大量参与者提供个性化、响应性练习，而不成比例增加专家时间。
**1.4. 人工智能作为一种培训模式（Artificial Intelligence as a Training Modality）**
AI技术（广义定义为能执行通常需要人类智能的任务的计算系统）自2017年左右以来快速发展，特别是大语言模型（LLM）的出现。相关AI模态包括：基于自然语言处理（NLP）的聊天机器人（用于结构化对话练习）、生成式AI系统（自适应开放交互）、AI集成虚拟现实（VR）环境（结合沉浸式模拟与AI驱动化身行为）、智能辅导系统（自动反馈）以及混合平台（人工促进与AI中介练习）。这些技术共享交互性、自适应性和按需可用性。它们在教学功能上有所不同：有些是模拟工具（安全环境复述临床接触）、有些是反馈引擎（分析表现并生成改进信号）、有些是心理教育伙伴（交互传递结构化知识）、有些是自适应导师（根据受训者水平调整挑战和内容）。AI工具的优势包括：提供重复的刻意练习而不增加人类督导负担；提供即时个性化反馈；安全一致地模拟复杂临床场景；任何时间、任何地点、极低边际成本运作。为说明功能，典型的基于LLM的培训会：受训者独立访问平台，选择与目标方法匹配的场景；AI代理（具有预设角色和结构化临床知识库）提出开场提示并自适应响应；反馈可在实时、会话结束或项目层面由督导审阅。人类参与程度差异大：有些完全自导，有些采用混合格式。
**1.5. 本研究（The Present Study）**
已有系统综述关注数字交付的养育支持或面向患者的AI干预，但未专门关注AI介入照顾者、教育者或治疗师培训。本综述首次系统综合相关证据，目标包括：识别并描述所有评估AI工具用于培训三类人群在儿童青少年心理学方法中的实证研究；描述所用AI技术及其发展轨迹；综合可行性和可接受性证据；评估工具在改善知识、技能、自我效能和临床行为改变方面的有效性。核心张力贯穿证据：拥有最强对照证据的工具往往最不可及，而最具可扩展潜力的工具经验证支持最弱——即可信度-可及性悖论。
**2. 方法（Method）**
**2.1. 检索策略（Search Strategy）**：本综述遵循PRISMA指南（[22]），方案前瞻性注册于PROSPERO（CRD420261336167）。检索了五个电子数据库：MEDLINE（Ovid）、PsycINFO（Ovid）、Embase（Ovid）、Web of Science Core Collection和ERIC（EBSCO），从建库至2026年3月，限于英文出版物。检索策略围绕三个核心概念域（布尔AND连接）：人群术语（父母、照顾者、教师、治疗师等）、干预术语（AI、聊天机器人、LLM、生成式AI、对话代理、NLP、VR、智能辅导系统等）和方法与培训结果术语（心理学干预、循证实践、CBT、MI等）。还补充了ProQuest Dissertations、Google Scholar前200个结果及所有纳入研究的引用追踪和参考文献检索。
**2.2. 纳入标准（Eligibility Criteria）**：人群为18岁及以上担任照顾、教育或治疗角色（对象0–18岁）。干预为任何基于AI的工具，用于培训、指导或心理教育传递，且内容为明确的心理学方法或循证策略。AI模态包括NLP聊天机器人、LLM、生成式AI平台、对话代理、智能辅导系统、含AI组件的VR/AR系统、化身模拟平台、自适应严肃游戏等。内容为结构化培训（如CBT、心智化、依恋养育、情绪调节、MI、创伤知情实践、PCIT、Incredible Years等）或心理教育（关于心理学概念、儿童发展或循证策略）。排除静态数字工具。研究需报告至少一项培训或心理教育相关可测量结果（知识、技能、自我效能、可接受性、参与度或儿童心理健康结果）。所有实证设计均纳入，包括RCT、准实验、单组前后测、可行性研究、定性研究、混合方法及单病例实验设计（SCEDs）。仅描述AI系统而无独立实证评估的发展或概念论文也保留用于描述性映射。排除系统综述、社论、意见、协议和会议摘要。
**2.3. 研究筛选（Study Selection）**：在去除重复后，两名独立评审者分两阶段筛选：标题/摘要筛选（纳入/不确定/排除），不确定则进入全文审查；全文审查对照纳入标准，记录排除原因。还通过检索参考文献列表和meta分析识别额外文献。最终决定通过讨论达成共识。
**2.4. 数据提取（Data Extraction）**：提取内容包括：研究标识符（第一作者、年份、国家、设计）；人群特征（类型、环境、样本量、人口学）；干预特征（AI工具类型、工具名、心理学方法、传递模式、时长、强度、人类促进程度）；比较组（如适用）；结果测量（工具、心理测量学属性、测量时机）；定量发现和效应量（如报告）；可行性和可接受性数据；资金来源和利益冲突声明。
**2.5. 