个人优化依赖：当人工智能将福祉变为焦虑

我们戴上智能手表来监测睡眠、心脏和压力，坚信这样能改善健康。但当追踪变成一种强迫性执念时，会发生什么？应用于“量化自我”的人工智能正在将健康变成一场障碍赛，催生出新的病症，如orthosomnia（对完美睡眠的表现焦虑），并将正常的人类情绪医学化。在这篇文章中，我们分析个人优化的阴暗面，并自问：我们真的在改善生活，还是

直到几十年前，健康还被认为是一种定性状态，是身体健康与心理宁静之间微妙而私密的平衡。如今，我们已将其转变为一个工程问题。我们在手腕上戴上智能手表，在手指上套上生物识别戒指，并将监测心率变异性、血氧饱和度、热量平衡和REM睡眠时长的任务交给算法。这就是量化自我（Quantified Self）的时代，这场运动诞生之初旨在提升个人意识，但在人工智能的加持下，正暴露出一个令人不安的阴暗面。

过度监测的承诺是诱人的：通过数据了解自己，从而活得更好、更长久。然而，科学和精神病学文献正在揭示一个毁灭性的悖论。人工智能本身并不产生焦虑；它在我们把健康变成一个无限且无情的优化项目时触发了焦虑——在这个项目中，每一项生命指标总能被改善，每一次偏离平均值都成为失败，身体不再是用来体验的，而变成了一个需要被黑客入侵的仪表盘。

在这篇场景与思考专栏的深度报道中，我们将剖析个人优化成瘾的心理影响。通过最新的临床综述，我们将探讨自我觉察与强迫症之间的细微界限如何正在模糊，催生出新的数字病理，并引发关于算法在我们心理健康管理中角色的深层质疑。

1. 自我追踪的双刃剑：从自我效能到强迫行为

要以理智的诚实分析这一现象，我们必须承认，个人监测并非天生就是病态的。当有意识地使用时，它能提供可衡量的益处。一项针对博士生开展并发表在PMC上的临床研究表明，个人量化对广泛性焦虑有积极效果；在这一背景下，追踪自己的习惯和进步增强了受试者的自我效能感，在高度压力的环境中赋予他们一种掌控感。

当追踪从描述性工具转变为绝对命令时，短路就发生了。发表在Taylor & Francis上的一项定性研究（《好东西太多？》）恰好描绘了这一边界。研究人员记录了自我监测技术的痴迷如何与感知到的益处暗中并存。研究参与者报告了强迫行为的出现：每天重复检查数十次、持续强迫性地记录饮食，以及对数字的严重执念（每日步数、燃烧的卡路里、深度睡眠时长）。当人工智能记录的各项参数未达到预设的算法目标时，用户会体验到强烈的内疚感、压力、不足感和心理压迫。健康让位于生命表现焦虑。

2. 正眠症：为了测量睡眠而失去睡眠

这种动态表现得最为凶猛的领域是夜间休息。睡眠医学最近不得不创造一个新词来描述由追踪器引发的新临床状况：正眠症（orthosomnia）。

该词源自希腊语orthos（正确的）和somnia（睡眠），定义了一种类似失眠的障碍，但完全由对最佳睡眠数据的强迫性追求所驱动。睡眠追踪算法会给用户的夜间质量打分（睡眠评分）。患有正眠症的受试者在睡前会产生预期性焦虑，恐惧“未能通过”算法指标。如果他们在夜间醒来，第一个念头不是放松，而是查看手表计算他们的评分会受到多大影响。悖论是悲剧性的：由人工智能图表诱导的对完美睡眠的执念，导致交感神经系统过度激活，从而在生理上阻碍了深度睡眠。

在这些情况下，本应治疗失眠的机器反而成为了主要的致病因素。

3. 人工智能与正常的医学化

越来越精确的生物传感器与人工智能模型的整合，正在将量化自我推向永久性临床监控。发表在PMC上的一项系统综述（《可穿戴人工智能用于焦虑和抑郁》）分析了数十项研究，证实可穿戴人工智能在筛查抑郁或焦虑状态方面可以达到超过72%的准确率。更激进系统，如基于个人日记、聊天和社交媒体交叉分析的系统，在一篇IEEE论文中展示了高达92%的情绪波动预测准确率。

