Popular science work
新一期《自然·人類行為》發表論文顯示，在測試追蹤他人心理狀態能力——也稱心智理論（Theory of Mind）的任務中，兩類大語言模型（LLM）在特定情況下的表現與人類相似，甚至更好。
心智理論對人類社交互動十分重要，是人類溝通交流和產生共鳴的關鍵。之前的研究表明，LLM這類人工智能（AI）可以解決復雜的認知任務，如多選決策。不過，人們一直不清楚LLM在心智理論任務（被認為是人類獨有的能力）中的表現是否也能比肩人類。
此次，德國漢堡—埃彭多夫大學醫學中心團隊選擇了能測試心智理論不同方面的任務，包括發現錯誤想法、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模型完成任務的能力。
團隊發現，GPT模型在識別間接要求、錯誤想法和誤導方面的表現能達到甚至超越人類平均水平，而LLaMA2的表現遜于人類水平；在識別失禮方面，LLaMA2強于人類但GPT表現不佳。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論的超保守態度，而不是因為推理錯誤。
研究團隊認為，LLM在心智理論任務上的表現堪比人類，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，這些結果是未來研究的重要基礎，并建議進一步研究LLM在心理推斷上的表現，以及這些表現會如何影響人類在人機交互中的認知。
