作者 | 阿童木

人工智能（AI，Artificial Intelligence），是一种利用算法系统来模拟甚至模仿人类的思考、学习和自主决策能力的技术 [1]。从定义上来看，AI是对人类智能的模仿，学堂君不禁想：

AI有自己的人格吗？

它是否也会形成自己的价值观和道德准则？

如果答案是肯定的，这样的“个性”会对我们的生活带来怎样的影响？

（图源网络，侵删）

AI有性格吗

最近一项研究使用大五人格测试了AI模型背后的编码器，结果发现，不同AI模型竟然“性格迥异” [2]！但整体来看，这些模型的得分相对居中且均衡，表现出一种近似“良好适应性人格”的特征：例如，在神经质维度上得分较低（意味着情绪较稳定），在尽责性维度上得分较高（意味着条理清晰、有责任心），只有个别模型表现得有些“自恋”。

我们都知道，性格，也就是心理学里说的人格，是一种比较稳定的特质。

但是，很多用过AI工具的小伙伴可能会问：同样的问题，AI基本不会产生一样的回答，那心理学家是怎么确定这些AI模型真的稳定地“拥有”这些人格特质呢？

要回答这个问题，我们先要从心理测量学聊起。

心理学的一把“尺子”

或许你在阅读大学堂往期的文章中发现，文章中常常提到诸如“量表”“测量”这样的字眼。心理测量，顾名思义，就是用一把“尺子”去衡量我们的心理特质。就像温度计能告诉我们冷热，量杯能告诉我们液体多少一样，心理测量帮我们量化那些看不见摸不着的心理状态。

举个例子，假如学堂君今天遇到了一件让ta火冒三丈的事情，遇到朋友后不禁得吐槽起来，但朋友却难以判断ta到底有多生气，不知道要付出多大努力来安抚ta。此时，心理测量学家可能会建议用数字1到10来描述愤怒程度，1代表一点也不生气，10则是极端愤怒。学堂君想了想，觉得自己大概是5分左右，这样朋友就清楚地知道了：ta现在虽然还在“气头上”，但还算可控。

这种方法，其实就体现了心理测量学家量化心理特质的一种思维方式。

那AI也能这样回答问题吗？严格来说，并不能。虽然AI很多时候都表现得很像人类，但实际上，它是根据你说过的每一个词，去计算“接下来最有可能出现的词”是什么——就像是在玩一个复杂的填空游戏。也就是说，AI通过预测词语出现的概率分布，来判断哪种回应最有可能“接得上你的话”。因此，研究人员只能把人格量表中的描述逐一向AI展示：例如，先给出描述“我认为我是健谈的”；再给出所有可能的答案选项（完全不同意，有点同意……非常同意），让模型给出每一个选项生成的概率，再使用各项概率计算出一个总得分，得分越高，就代表AI在这方面的“性格”特质倾向越强 [2]。

除此之外，随着AI模型以惊人速度不断地发展和迭代，我们都想知道，新的AI模型究竟有没有变得更加“智能”？

（图源网络，侵删）

给AI测智力

在和AI工具互动的过程中，有时候我们可能会感觉它很“聪明”，比如它能给我们解释一个新概念、指导我们去编写代码、操作某些系统等；但有时候又觉得它似乎不是“很懂我”，我指东它往西。那么，我们需要怎样确定AI是“真的智能”还是“能力不足”呢？这问题也是研究人员所好奇的，于是，AI心理测量学“诞生”了。

//测量AI的“冷智力”——3.11还是3.08大？

前段时间，一个看似简单的问题难倒了一众AI模型——3.11还是3.8大？回答这个问题对我们来说简直小菜一碟，但AI模型却表现得忽好忽坏，甚至坚信3.11就是比3.8大——因为11大于8，导致这种错误的原因我们暂且按下不表。我们想要知道，AI有能力解决哪些问题或完成哪些任务，也就是AI“智商”如何。

早在20世纪60年代，研究人员就开始尝试用人类的智力测验来评估AI的“智商”。例如，Thomas Evans设计了一个可以解几何类比题的计算机程序，这类题型原本是属于人类的智力测试的。诸如此类的“标准化智力测验”往往关注的是AI在逻辑推理、规则应用等方面的表现，也就是所谓的“冷智力”[2]。但随着AI拟人化程度越来越高，心理学研究者也开始关注到了AI在另一种能力上的表现。

//测量AI的“热智力”——AI真的能理解我的感受吗？

尽管多数心理学家仍持谨慎态度，认为我们不应轻易赋予 AI 人类的心理能力，但如今，AI 所生成的文本中确实出现了越来越多类人的特质，正如上文提到的性格特质。而随着技术的进步，许多AI工具逐渐参与到人类社交、陪伴和心理支持等场景，似乎具备了情绪和社会智力，例如能够与他人共情，也就是“热智力”。例如，很多人都关心：AI是否能够真正意义上的理解对方？也就是我们所说的心理理论——它其实是一种能力，简单来说就是是否能够站在对方的角度思考，从而理解到对方所面临的情境、拥有的信息等状况。

