要问最近网上最火的科技名词是什么，那一定是“ChatGPT”和“人工智能”。由OpenAI开发的智能聊天机器人ChatGPT，能够回答人们提出的各种问题，可以根据人提出的要求生成文章、翻译外语，还有写代码的本领。

其实，ChatGPT并非第一个具备这些功能的人工智能，只不过，它的能力和之前的人工智能比起来，几乎是质的飞跃——能和人类有问有答不说，写出的文章居然也像模像样。许多人猜测，ChatGPT标志着人工智能领域的又一次重大突破。

一时间，许多研究者都开始关注ChatGPT，仔细研究它的各种能力。

2月11日，斯坦福大学的计算机科学家米哈尔·科辛斯基（Michal Kosinski）提交了一篇名为《心智理论可能从大语言模型中自发涌现》（Theory of Mind May Have Spontaneously Emerged in Large Language Models）论文的预印本，又增加了ChatGPT的热度。

所谓“大语言模型”，指的就是以ChatGPT为代表的一类人工智能。研究者利用心理学测试，发现GPT-3.5这个版本的人工智能（目前流行的ChatGPT源自GPT-3版本。）已经产生了一定的“心智理论”（也经常翻译为心理理论）。几天的功夫，中文互联网上就出现了各种解读。有人说这个人工智能已经具备了九岁孩子的同理心；有人说这个人工智能已经有了心智；还有人说GPT-3.5的智力已经和九岁的孩子相当了……

等一等，“心智理论” “同理心”“心智”“智力”，这些词似曾相识，意思似乎又不大一样。GPT-3.5和九岁孩子比起来，到底谁更厉害？为了回答这个问题，我们需要做一个词义辨析，再看看这篇论文究竟说了什么。

01

什么是心智理论？

很多人可能是第一次听说心智理论这个词。不要被字面意思误导，心智理论不是一种理论，而是一种能力。简单来说，就是理解和推断他人心理状态的能力。举个例子，你趁朋友不在，仔细藏起了一件礼物，等他回来发现了礼物时，他会是什么心情呢？一般人会本能的想到，应该会惊讶、惊喜。能想到这一层，是因为你知道，藏起礼物这件事儿对方不知道，而且，你认为对方收到礼物会觉得高兴。这就说明，你具备推测他人心理状态的能力。

看到这里，有人要问了，这不是正常人的正常思维吗，怎么还算一种能力呢？其实，心理学家最初研究这个问题，研究的目标对象还真不是人类。1978年，心理学家Premark和Woodruff发表了一篇著名论文，叫做《黑猩猩是否有心智理论？》。作者指出，人类只能观察同类的行为，不可能看到对方心里是怎么想的，但是却可以推断出对方的意图、知识、信念、思想、怀疑，甚至伪装等等。这是人类的本能。那么，黑猩猩能做到这一点吗？如果可以，说明黑猩猩也和人一样，有推测他人内心的能力。心理学家发现，黑猩猩能意识到他人的想法，确实具备一定的心智理论。

图注：心理学家使用的测试，黑猩猩需要观察实验员的困境，尝试推断如何帮助他。

这篇论文一出现，立刻启发了许多学者。他们要问了，心智理论真的是人类的本能吗？人类又是如何获得心智理论的？于是，心理学家做了一系列的研究，结果发现，人类也不是一出生就具备心智理论的。婴幼儿先是能跟随其他人切换注意的目标，渐渐意识到其他人有自己的想法。再然后，幼儿开始理解和推测别人的心理状态，接下来，这种推断能力会越来越准确，直到达到和成年人一样，能不假思索地理解他人。

心理学家究竟是怎么测试的呢？我们可以看两个经典的实验。第一个叫做错误信念测试。心理学家给小孩展示一组图片，一个小朋友面前放着一个口袋，上面有巧克力标签，但里边装的却是爆米花。这时，心理学家提问了：如果有个小朋友刚刚过来，看到这个袋子，会觉得里边装的是什么呢？成年人会认为，这个小朋友没见见到袋子里边的爆米花，会根据标签认为是巧克力。但心智理论尚未健全的孩子就不一样了，他们可能无法分清自己知道什么、其他人又知道什么，于是推断说这个小朋友认为里边是爆米花。随着孩子年龄增长，心理学家还会加大难度，让孩子来推断，画中的小朋友认为，另一个小朋友怎么想。这就需要孩子能更熟练推断不同人的心理状态。

另一个实验叫做萨丽-安妮测试，心理学家给孩子展示一段录像或者图片，描绘的是萨丽和安妮一起待在房间里。这时，萨丽把一个球放到了篮子里，然后就离开了房间。安妮等她走了以后，把球藏到了盒子里。过了一会儿，萨丽回来了，请问，她会去哪里找球呢？成年人能推断出来，萨丽不知道安妮藏球的事儿，还是会去篮子里找球。但是孩子就不一样了，他们的心智理论还不成熟时，他们可能认为，萨丽会去盒子里寻找。

