LLMs 与人的境况
内容提要
多项研究探讨大型语言模型（LLMs）的能力与局限：LLMs可模拟人类直觉并产生认知错误，但高认知模型能避免此类错误；人机合作可产生协同效应。LLMs正改变心理学研究，助力文献综述、假设生成与数据分析，同时带来数据隐私和伦理挑战。LLMs还能通过物联网与物理世界互动，拓展应用领域。研究者呼吁负责任地使用并重新审视其科学精度。
延伸解读
LLMs的认知特性：直觉与超理性
文章指出，GPT-3等模型会表现出类似人类的直觉行为和认知错误，而ChatGPT和GPT-4等更高认知能力的模型则能学会避免这些错误，表现出超理性的决策方式。这提示我们，模型规模与训练方法的提升可能改变其认知模式，但同时也需注意，这种“超理性”是否意味着真正的理解，还是仅仅是对训练数据的复杂拟合。
人机协作的潜力与风险
研究显示，人类与LLMs合作可能产生协同效应，尤其在定性研究等领域。然而，在非合作或竞争情境下，人机交互可能对人类构成威胁，且LLMs的推理能力存在不足和可操纵性。例如，价格谈判中人类与LLMs达成的价格范围广泛，反映出人类在有效互动方面存在“文盲”问题。因此，在利用LLMs优势的同时，需警惕其潜在风险。
心理学研究中的LLMs：工具与伦理
LLMs正在改变心理学研究，可用于文献综述、假设生成、实验设计、数据分析等，并模拟人类认知和行为。但同时也带来数据隐私、伦理影响等挑战。研究人员应负责任地使用这些模型，遵守伦理标准，并考虑在敏感领域部署的潜在后果。这要求我们在享受技术便利的同时，不能忽视其局限性和伦理边界。
LLMs与物理世界的交互：穿透型人工智能
文章探讨了LLMs如何通过物联网传感器和执行器与物理世界互动，即“穿透型人工智能”。初步发现表明，ChatGPT等模型能利用训练知识解释物联网传感器数据并进行推理，这为LLMs开辟了传统文本任务之外的新应用领域，并使人类知识融入网络物理系统成为可能。这一方向拓展了LLMs的应用边界，但也需关注其可靠性和安全性。
Q&A
大型语言模型在模拟人类直觉时会出现哪些认知错误？
研究表明，GPT-3等模型会表现出类似人类的直觉行为和认知错误，而具有更高认知能力的模型如ChatGPT和GPT-4则学会避免这些错误，表现出超理性的方式。
人类和大型语言模型合作能带来什么好处？
人类分析师和LLMs在分类和推理能力上存在显著差异，但二者合作可能产生协同效应，从而丰富定性研究。
大型语言模型如何改变心理学研究？
LLMs如ChatGPT正在改变心理学研究方式，在认知与行为心理学、临床与咨询心理学、教育与发展心理学以及社会与文化心理学等多个领域发挥影响，提供创新工具用于文献综述、假设生成、实验设计、数据分析、学术写作和同行评审。
在心理学研究中使用大型语言模型面临哪些伦理挑战？
主要挑战包括数据隐私、在心理学研究中使用LLMs的伦理影响以及对这些模型局限性的更深入了解的需要。研究人员应负责任地使用LLMs，遵守伦理标准，并考虑在敏感领域部署这些技术的潜在后果。
大型语言模型如何与物理世界互动？
通过物联网传感器和执行器，LLMs可以解释物联网传感器数据并对其进行推理，这被称为“穿透型人工智能”。初步发现表明，LLMs（尤其是ChatGPT）具有相当独特的能力和技巧，这打开了LLMs在传统文本任务之外的新应用领域，并使得将人类知识纳入网络物理系统成为可能。
大型语言模型表现出的智能是否真实？
有研究提出，LLMs表现出的智能可能实际上是镜像了面试官的智能，它可能更多地揭示了面试者的智能和信仰而不是LLMs的智能。
