情感智能涉及个体对情绪信息的感知、理解与调节，在社会交往、决策行为以及心理健康中发挥关键作用。青春期是大脑快速发育的关键阶段，这一时期情绪加工脑网络的功能组织与发育轨迹，不仅深刻影响个体的情绪行为，也与抑郁症等精神障碍的发生发展密切相关。因此，解析情绪加工的脑机制，并进一步揭示其背后的神经计算原理，对于理解人脑智能和识别精神障碍风险具有重要意义。
目前，功能磁共振成像等神经影像技术被广泛用于探究情绪障碍的神经机制，并积累了大量相关脑区和脑网络异常的证据。然而，现有发现大多是基于相关性研究，能够明确因果关系的干预实验相对较少，这主要是由于在人脑中进行精确可控的干预实验面临伦理和技术上的限制。近年来，人工智能的发展为构建可干预、可模拟的计算模型提供了新路径。如果能够构建和人脑情绪加工系统有映射关系的人工神经网络，便可以针对网络的特定参数开展精确可控的干预实验，来模拟产生与患者类似的情绪加工异常，从而理解这种异常背后的神经计算机制。
本报告将从情绪面孔加工这一典型任务出发，介绍如何结合大规模青少年神经影像数据与人工智能建模，开展从人工智能理解人脑智能，再由人脑机制启发人工智能，最终回馈精神障碍机制研究与风险预测的闭环探索。本报告旨在展示人工智能与脑科学交叉研究如何为理解情感智能提供新的方法框架，并为脑启发式人工智能设计和精神障碍风险预测提供新的思路。