质量评价（Quality Appraisal）**：根据设计选用不同工具：RCT用Cochrane风险偏倚工具第2版（RoB 2；[23]）；非随机干预用ROBINS-I（2016版；[24]）；定性研究用CASP定性清单；混合方法用MMAT（2018版；[25]）。质量评价进行两次以确保一致性。评级用于背景化解释发现；不因质量排除研究。
**2.6. 数据综合（Data Synthesis）**：采用叙述性综合作为主要整合方法。发现按AI工具类型和模态、所训方法、目标人群、可行性与可接受性、有效性结果组织。未进行定量meta分析，因为研究在人群、干预和结局测量上异质性大，无法产生有意义的合并估计。
**3. 结果（Results）**
**3.1. 研究筛选（Study Selection）**：最初检索识别9866条记录，去除重复（3907条）后余5959条。标题/摘要筛选排除5904条，55条进入全文审查。全文审查排除35条（原因：无AI成分12条、直接儿童治疗10条、无明确心理方法5条、仅用于评估3条、非实证5条）。参考文献和引文追踪增加4条，最终纳入24条（表1）。筛选过程见图1（PRISMA 2020流程图）。
**3.2. 研究特征（Study Characteristics）**：24项研究来自9个国家：美国12项、阿根廷4项、英国3项、智利1项、荷兰1项、澳大利亚1项，以及跨国产合著（阿根廷/美国、美国/澳大利亚、美国/乌克兰）。发表于2019至2026年，2024年后显著增加。按培训目标分为三组：A组照顾者培训（5篇）、B组教育者培训（3篇）、C组治疗师和从业者培训（16篇）。
**3.2.1. 识别的人工智能技术（Artificial Intelligence Technologies Identified）**：共识别五类AI工具：基于NLP和规则的聊天机器人（TESS/X2AI [37-39]、ClientBot [29]、Lilobot [44]、Client101 [45]、ERIC [42]）；生成式AI和LLM系统（ParenteAI/Pat [43]、GPT-4虚拟CBT客户 [41]、ChatGPT平台 [31-33]、TherapyTrainer [19]、PATIENT-Ψ [34]、多语言自杀风险模拟器 [49]、Claude 3.5 Sonnet [48]）；AI集成VR平台（Smart VR [27,28]、IVT-T [47]、AI驱动VR社会工作培训平台 [35]）；AI反馈与分析工具（ReadMI [30]、CBT Trainer [40]）；开发与概念论文（Escoredo等 [46]、Kenny和Parsons [36]、Maurya [32]、Lanzieri等 [35]）。
**3.2.2. 所训心理学方法（Psychological Approaches Trained）**：A组专注行为养育方法（Incredible Years表扬技能、家长管理培训PMT）；B组包括功能沟通训练（FCT）和课堂行为管理；C组涵盖MI、CBT、书面暴露疗法（WET）、一般咨询与人本中心技能、自杀风险评估、临床社会工作、生态心理学促进（ECPF）。
**3.3. 按组分列研究发现（Study Findings by Group）**
**3.3.1. A组：照顾者培训（Group A: Caregiver Training）**：5项研究均评估聊天机器人或对话AI工具。TESS聊天机器人（NLP）培训父母Incredible Years表扬技能：可行性试验显示完成率78.8%，平均消息交换54.24，知识回忆M=3.07/5，净推荐值7.44/10；后续等待列表RCT无显著组间效应（知识t=-0.27, p=0.79；自我效能t=0.89, p=0.38），但开放式技能保留率为77.96%；用户体验研究满意率M=4.19/5。null结果可能受天花板效应、干预时长（约15分钟）以及Facebook单方面平台政策变更影响。Escoredo等描述PAT倡议三阶段AI进化（规则NLP→混合LLM→具身架构+RAG）。ParenteAI.V1（生成式AI，智利）评估8模块PMT（混合格式：4次现场+4次独立与Pat一起），完成率86.8%，平均AI消息交换376（显著高于TESS的54.24），治疗联盟高（WAI M=6.53-6.59/7），前后测儿童外化行为d=1.00, p<0.001，内化行为d=0.63, p=0.019，照顾者抑郁r=0.68, p=0.005等，均为中到大效应量，但为非对照试验。
**3.3.2. B组：教育者培训（Group B: Educator Training）**：King等 [27] 开发Smart VR（AI集成VR，Google NLP，Oculus 2），用于培训职前教师功能沟通训练（FCT），自动评分与人类编码一致性88-96%。