新一期《自然·人類行為》發(fā)表論文顯示，在測試追蹤他人心理狀態(tài)能力——也稱心智理論（Theory of Mind）的任務(wù)中，兩類大語言模型（LLM）在特定情況下的表現(xiàn)與人類相似，甚至更好。

研究團隊對熱門LLM展開測試。
圖片來源：《自然·人類行為》

心智理論對人類社交互動十分重要，是人類溝通交流和產(chǎn)生共鳴的關(guān)鍵。之前的研究表明，LLM這類人工智能（AI）可以解決復(fù)雜的認知任務(wù)，如多選決策。不過，人們一直不清楚LLM在心智理論任務(wù)（被認為是人類獨有的能力）中的表現(xiàn)是否也能比肩人類。

此次，德國漢堡—埃彭多夫大學(xué)醫(yī)學(xué)中心團隊選擇了能測試心智理論不同方面的任務(wù)，包括發(fā)現(xiàn)錯誤想法、理解間接言語以及識別失禮。他們隨后比較了1907人與兩個熱門LLM家族——GPT和LLaMA2模型完成任務(wù)的能力。

團隊發(fā)現(xiàn)，GPT模型在識別間接要求、錯誤想法和誤導(dǎo)方面的表現(xiàn)能達到甚至超越人類平均水平，而LLaMA2的表現(xiàn)遜于人類水平；在識別失禮方面，LLaMA2強于人類但GPT表現(xiàn)不佳。研究人員指出，LLaMA2的成功是因為回答的偏見程度較低，而不是因為真的對失禮敏感；GPT看起來的失利，其實是因為對堅持結(jié)論的超保守態(tài)度，而不是因為推理錯誤。

研究團隊認為，LLM在心智理論任務(wù)上的表現(xiàn)堪比人類，不等于它們具有人類般的“情商”，也不意味著它們能掌握心智理論。但他們也指出，這些結(jié)果是未來研究的重要基礎(chǔ)，并建議進一步研究LLM在心理推斷上的表現(xiàn)，以及這些表現(xiàn)會如何影響人類在人機交互中的認知。