我平常跟 GPT-4o、Gemini、Grok 協作,讓它們互相辯論、交叉查核。但讀到一項社會智能測驗的研究時,我在意的是另一個問題:模型在紙筆情境題上得高分,跟它真的理解眼前的人,相隔多遠?
社會智能涉及判斷情緒、理解他人的處境,以及在互動中選擇合適的回應。這也是我在神學院十五年裡反覆練習的事。牧靈關懷、諮商對話、團體動力,都會碰到這個問題。
研究值得讀,但要先把「贏了誰、在哪裡贏」說清楚。
得分超過這批學生,不等於勝過所有心理學家
2024 年發表於《Frontiers in Psychology》的初步比較研究,讓沙烏地阿拉伯哈立德國王大學 180 名男性心理諮商學士與博士階段學生,以及 ChatGPT-4、Bing、Google Bard,回答 64 題社會智能情境題。ChatGPT-4 得到 59 分,Bing 48 分,Bard 40 分;論文報告 ChatGPT-4 的分數高於全部人類參與者。
這裡的「全部」指研究中的這批參與者。這是單一學校、全為男性的學生樣本,不能外推為所有執業心理師或心理學專家;測到的也是特定題目的作答表現,沒有直接比較真實諮商成效。
因此,這項研究讓我想追問模型能做什麼,卻不足以讓我宣布「AI 已經比心理學家更懂人」。
答對情境題,和陪一個人說話
情境題把問題、選項和評分方式先整理好了。真實對話卻可能連問題是什麼都還不清楚:對方說出口的話,和他願意讓你知道的事,不一定相同。
這是我讀研究時最在意的距離。知道某個選項比較合宜,和在關係裡持續回應一個人,是兩種需要分別驗證的能力。一次測驗的分數,也不能替心理健康服務的安全性背書。
模型為什麼答得好,同樣需要證據。單靠這篇研究,無法知道模型讀過多少諮商資料,也不能用「訓練資料比較多」直接解釋結果。
我感覺它懂我,這個感覺代表什麼?
我跑辯論引擎時,偶爾會遇到 Claude 或 GPT 給出一個回應,抓到我沒明說的前提,也回應了我真正在意的點。那種「它懂我」的感覺,確實出現在協作裡。
但使用者的感受,和模型是否具有理解,是不同層次的問題。前者可以從我的經驗談起,後者不能只靠一次貼切的回答定案。
我仍然想問:如果一個系統能持續接住語境,我們應該如何描述這種能力?這是一個值得討論的問題,還不是測驗已經回答的結論。
能協助哪些工作,要一項一項確認
這份結果不能預告心理學家會不會失業,也不能直接替專業人員決定未來的分工。
如果要把 AI 用在助人工作裡,我會先問具體用途:是幫忙整理文字、提供待討論的問題,還是參與影響個人安全的判斷?用途不同,需要的證據與責任安排也不同。誰會檢查回應、誰能發現錯誤、出了問題由誰處理,都不能由一張分數表帶過。
我在〈從 AI 風暴中突圍〉裡談過分工的改變。放到這裡,重點是先說清楚交出去的是哪一件工作,再確認它是否做得可靠。
我在意的理解,也包含承擔
在〈成癮經濟與孤獨世代〉裡,我關心的是人如何與他人建立連結。AI 的回應可以讓人感覺被聽見,但我所看重的關係,還包含願意留下來、承擔回應的後果,以及共同面對不確定性。
這是我對理解的看法,不能拿來替模型是否有意識下定論,也不會因為某次測驗的高分而消失。
一個回答說對了什麼,可以評分。回答之後,誰還願意陪著處理接下來的事?那是我仍想保留的問題。


💬 留言討論
載入中...