随后RCT（N=49分析）显示VR组后测总体掌握百分比（OMP）78.70% vs 对照33.55%（d=2.45），维持OMP 61.34% vs 31.77%（d=1.58），而陈述性知识和自我感知无组间差异，提示AI-VR主要增强程序性技能。Delamarre等 [47] 评估IVT-T（3D课堂行为管理模拟器），为开发与可用性研究，教师（n=27）定性报告了学习迁移，但未进行前后技能评估。
**3.3.3. C组：治疗师和从业者培训（Group C: Therapist and Practitioner Training）**：16篇论文，涵盖MI、CBT、一般咨询、自杀风险评估等。多数为可行性或概念验证阶段。
**3.3.4. 动机性访谈（Motivational Interviewing）**：Tanana等 [29] RCT（N=151）比较ClientBot（NLP模拟MI客户）与同工具无实时反馈组：训练阶段处理组产生91%更多反思性回应（21.4% vs 11.2%, p<0.001）；测试阶段（反馈移除）保留76%更多反思（14.1% vs 8.0%, p<0.001）；固定回应后测亦显著（d=0.58, p<0.01）。但73%参与者觉得无聊，仅46%愿意再次使用。Hershberger等 [30] 准实验评估ReadMI（自动转录分析生成MI反馈），组间比较优势包括准备开放问题71.3% vs 60.5%（d≈0.5, p=0.0005），闭式问题2.8 vs 5.0（d=0.8, p<0.0001）。
**3.3.5. 认知行为疗法（Cognitive-Behavioural Therapy）**：Zhang等 [40] 混合方法试点评估CBT Trainer（AI虚拟病人应用，Roth-Pilling能力映射反馈），所有预设可行性阈值达标（79.7%参与至少10分钟；SUS可用性M=82.2；自我报告技能改善M=73.67/100；平均自愿参与95分钟）。能力发展最高为评估技能（96.8%）和信息收集（67.7%），但伦理决策为0%，文化能力仅3.2%。Wang等 [34] 评估PATIENT-Ψ（GPT-4+认知概念化图），专家评分优于vanilla GPT-4（保真度和培训效果），但GPT-4和Llama 3作为自动评估者给出相反方向评分，提示LLM自动评估可能系统性偏离人类专家。Stade等 [19] 评估TherapyTrainer（GPT-4o），71%治疗师认为AI病人真实，30名治疗师中71%（有WET接触组）报告准备就绪，但有偶尔偏离WET协议。Fung和Laing [41] 概念验证显示GPT-4可模拟抑郁症CBT客户（每会话约$1.12），但安全护栏限制高风险内容（如自杀风险）练习。
**3.3.6. 一般咨询与人本中心技能（General Counselling and Person-Centred Skills）**：六篇论文。Maurya [32-33] 描述ChatGPT客户模拟模型，定性显示AI客户应答情感表达真实但文化细微不足且过度理想化。Akkurt等 [31] 定性发现ChatGPT在心理上安全但过于顺从且情感浅薄。Schmidt等 [45] 评估Client101，100%参与者同意工具能改善技能，但定性主题为“几乎太好”，“无反对”，“缺乏复杂性”。Prescott等 [42] 评估ERIC（NLP聊天机器人），100%认为有用，97%认为促进反思。Grundmann等 [44] 评估Lilobot（BDI认知代理），报告自我效能显著下降（时间×条件F(1,78)=6.52, p=0.01），79%认为不能自然对话。
**3.4. 专业临床领域（Specialist Clinical Domains）**：Elyoseph等 [49] 评估多语言AI自杀风险评估模拟器（Claude 3.5 Sonnet），自我效能显著提升（t(26)=-3.31, p=0.01），临床经验年限与增益负相关（r=-0.54, p=0.01）。Lushyn和Sukhenko [48] 评估Claude 3.5 Sonnet三种角色扮演格式，发现三因素模型（个人-职业取向、技术掌握、沟通能力），顾问角色（AI做客户）评为最有效。Kenny和Parsons [36] 提出七域角色架构概念框架，无实证数据。Lanzieri等 [35] 描述VR/AI社会工作培训平台开发（估成本超10万美元，开发时间约2年）。
**3.5. 可行性和可接受性（Feasibility and Acceptability）**：各组一致报告高可行性和可接受性。A组聊天机器人完成率66.3-78.8%，满意率超4/5，ParenteAI消息交换量（376）远高于TESS（54.24）。B组Smart VR自动评分88-96%一致性。C组高感知效用和安全性。一致关注点：AI模拟与真实情感真实性、关系深度、情绪深度的差距；AI过于顺从、缺乏客户抵抗、问题过快解决、文化中性默认、安全护栏限制非语言线索缺失。
