心理论：其在心理学中的含义以及为什么人工智能研究人员在辩论它

心理论在心理学中的含义

根据维基百科的概念概述，心理论（ToM）被定义为理解个人的能力，通过将心理状态归因于他们来定义。它使一个人能够认识到他人可能持有与自己不同的信念、欲望或意图，并使用该认识来预测或解释行为。

这个术语通过大卫·普雷马克和盖伊·伍德拉夫在1978年发表的论文《黑猩猩有心理论吗？》进入现代研究。这促使心理学家在整个物种和整个儿童发展过程中研究这种能力。根据维基百科，随后出现了两种关于心理论如何运作的相互竞争的解释："理论-理论"认为人们应用民间心理学规则来推断他人的状态，以及模拟理论认为人们通过将自己置于他人的位置来在心理上建模他人。

Sally-Anne任务

测试儿童心理论的标准工具是虚假信念任务，最常以Sally-Anne故事的形式呈现：Sally把一个弹珠放在她的篮子里并离开房间；Anne然后把弹珠移到一个盒子里。孩子通过预测Sally会在她最初的现在虚假的信念地方即篮子里寻找大理石而不是它实际所在的位置来通过测试——正如维基百科所解释的那样。一个相关的版本是意外内容任务，要求儿童说出他人对一个贴错标签的盒子里的内容的看法。

儿童通常在大约3岁到5岁之间按一定顺序发展这些能力，从理解人们可以想要不同的东西，到理解人们可以持有不同的信念，到通过完整的虚假信念测试。维基百科指出，确切的顺序因文化而异：例如，伊朗和中国的儿童更早掌握"知识获取"但花费更长时间掌握"多样信念"，研究人员将其与集体主义文化价值观联系起来。

人工智能为什么进入了辩论

对机器心理论的兴趣在斯坦福计算心理学家米哈尔·科辛斯基通过一系列语言模型运行了对儿童使用的相同虚假信念任务后增加了。根据斯坦福大学研究生商学院的工作论文页面，科辛斯基构建了40个虚假信念场景，加上相匹配的真实信念控制版本，并在2010年代后期至2023年间发布的语言模型上进行了测试。

PsyPost对该研究的单独撰写提供了不同的数字，用于描述为涵盖11个模型的后续测试轮次：它报告GPT-3变体仅解决约20%的任务，而"ChatGPT-4"整体解决75%，意外内容任务中分为90%，但较难的意外转移版本中仅60%。两个来源描述了不同的测试批次和模型版本，这是百分比不匹配的一个可能原因；然而，两者都指向了与旧模型相比新模型的明确改进。

反驳：模式匹配还是真正的理解？

科辛斯基的结论受到了挑战。哈佛心理学家托默·乌尔曼在arXiv上发表了一篇题为"大型语言模型在心理论任务的琐碎改变中失败"的论文，论证那些保留相同基本心理逻辑的小的改述可能会将模型的答案从正确翻转到不正确。乌尔曼的立场总结在论文本身的框架中，他认为研究人员在评估机器心理学时应该从怀疑的基线开始，几乎相同任务中的零散失败比平均成功率更重要。

PsyPost对斯坦福研究的报道也直接标记了这一局限：因为GPT模型是在可能包括类似虚假信念故事的大量文本上训练的，很难排除模型是在识别熟悉的模式而不是对看不见的角色的心理状态进行推理。研究人员试图设计新的场景来降低这一风险，但该文章指出这不能完全保证。

为什么这个问题超越实验室很重要

用于儿童和黑猩猩的相同测试电池现在被应用于软件，因为正如斯坦福大学研究生商学院的页面所指出的那样，心理论对人类社会互动、沟通、同理心、自我意识和道德至关重要。然而，斯坦福材料和乌尔曼论文都同意，通过一套固定的测试问题并不等同于确定系统按照认知科学家用于人类的方式拥有心理论。