我平常跟 GPT-4o、Gemini、Grok 协作,让它们互相辩论、交叉查核。但读到一项社会智能测验的研究时,我在意的是另一个问题:模型在纸笔情境题上得高分,跟它真的理解眼前的人,相隔多远?
社会智能涉及判断情绪、理解他人的处境,以及在互动中选择合适的回应。这也是我在神学院十五年里反复练习的事。牧灵关怀、咨商对话、团体动力,都会碰到这个问题。
研究值得读,但要先把「赢了谁、在哪里赢」说清楚。
得分超过这批学生,不等于胜过所有心理学家
2024 年发表于《Frontiers in Psychology》的初步比较研究,让沙乌地阿拉伯哈立德国王大学 180 名男性心理咨商学士与博士阶段学生,以及 ChatGPT-4、Bing、Google Bard,回答 64 题社会智能情境题。ChatGPT-4 得到 59 分,Bing 48 分,Bard 40 分;论文报告 ChatGPT-4 的分数高于全部人类参与者。
这里的「全部」指研究中的这批参与者。这是单一学校、全为男性的学生样本,不能外推为所有执业心理师或心理学专家;测到的也是特定题目的作答表现,没有直接比较真实咨商成效。
因此,这项研究让我想追问模型能做什么,却不足以让我宣布「AI 已经比心理学家更懂人」。
答对情境题,和陪一个人说话
情境题把问题、选项和评分方式先整理好了。真实对话却可能连问题是什么都还不清楚:对方说出口的话,和他愿意让你知道的事,不一定相同。
这是我读研究时最在意的距离。知道某个选项比较合宜,和在关系里持续回应一个人,是两种需要分别验证的能力。一次测验的分数,也不能替心理健康服务的安全性背书。
模型为什么答得好,同样需要证据。单靠这篇研究,无法知道模型读过多少咨商资料,也不能用「训练数据比较多」直接解释结果。
我感觉它懂我,这个感觉代表什么?
我跑辩论引擎时,偶尔会遇到 Claude 或 GPT 给出一个回应,抓到我没明说的前提,也回应了我真正在意的点。那种「它懂我」的感觉,确实出现在协作里。
但用户的感受,和模型是否具有理解,是不同层次的问题。前者可以从我的经验谈起,后者不能只靠一次贴切的回答定案。
我仍然想问:如果一个系统能持续接住语境,我们应该如何描述这种能力?这是一个值得讨论的问题,还不是测验已经回答的结论。
能协助哪些工作,要一项一项确认
这份结果不能预告心理学家会不会失业,也不能直接替专业人员决定未来的分工。
如果要把 AI 用在助人工作里,我会先问具体用途:是帮忙整理文字、提供待讨论的问题,还是参与影响个人安全的判断?用途不同,需要的证据与责任安排也不同。谁会检查回应、谁能发现错误、出了问题由谁处理,都不能由一张分数表带过。
我在〈从 AI 风暴中突围〉里谈过分工的改变。放到这里,重点是先说清楚交出去的是哪一件工作,再确认它是否做得可靠。
我在意的理解,也包含承担
在〈成瘾经济与孤独世代〉里,我关心的是人如何与他人建立连结。AI 的回应可以让人感觉被听见,但我所看重的关系,还包含愿意留下来、承担回应的后果,以及共同面对不确定性。
这是我对理解的看法,不能拿来替模型是否有意识下定论,也不会因为某次测验的高分而消失。
一个回答说对了什么,可以评分。回答之后,谁还愿意陪着处理接下来的事?那是我仍想保留的问题。


💬 留言讨论
加载中...