一項(xiàng)新的研究發(fā)現(xiàn)，人工智能（AI）或許具備了人類特有的能力之一，即“心智理論”（Theory of Mind，ToM）。

也就是說，在追蹤人類的心理狀態(tài)方面，比如“發(fā)現(xiàn)錯誤想法”“理解間接言語”“識別失禮”等，GPT（GPT-4、GPT-3.5）和 Llama 2 在特定情況下的表現(xiàn)，已被證明接近甚至超過了人類。

這些發(fā)現(xiàn)不僅表明大型語言模型（LLMs）展示出了與人類心理推理輸出一致的行為，而且還突出了系統(tǒng)測試的重要性，從而確保在人類智能和人工智能之間進(jìn)行非表面的比較。

相關(guān)研究論文以“Testing theory of mind in large language models and humans”為題，已發(fā)表在 Nature 子刊 Nature Human Behaviour 上。

GPT 更懂“誤導(dǎo)”，Llama 2 更懂“禮貌”

心智理論，是一個心理學(xué)術(shù)語，是一種能夠理解自己以及周圍人類的心理狀態(tài)的能力，這些心理狀態(tài)包括情緒、信仰、意圖、欲望、假裝等，自閉癥通常被認(rèn)為是患者缺乏這一能力所導(dǎo)致的。

以往，心智理論這一能力被認(rèn)為是人類特有的。但除了人類之外，包括多種靈長類動物，如黑猩猩，以及大象、海豚、馬、貓、狗等，都被認(rèn)為可能具備簡單的心智理論能力，目前仍有爭議。

最近，諸如 ChatGPT 這樣的大型語言模型（LLMs）的快速發(fā)展引發(fā)了一場激烈的爭論，即這些模型在心智理論任務(wù)中表現(xiàn)出的行為是否與人類行為一致。

在這項(xiàng)工作中，來自德國漢堡-埃彭多夫大學(xué)醫(yī)學(xué)中心的研究團(tuán)隊(duì)及其合作者，反復(fù)測試了兩個系列的 LLMs（GPT 和 Llama 2）的不同心智理論能力，并將它們的表現(xiàn)與 1907 名人類參與者進(jìn)行比較。

他們發(fā)現(xiàn)，GPT 模型在識別間接要求、錯誤想法和誤導(dǎo)三方面的表現(xiàn)，可以達(dá)到甚至超越人類的平均水平，而 Llama 2 的表現(xiàn)還不如人類。

圖｜人類（紫色）、GPT-4（深藍(lán)色）、GPT-3.5（淺藍(lán)色）和 LLaMA2-70B（綠色）在心智理論測試中的表現(xiàn)。

在識別失禮方面，Llama 2 要強(qiáng)于人類，但 GPT 表現(xiàn)不佳。

研究團(tuán)隊(duì)認(rèn)為，Llama 2 表現(xiàn)好是因?yàn)榛卮鸬钠姵潭容^低，而不是因?yàn)檎娴膶κФY敏感，GPT 表現(xiàn)較差其實(shí)是因?yàn)閷?jiān)持結(jié)論的超保守態(tài)度，而不是因?yàn)橥评礤e誤。

AI 的心智理論已達(dá)人類水平？

在論文的討論部分，研究團(tuán)隊(duì)對 GPT 模型在識別不當(dāng)言論任務(wù)中的表現(xiàn)進(jìn)行了深入分析，實(shí)驗(yàn)結(jié)果支持了 GPT 模型在識別不當(dāng)言論方面存在過度保守的假設(shè)，而不是推理能力差。當(dāng)問題以可能性的形式提出時，GPT 模型能夠正確識別并選擇最可能的解釋。

同時，他們也通過后續(xù)實(shí)驗(yàn)揭示了 LLaMA2-70B 的優(yōu)越性可能是由于其對無知的偏見，而不是真正的推理能力。

此外，他們還指出了未來研究的方向，包括進(jìn)一步探索 GPT 模型在實(shí)時人機(jī)交互中的表現(xiàn)，以及這些模型的決策行為如何影響人類的社會認(rèn)知。

他們提醒道，盡管 LLM 在心智理論任務(wù)上的表現(xiàn)堪比人類，但并不意味著它們具有人類般的能力，也代表它們能掌握心智理論。

盡管如此，他們也表示，這些結(jié)果是未來研究的重要基礎(chǔ)，并建議進(jìn)一步研究 LLM 在心理推斷上的表現(xiàn)會如何影響個體在人機(jī)交互中的認(rèn)知。

Tools

都在這里：

SCI母語潤色

專注生物醫(yī)學(xué)領(lǐng)域

唯 問 生 物

專注腫瘤基礎(chǔ)研究

19901610324同微信

論文鏈接：

https://www.nature.com/articles/s41562-024-01882-z

｜點(diǎn)擊關(guān)注我 記得標(biāo)星｜