**3.6. 有效性结果（Effectiveness Outcomes）**：对照证据限于3个RCT：Tanana等 [29] 展示MI反思回应持久改善（d=0.58）；King等 [28] 展示程序技能大效应（后测d=2.45）；Entenberg等 [38] 无显著组间效应（受天花板和时长限制）。其他为前后测设计，如Rivera-Cepeda等 [43] 大效应（儿童外化d=1.00）；Elyoseph等 [49] 中效应（自我效能g=0.62）；Hershberger等 [30] 中到大效应（d=0.5-0.8）；Zhang等 [40] 高自我报告技能提升。Grundmann等 [44] 报告唯一负性主结果（自我效能下降）。无研究含超过约一个月的随访。
**4. 讨论（Discussion）**
**4.1. 主要发现总结（Summary of Main Findings）**：本系统综述首次综合AI培训证据，纳入24篇（2019-2026）。证据基础以可行性和概念验证为主，对照证据限于3个RCT，结果不一。可行性和可接受性一致正面。前后测结果总体鼓舞，但存在剂量-疗效差距、开发者利益冲突、缺乏长期随访等障碍。
**4.2. 按人群组的差异证据（Differential Evidence by Population Group）**：照顾者组仅1个对照研究（null结果，高偏倚风险）和1个非对照但有前景的前后测数据。教育者组King等 [28] 提供最严格RCT证据，大效应但限于程序技能。治疗师组证据多数为可行性，MI训练有最强RCT证据，CBT工具技术复杂但伦理决策和文化能力增益极小。
**4.3. 剂量-疗效差距（The Dose-Efficacy Gap）**：最简短干预（约15-20分钟单次）有最高完成率，但最可信临床改善来自更密集混合或多模块模式。技能习得需要重复刻意练习周期，未来研究需多会话、足够强度、验证结局和至少3个月随访。
**4.4. AI作为补充还是替代（AI as Supplement Versus Replacement）**：定性证据一致认为AI是补充而非替代人类督导、同伴练习和真实客户接触。AI模拟占据特定教学角色（复述和早期技能习得），不能取代人类处理的关系、伦理和适应能力。治疗联盟发现（如Pat）提出重要问题。
**4.5. 可扩展性与实施意义（Scalability and Implementation Implications）**：基于LLM的工具边际成本极低，多语言部署可行（如20种语言），约$1.12每CBT角色扮演会话。VR工具可扩展性受硬件和成本限制（如Lanzieri等超10万美元）。开发优先级包括加入客户抵抗、跨会话记忆管理、文化适应、以及防止LLM自动评估误导效应。
**4.6. 可信度-可及性悖论（The Credibility–Accessibility Paradox）**：最强对照证据的工具（VR）最不可及，最可及的工具（LLM聊天机器人）经验证支持最弱。最需要培训的人群可能使用证据最弱的工具，这是该领域的决定性结构挑战。
**4.7. 伦理考量（Ethical Considerations）**：AI安全护栏限制高风险内容（如自杀）但可通过专门设计解决；开发者与评估者利益冲突普遍影响结果；数据隐私和平台依赖风险；LLM文化偏见；VR培训基础设施的可及性不平等。
**4.8. 证据基础的方法学局限（Methodological Limitations of the Evidence Base）**：整体质量低，常见局限包括小样本（多数<30）、主要自我报告未验证结局、缺乏长期随访、近普遍开发者参与、便利样本、未标准化结局。特别警示：LLM自动评估可能与人类专家判断系统性相反，若广泛采用将产生虚假有效性印象。质量评价结果显示多数研究为早期阶段，缺乏预注册、对照组、主动比较组和验证测量。
**5. 本综述的局限（Limitations of This Review）**：检索已随时间变得过时（最新至2026年4月）、研究异质性大阻止meta分析、叙述性综合易受解释偏倚、部分论文为开发性/概念性无实证数据、限于英文文献可能遗漏非西方研究。
**未来研究方向（Directions for Future Research）**：需独立RCT、多会话范式、独立开发者评估、伴随经济评价、多样本研究、理论驱动的结局选择。
**6. 结论（Conclusions）**：AI培训工具可行、可接受，但对照有效性证据有限。当前最强证据支持AI-VR程序技能和NLP模拟MI技能发展。结构局限（过于顺从、情感不真实、安全护栏限制）限制当前模拟保真度上限。剂量-疗效差距、开发者利益冲突和缺乏长期随访是主要障碍。AI培训最可能有效的情境包括结构化、基于标准的技能领域；培训早期阶段；人类督导有限；以及任何系统培训本不可及的情况。
