当AI学会“像人一样思考，甚至带点瑕疵”：一项新研究如何解构人类心智

一项开创性研究通过训练大型语言模型（LLM）模拟数千万个心理学实验，成功地让AI系统能够像人类一样回答问题，甚至体现出人类思维中的“瑕疵”。这项工作不仅为理解人类认知提供了前所未有的工具，也引发了关于AI模拟能力边界及其深层伦理影响的思考。

长期以来，人类的心智——其复杂性、非理性以及那些不完美的“瑕疵”——一直是科学探索的终极疆域。如今，随着人工智能技术的飞速发展，我们正逐步获得前所未有的视角，透过硅基镜面反观自身。一项由国际科学家团队主导的突破性研究，正是这一探索的最新例证：他们通过训练一个大型语言模型（LLM）来模拟人类认知，并取得了令人瞩目的成果，甚至能够再现人类思维中的微妙之处与不完美之处。

技术原理解析

这项研究的核心在于其独特的数据集和训练方法。科学家们没有选择普遍的文本语料库，而是将目光投向了人类心理学研究的宝库。他们训练了一个类ChatGPT的系统，使其学习了一千万个心理学实验问题的数据集。这项创新旨在让AI系统能够“像我们一样”回答问题，从而在心理学实验中扮演人类受试者的角色¹。

这个被非正式命名为“Centaur”的模型，在《科学》杂志上发表的论文中被描述为能够“预测和模拟”任何可以用自然语言表述的实验中的人类行为²。这不仅仅是简单的模式匹配或信息检索，更像是通过模仿人类在特定情境下的反应，来洞察驱动这些反应的底层认知机制。一些研究者认为，这种“生物启发式AI”（Biomimetic AI）——试图复制生物有机体的功能——是创造出与人脑计算能力相近的机器的最佳途径³。例如，基于_主动推断_（active inference）概念的模型，被认为能更紧密地模拟人类大脑功能，因为它试图捕捉大脑的“执行功能”，即那些在决策和行为中扮演核心角色的高级认知过程³。

模拟的边界与伦理考量

这项成就固然令人兴奋，但“带点瑕疵”（Warts and All）的模拟能力，也引发了深刻的思考。如果AI模型能模仿人类的思考方式，包括其中的偏差、偏见甚至非理性，那么我们是在创造一个更真实的认知工具，还是在无意中复制甚至放大人类固有的缺点？例如，当模型在心理学实验中表现出与人类相似的_系统性偏差_时，这对于理解这些偏差的起源和机制无疑是宝贵的。但同时，这也可能意味着，未来更广泛部署的AI系统，可能会在不知不觉中继承并传播这些“瑕疵”，带来新的社会和伦理挑战。

然而，对于这项研究的宣称，并非所有人都持乐观态度。一些科学家对此表示_怀疑_，他们质疑AI模型是否真正地“模拟”了人类心智，而不仅仅是高效地学习并复现了数据中的行为模式²。这种技术层面的争论，触及了人工智能领域的核心哲学问题：当AI的行为与人类无异时，我们如何界定“理解”与“模拟”的边界？这种行为层面的模仿，是否等同于深层认知机制的再现？

迈向真正理解之路

尽管存在争议，这项研究无疑为我们提供了一个强大的新工具，用以解构人类心智的奥秘。通过在AI模型上进行虚拟实验，研究人员可以在受控环境中，以前所未有的规模和速度探索认知现象，这在传统的人体实验中是难以实现的。这种方法有望加速我们对学习、记忆、决策等基本认知过程的理解。

从更宏观的视角看，这项工作预示着AI在科学发现领域的巨大潜力，尤其是在复杂且难以直接观测的人类行为和大脑活动领域。如果这些“类人”AI系统能够发展成为一个由数十亿个AI智能体组成的网络——正如一些人设想的“Genius”系统——它们甚至可能超越人类智能来提出解决方案³。

最终，这项研究的价值不仅在于AI能够“像人一样思考”，更在于它促使我们反思何谓人类智能，何谓其本质的“瑕疵”。它为心理学研究打开了新的大门，也迫使我们严肃审视，当机器能够如此逼真地映射我们的思维图景时，我们应如何驾驭这种能力，以确保其服务于人类的福祉，而非放大我们自身的不足。

引用

• AI与认知科学
• 大型语言模型
• 心理学研究
• 行为模拟
• AI伦理
• 认知偏差
• 科学发现
• 生物启发式AI