原始文章

發展心理學家指出,社會認知能力對人類智慧和文化發展至關重要,這影響了我們如何參與和貢獻文化。人工智慧(AI)研究常忽略這一點,因此我們建議將心理學原則納入AI研究,以理解代理如何學習文化。我們借鑒Michael Tomasello和Jerome Bruner的研究,強調文化環境對智慧的影響,並提出一系列社會認知概念。為此,我們推出了The SocialAI學校,這是一個可自訂的實驗工具,支持強化學習代理和大型語言模型,促進社會智慧的研究。欲了解更多,請訪問我們的網站:https://sites.google.com/view/socialai-school。 PubMed DOI


站上相關主題文章列表

研究比較了ChatGPT、Google Bard和Bing等人工智慧模型在輔導和心理治療領域的社交智能,發現它們與心理學家有明顯不同。ChatGPT-4超越了心理學家,Bing也表現優異。Google Bard在社交智能方面與擁有博士學位的人有明顯差異,顯示潛力。研究建議人工智慧模型在情感和社會行為理解方面進步迅速,可為心理治療師提供新途徑,值得進一步探討。 PubMed DOI

研究指出,認知科學可提升人與電腦在複雜系統的互動。建議運用認知心理學改善人工智慧在教育中的應用,將其視為學習工具。強調生成式人工智慧如ChatGPT源自認知科學。提倡教育工作者將人工智慧視為重要合作夥伴,協助教授溝通與協作等技能。 PubMed DOI

這篇文章探討生成性人工智慧(AI)在教育中的應用,強調與實體世界互動的重要性。特別是透過蒙特梭利等教學法,促進探索與有組織環境的互動。作者運用主動推理框架,將學習視為一種認知覓食的過程,並強調修正預測誤差的必要性。他們認為生成性AI能增強學習環境的準備度,並在具身與無具身智慧之間創造新的協同效應,這是AI背景下具身認知的更大討論的一部分。 PubMed DOI

最近,自然語言處理(NLP)領域的進展主要受到變壓器模型的影響,這些模型透過注意力機制分析標記間的關係,生成回應。然而,關於這些模型是否能促進人工通用智慧(AGI)及解決對齊問題仍有爭論。研究人員認為AGI需具備可解釋的價值觀、效用函數及動態情境理解。為此,提出一種神經符號模型,結合進化理論與神經科學,探索AI的意識與同理心,並可能為對齊問題提供解決方案。 PubMed DOI

這篇文章介紹了心理體系(Psychomatics),探討大型語言模型(LLMs)與人類在資訊處理上的差異。雖然LLMs在學習和語言使用上展現出類似的認知技能,但其基本過程卻截然不同。心理體系透過比較LLMs與生物系統,分析它們在獲取、記憶和利用資訊上的差異。LLMs能夠有效操控語言模式,但缺乏人類的情感和經驗,限制了對複雜關係的理解。最終,這個框架旨在深入了解語言、認知和智慧,並指導更具人性化的人工智慧系統發展。 PubMed DOI

這篇論文探討大型語言模型(LLMs)對自然科學和社會科學的影響,特別是透過生成代理模型(GABMs)模擬人類行為。研究涵蓋網絡科學、演化博弈論等領域,顯示LLMs能預測社會行為、增強合作及模擬疾病傳播。雖然LLMs能模仿公平性和合作,但仍面臨提示敏感性和幻覺等挑戰,影響行為一致性。未來研究應聚焦於完善模型、標準化方法,並探討LLMs與人類互動可能帶來的新合作行為,重塑決策過程。 PubMed DOI

這篇綜述文章探討生成式人工智慧(AI)在心理學的影響,特別是像ChatGPT這類工具的應用。文章分析了2015至2024年間的研究,強調生成式AI在數據分析、行為建模和社交互動模擬上的優勢。它比較了傳統研究方法與AI驅動方法的效率,並討論了理論與倫理挑戰,特別是偏見問題。最後,文章展望生成式AI在心理學的未來,提出改進建議和數據隱私措施,強調對倫理問題的重視對維護研究完整性的重要性。 PubMed DOI

這項研究探討兒童與機器人互動對創造力的影響,特別是在傳統教育環境中可能限制創意的情況下。研究人員微調了一個大型語言模型,創造出能展現創意的社交機器人。第一項研究中,38名兒童與機器人互動,但創造力無顯著差異。第二項研究中,103名兒童參與,結果顯示創意模型顯著提升了兒童的創造力。研究強調機器人行為設計對學習成果的重要性,建議在教育中整合創意社交機器人以促進創造力。 PubMed DOI

這項研究探討大型語言模型(LLM)代理的個體性和主動性,強調不再依賴預先定義的特徵。透過模擬一群協作的LLM代理,研究分析了社會規範、合作和個性特徵如何自發發展。結果顯示,這些代理會創造「幻覺」和標籤,增強溝通,並使互動中出現更豐富的詞彙。隨著交流進行,代理的情感變化,形成社群,最終導致個性的演變。這種方法為分析集體人工智慧及其動態提供了新視角。 PubMed DOI

近年來,改善人類與人工智慧(AI)互動的關注度逐漸上升,社會智慧成為促進自然溝通的關鍵。為了評估AI對人類互動的理解,像Social-IQ這樣的數據集被創建,但這些數據集多採用基本的問答格式,缺乏答案的理由,且通常只從預設選項中生成答案,限制了可解釋性和可靠性。為了解決這些問題,我們進行了一項基於視頻的問答評估,強調人類互動,並加入相關註解,發現人類與AI的反應模式存在顯著差異,顯示現有基準的缺陷。我們的發現將有助於開發更精緻的數據集,促進人類與AI之間更自然的溝通。 PubMed DOI