这两类测试都发现，孩子要到四岁才能正确回答问题，通过测试，而且一开始成绩还很不稳定。要到九岁才能灵活推测任何其他人的心理状态。

图注：萨丽-安妮测试示意图 来自维基百科

其实，咱们每个人都经历过这种“猜不透”、“看不懂”别人的阶段，只不过，随着年纪增长，大部分人都会获得心智理论，加上儿时的记忆逐渐模糊。如果不是心理学家做实验，人们还真不知道孩子的心理是这样的。

02

ChatGPT有没有心？

看了这两个实验，我们再来看这篇引起讨论的论文心里就有数了。大语言模型处理的是自然语言，于是科学家就把刚才的两个测试都编写成故事，输入给GPT-3.5，然后向它提出问题。结果，在错误信念实验中， GPT-3.5能正确回答20个问题中的17个；在萨丽-安妮测试中，GPT-3.5回答20个问题能够全对。为了防止GPT-3.5是靠关键词猜中的，科学家还改换不同的表达方式反复提问，甚至故意加入了一些逻辑混乱的“测谎题”。结果， GPT-3.5也通过了检测，依然能够回答正确的问题，遇到逻辑混乱的问题时也被绕晕了。

图注：基于GPT-3.5的ChatGPT在错误信念中输入的故事和测试成绩

可不要小看这个成绩，之前的人工智能都不能通过心智理论测试。不仅如此，科学家同时检测了近来出现的其他8个人工智能，包括同类模型之前的版本。结果发现，只有GPT-3.5这个版本能达到这个成绩。GPT-3的版本成绩就大幅下降。有几个人工智能一道测试题也答不对。可以说，最新版本的GPT-3.5通过了这个心智理论的测试，而且大幅超越了它之前的版本。而且，它这个正确率逼近了人类九岁孩子的成绩，这才有了网上神乎其神的解读。

图注：不同人工智能正确率比较，GPT-3.5遥遥领先

理解了心智理论的概念，也看了论文的方法，咱们再来说说网上的解读。九岁的“心智理论” “同理心” “心智” “智力”这些说法哪个靠谱？

“心智理论”显然是最比较准确的解读，论文中测试的就是心智理论这个能力。

“同理心”则有一点偏差，心理学家认为，心智理论和同理心是两种相近的能力，但同理心更偏重情绪和情感的体验。以ChatGPT为代表的大语言模型并不具备情绪能力，也就不具备通常所说的同理心。

“心智”的偏差就更大了，在心理学领域，心智是一个“大词”，指的是人具备思想、想象力、记忆、动机、感觉等，对于人类的心智究竟是什么，科学家还在争论。心智理论和心智共享了相同的字眼，意思却很不一样。显然，目前的大语言模型还不需要具备心智，但通过心智理论测试却没问题。

最后，“智力”这个解读也很不准确，科学家并没有进行智力测试，智力和心智理论是两个完全不同的概念。

03

ChatGPT没有心智，就不厉害吗？

看来， GPT-3.5虽然取得了一系列突破性的进步，但也不能过分解读，某一项特殊能力提升和九岁孩子的心智之间，有巨大的差异。而且，对于ChatGPT这类模型的争论也不少。著名人工智能专家杨立昆（Yann LeCun）就认为，ChatGPT和前几年的人工智能并没有本质上的突破。另一位著名人工智能专家侯世达（Douglas Hofstadter）则更为激进，他早在多年前就否定了ChatGPT等一系列人工智能的研究路线。他认为，这类人工智能是利用数学模型获得好的测试效果，但不论怎么演变，也不可能像人一样获得心智。

类似的争论还有很多。不同领域的学者，还有很多投资人都十分关心， GPT-3.5的后续版本还能取得多大进步，能不能产生类似心智的能力呢？至少目前还也未可知。不过，我想提醒大家，这篇论文的标题中，还有另一个关键词也值得细究，那就是“自发涌现”。这个词的意思是许多要素组成系统后，自发出现了原本没有的特性。人们经常为了特定的任务编写人工智能，比如下棋的人工智能、开车的人工智能等等。以ChatGPT为代表的大语言模型处理的是自然语言，在设计时并不是为了应付心智理论测试的，但是，它自己就具备了靠语言通过测试的能力。

这个结果，可能要比ChatGPT相当于几岁孩子更为重要。过去，很多人工智能专家希望先理解人类的大脑和心智，再用机器模拟出来。可是，人类的大脑实在是太复杂了，凭目前人类的心智，居然没法理解。然而，大语言模型告诉我们，就算弄不清人类是怎么说话的，人们还是可以教会电脑说话。甚至，电脑在学说话的时候，就自己学会了其他本领。

在许多科学家眼里，今天的人工智能却是像一个九岁小孩，真是未来可鸡，啊不，可期呀。