数十年来，心理学家一直在争论人类心智究竟是可以由一种统一理论来解释，还是必须拆分为记忆和注意等独立部分。一个名为 Centaur 的近期人工智能模型似乎带来了一项突破，声称能够在 160 项不同的认知任务中模拟人类思维。但新研究正在质疑这一大胆断言，指出该模型根本没有真正“思考”——它仅仅是在记忆模式。
2025年7月，发表在《自然》杂志上的一项研究介绍了一个名为“半人马”的AI模型。该模型基于标准大语言模型构建，并使用心理学实验数据进行了微调，旨在模拟人类认知行为。据报道，它在包括决策、执行控制和其他心理过程在内的160项任务中表现出色。这些结果引起了广泛关注，被视为朝着能够更广泛地复刻人类思维的AI系统迈出的可能一步。
新研究提出质疑
最近发表在《国家科学开放》上的一项研究对这些主张提出了挑战。浙江大学的研究人员认为，“半人马”表面的成功可能源于过拟合。换句话说，该模型可能并没有理解任务，而是学会了识别训练数据中的模式并复现预期的答案。
为了验证这一观点，研究人员创建了几个新的评估场景。在一个例子中，他们将描述特定心理任务的原始多项选择提示替换为指令“请选择选项A”。如果模型真的理解了任务，它应该始终选择选项A。然而，“半人马”却继续选择原始数据集中的“正确答案”。
这种行为表明，该模型并没有解读问题的含义。相反，它依赖于学习到的统计模式来“猜测”答案。研究人员将其比作一个通过死记硬背考试形式而不理解实际内容从而取得高分的学生。
这对AI评估为何重要
这些发现凸显了在评估大语言模型能力时保持谨慎的必要性。虽然这些系统在拟合数据方面可能非常有效，但其“黑盒”性质使得很难知晓它们是如何得出输出的。这可能导致幻觉或误读等问题。要确定一个模型是否真正具备其表面上展示的技能，细致且多样化的测试至关重要。
真正的挑战：语言理解
尽管“半人马”被展示为一个能够模拟认知的模型，但其最大的局限性似乎在于语言理解能力。具体而言，它难以识别并回应问题背后的意图。该研究表明，实现真正的语言理解可能是开发能够更全面模拟人类认知的AI系统所面临的最重要挑战之一。