举个例子，当你看到面前放着一个饼干盒，你也许会猜测里面放着一些美味的饼干。当你打开盖子后，发现里面居然放着一些铅笔！这时候，再把盒子盖上，你的好朋友学堂君也正好走了过来，你觉得学堂君会认为盒子里放着什么？

A. 铅笔

B. 饼干

如果你选择了B，恭喜你通过心理理论测试！因为你能够站到学堂君所处的情境来思考和推理，一般来说，这种能力大概会在我们4到5岁时获得 [3]。

（图源网络，侵删）

有研究发现，GPT-3.5能够通过20%的心理理论相关的任务；而ChatGPT-4能够通过75%的任务，达到了6岁儿童在相关研究中的表现水平 [4]。但也有研究指出，只要稍微改动一下题目表述或情境细节，AI对这些任务的回答就会发生巨大的转变 [5]。因此，给AI做心理测量也面临着信效度问题——也就是如果AI通过了测试，是否证明AI就拥有了和人类一样的心理能力呢？以及，AI通过了某次测试，它能够在各种换汤不换药的情况下产生稳定的表现吗？

也许在未来，AI模型不断发展，最终可以做到100%通过这些心理测试，但我们依然要对AI是否真的具备了这些心理能力的结论抱有非常谨慎的态度。我们不能简单看AI在测试中的结果，而要考虑其背后的生成机制。毕竟，大语言模型是用海量数据训练出来的，但是一个四五岁儿童能够完成心理理论测试却没有如此庞大的“数据输入”。换句话说，AI可能通过不一样的路径而表现得和人类很相似甚至一样，但并不能就此轻易认定AI就真正拥有了某种心理[5]。

未完待续

AI越来越强大的“能力”有时候会让我们产生错觉——我们是否正在和一名“网友”在交流？因此，心理测量学家认为，现在更重要的事情是开发新的测量工具及系统、对人工智能工具进行“终身监控”——例如，人工智能是否有反社会和歧视行为？是否带有偏见？——才能保障用户的健康和权益。

当然，AI的发展也可能为心理测量工具的开发带来新的机遇。例如，有研究发现，AI可以通过分析人们写下的文字，来判断他们当前的心理状态（比如，此时此刻是否过于焦虑）[6]。这样的测量方式不再依赖传统的问卷，而是通过人们日常说的话或写的内容，实时捕捉他们的情绪变化。此外，许多研究者也正在探讨是否能够让AI模拟人类作为研究对象，由此既节省成本又可以更全面地关注到不同群体的特点、以及帮助制定更有效的干预方案、同时减少潜在的因心理干预方案不成熟而给人带来的伤害 [7]。

本篇篇幅有限，只讨论了AI心理测量学的冰山一角。未来何去何从，需要我们回望心理测量的传统智慧，迎接AI发展的不确定性，持续提问、不断修正。正如《现代心理测量》的作者在引言中写道：

“忘记过去必将重蹈覆辙。”

“

专栏君

篇幅宜人性：★★★★★

趣味可读性：★★★★

科学严谨性：★★★★★

心理测量学虽然被认为是心理学的一个分支领域，但它的影响力远超心理学的范畴。从教育领域：我们如何确定一份试卷难度是否适中？如何确定它具有选拔意义，即能区分不同能力的人群？再到企业组织里：我们怎么预测一个人是否会为了利益而背叛组织？生活中：每个人的“信用分”是怎么计算的？如果你好奇这些问题，不妨在心理测量发展的历程中找找答案。除此之外，《现代心理测量》不仅全面、细致地介绍了传统的心理测量知识，还提出了以计算机、人工智能技术极速发展为背景下的许多问题——AI有道德伦理吗，有的话这种道德伦理和人类一样吗？面对这些新的技术，心理测量也将迎来新的挑战和机遇。

[1] Wikipedia contributors. (2025, May 20). Artificial intelligence. Wikipedia. https://en.wikipedia.org/wiki/Artificial_intelligence

[2] Pellert, M., Lechner, C. M., Wagner, C., Rammstedt, B., & Strohmaier, M. (2024). Ai psychometrics: Assessing the psychological profiles of large language models through psychometric inventories. Perspectives on Psychological Science, 19(5), 808-826.

[3] Gopnik, A., & Astington, J. W. (1988). Children's understanding of representational change and its relation to the understanding of false belief and the appearance-reality distinction. Child development, 26-37.

[5] Ullman, T. (2023). Large language models fail on trivial alterations to theory-of-mind tasks. arXiv preprint arXiv:2302.08399.

[6] Ahmad, F., Abbasi, A., Li, J., Dobolyi, D. G., Netemeyer, R. G., Clifford, G. D., & Chen, H. (2020). A deep learning architecture for psychometric natural language processing. ACM Transactions on Information Systems (TOIS), 38(1), 1-29.

[7] Petrov, N. B., Serapio-García, G., & Rentfrow, J. (2024). Limited ability of llms to simulate human psychological behaviours: a psychometric analysis. arXiv preprint arXiv:2405.07248.

作者 | 阿童木

编辑 | 一秒钟

美编 | N 伯翰