张梦然

新一期《自然·人类行为》发表论文显示，在测试追踪他人心理状态能力——也称心智理论（Theory of Mind）的任务中，两类大语言模型（LLM）在特定情况下的表现与人类相似，甚至更好。

  ?

研究团队对热门LLM展开测试。图片来源：《自然·人类行为》

心智理论对人类社交互动十分重要，是人类沟通交流和产生共鸣的关键。之前的研究表明，LLM这类人工智能（AI）可以解决复杂的认知任务，如多选决策。不过，人们一直不清楚LLM在心智理论任务（被认为是人类独有的能力）中的表现是否也能比肩人类。

此次，德国汉堡—埃彭多夫大学医学中心团队选择了能测试心智理论不同方面的任务，包括发现错误想法、理解间接言语以及识别失礼。他们随后比较了1907人与两个热门LLM家族——GPT和LLaMA2模型完成任务的能力。

团队发现，GPT模型在识别间接要求、错误想法和误导方面的表现能达到甚至超越人类平均水平，而LLaMA2的表现逊于人类水平；在识别失礼方面，LLaMA2强于人类但GPT表现不佳。研究人员指出，LLaMA2的成功是因为回答的偏见程度较低，而不是因为真的对失礼敏感；GPT看起来的失利，其实是因为对坚持结论的超保守态度，而不是因为推理错误。

研究团队认为，LLM在心智理论任务上的表现堪比人类，不等于它们具有人类般的“情商”，也不意味着它们能掌握心智理论。但他们也指出，这些结果是未来研究的重要基础，并建议进一步研究LLM在心理推断上的表现，以及这些表现会如何影响人类在人机交互中的认知。

（原标题：AI心理推断能力或与人类相当，但不意味着它们有像人那样的情商）