意识探索是心理科学最前沿、最复杂的科学问题。心理检测是预测、揭示人类意识活动规律的重要手段。对意识本质的研究在2005年和2020年两次排《science》人类125个前沿科学问题的榜首。一个多世纪以来，语言类心理检测以通俗易懂、异质性低、标准化操作、环境要求较低、成本低廉等优点被大规模应用，但由于虚假作答、社会赞许和主观倾向等问题，影响了心理检测的认可度和效果。

近期，《空军军医大学学报》第43卷第2期“军事医学心理学专栏”，集中刊载了空军军医大学军事医学心理学系苗丹民教授团队联合西安交通大学张昀博士团队在“人工智能多质融合心理测量技术”领域的系列研究成果。该成果瞄准国际心理测量研究前沿，于2014年首次提出意识—认知神经多质融合心理测量理论，并开展了一系列研究。希望通过有效采集语言性人格测验激活意识活动下的认知神经反应，利用大数据与深度学习技术建立多模态数据融合识别模型，实现意识活动的客观测量，为我军飞行学员、军校学员、应征青年、特殊军种官兵心理选拔及心理健康评估提供新手段。

该技术难点之一是语料自然语言处理。特定的自然语言是启动特定意识活动的钥匙，在整个多质融合心理检测中发挥关键性作用。该团队从上个世纪九十年代中开始，通过编制系列军队人员心理选拔测验，总结出大量的实战经验。近年来，将研究目标锁定在基于人工智能的自然语言处理技术上，已通过16.7万名精神科就诊人员病历和陌生人社交平台爬取的27.7万条微博原创语料构建了自然语言语料库，在提取的3800个语素中聚类出9类精神障碍主题，采用随机森林法等数据分析技术，建立的人群识别模型，准确率达83.9%，为自然语言的理解与量表自动生成研究奠定了基础。

眼睛是心灵的窗口，人类获取信息的83%来自于视觉。该团队已开展系列通过眼动追踪设备识别特定自然语言意识活动倾向性的研究，提出了视线跟踪时-空相似度等多项新算法，采用机器学习技术构建了抑郁障碍高危人群、焦虑障碍高危人群、精神分裂症高危人群、童年期系列创伤、生命意义倾向等识别模型，准确率均达95%左右。

面部客观运动单元是人类情绪表达最直观、最生动和最丰富的方式。在特定自然语言刺激下实时采集与识别面部表情，成为挖掘意识活动有效且客观的手段。该团队首次提出了基于频域的面部运动特征分析方法，通过记录抑郁障碍人格测验刺激下受试者面部运动单元强度序列信息再转换为频域信息的方法，构建了低频分量特征分类模型，对抑郁障碍高危人群识别率达88%。

以神经网络为基础的深度学习框架为意识活动多客观指标融合的大数据分析提供了平台，多模态异构数据的融合分析也已成为深度学习的关键问题。随着多模态数据融合与深度学习算法的日益成熟，该团队紧盯基于自然语言人格测量的多客观指标融合分析技术研发的我军第二代心理测量多质融合一体机系统，已获得实用新型专利和软件著作权17项，目前已在今年我校军人健康体检心理检测中应用。

苗丹民教授团队仍在不断优化改进心理测量多质融合心理检测技术。新一代的一体机将自然语言生成技术与高频眼动轨迹追踪，标准光源面部客观运动单元识别，高精红外摄像面部血流变化，手环血氧、脉搏、皮温等指标记录有机结合，进一步提高多客观指标融合大数据分析与识别模型的准确性，并将该技术拓展到军人特殊心理品质的评估，为特殊军事职业岗位人员的选拔与分类提供客观、精准的手段方法。