此外，发表在Nature Mental Health上的研究强调了超个性化算法的前景，这些算法能够以前所未有的可扩展性在日常生活中检测心理健康症状。多智能体模型，如Springer上描述的模型，不再仅仅显示心率，而是交叉分析呼吸频率和HRV，实时生成关于慢性压力的自动临床报告。

然而，这种预测能力为巨大的风险打开了大门，正如伦理综述《人工智能用于心理健康监测：解决方案还是双刃剑？》所提出的。持续监测有可能将正常医学化。人类的存在由自然的生理波动构成：一个悲伤的下午、会议前生理压力的峰值或一个不安的夜晚，都是机体健康正常的反应。但如果算法将它们孤立出来，在屏幕上用红色标出，并发送推送通知警告用户“异常压力峰值”，那种短暂的情绪就会立即被编码为需要纠正的前病理状态。传感器不是预防焦虑：它发明了焦虑，为用户不知道自己有的问题提供了诊断。

4. 治疗聊天机器人：支持与疏离之间的细微界限

为回应超现代性（往往还有设备本身）产生的焦虑，科技行业提出了“以毒攻毒”的方案：基于生成式人工智能训练的聊天机器人，用于提供心理支持。

在这一领域，数据同样是矛盾而引人入胜的。发表在Frontiers in Psychiatry上的一项快速综述表明，基于认知行为疗法（CBT）原理的聊天机器人确实可以显著减轻焦虑和抑郁症状，尤其是在大学生群体中，这得益于24/7的可用性和无人类评判的特点。

然而，发表在JMIR上的荟萃分析降低了技术乌托邦式的期望。在审查了12项随机对照试验（RCT）后，研究人员发现效果是积极的，但程度为“小到中等”。这项研究最相关的发现涉及个性化：有人工辅助的聊天机器人（混合模型）和非过度个性化的系统比完全自主的系统效果更好。这提醒我们一个基本原则：更高的算法个性化并不自动转化为更大的临床益处。心理支持需要摩擦、他者性，有时还需要勇气告诉用户一个不舒服的真相——这些品质是那些为取悦和最大化参与度而训练的生成模型难以安全复制的。

关键操作要点（面向用户和开发者的建议）

  • 实践数字裁军（面向用户）：在监测中重新引入“摩擦”。关闭压力和睡眠指标的实时通知。每周只查看一次生物识别数据以分析宏观趋势，而不是痴迷于每日单项评分。记住，你的身体在钛金戒指确认之前就知道自己累了。
  • 为容忍而设计（面向人工智能设计师）：健康应用的界面必须放弃失败的语义（红色、未闭合的圆环、对轻微波动的警报消息）。人工智能应被编程为将生理偏差正常化，告知用户久坐的一天或不眠之夜是人性的一部分，不需要立即“纠正”。
  • 避免算法决定论：拒绝量化数据优于定性情感的观念。如果你醒来感觉休息充分、精力充沛，但算法给你45%的睡眠评分，相信你的身体，而不是机器。

贪得无厌的算法

对个人优化的追求建立在一个深层的哲学误解之上：认为人类是一台不完美的机器，需要持续调试，而人工智能是达到某种虚幻生物学完美的源代码。

人工智能使持续监测变得无形、精准且无情地具有预测性。它无疑可以预判心脏危机或急性抑郁状态，挽救生命。但当它被不加区分地应用于日常生活时，它将生活变成一系列无穷无尽的需要纠正的指标，产生一种慢性不足感。机器不知道“足够”的概念：对于一个最大化算法来说，总有多走一步、获得更规律的心跳、少燃烧一克脂肪的空间。

面对这个由高分辨率图表和生物识别通知构成的金色牢笼，我们必须问自己的问题是决定性的：如果我的自尊、情绪和宁静取决于算法决定给我这一天打多少分，我是在真正照顾自己，还是在悲剧性地将我的心理健康委托给一个永远无法告诉我“你这样就很好”的数学系统？

参考文献与来源

文章由人工智能指南针编辑部撰写