研究发现大模型已经能够展现出类似人类解读社交场景的能力

抖音快讯 2025年09月07日 19:03 2 admin

信息来源：https://www.psypost.org/ai-vision-gpt-4v-shows-human-like-ability-to-interpret-social-scenes-study-finds/

人工智能在理解人类社交行为方面取得了令人瞩目的突破。芬兰图尔库大学最新发表在《成像神经科学》期刊的研究显示，具备视觉处理能力的大型语言模型GPT-4V在解读社交场景方面展现出了与人类高度相似的认知能力，这一发现可能彻底改变我们对人工智能社交理解能力的认知，并为神经科学研究和临床应用开辟全新道路。

这项研究的核心发现令人震惊：GPT-4V与人类观察者在评估社交互动方面的一致性达到了0.79的相关系数，这一数值接近单个人类参与者之间的可靠性水平。更重要的是，在测试的138种不同社交特征中，GPT-4V在静态图像中95%的社交特征识别上超越了单个人类评分者的表现，在视频片段中这一比例也达到了85%。这些数据表明，人工智能不仅能够识别基本的社交线索，还能够捕捉到人类感知社交信息的深层结构模式。

研究团队使用了一个包含468张静态图像和234个短视频片段的综合数据集，这些素材全部来自好莱坞电影，涵盖了丰富的社交内容。每个场景都需要GPT-4V对138种不同的社交特征进行评估，从"大笑"或"触碰某人"等具体可观察的行为，到"支配欲强"或"共情"等抽象的人格特质。这种全面的评估方法确保了研究结果的可靠性和普适性。

人机认知模式的深层对比

[Adobe Stock]

研究的突破性意义不仅体现在数值上的相似性，更重要的是GPT-4V展现出了与人类相似的社交信息组织方式。通过主坐标分析等先进统计技术，研究人员发现GPT-4V用来表征社交世界的维度结构与人类数据中发现的维度结构惊人地相似。这表明该模型并非简单地模仿表面判断，而是可能利用了与人类相似的认知模式来理解社会互动。

这一发现的重要性在于它揭示了人工智能可能具备了某种形式的"社交直觉"。传统观点认为，社交理解需要复杂的情感共鸣和文化背景知识，这些都是人工智能难以掌握的能力。然而，GPT-4V的表现表明，通过大规模数据训练，人工智能系统可能已经内化了人类社交认知的某些基本模式。

为了验证这一假设，研究团队进行了一项独特的功能性磁共振成像验证研究。他们将GPT-4V的社交特征标注作为预测因子，分析了97名参与者观看96段社交内容视频时的大脑活动模式。结果显示，基于GPT-4V标注生成的大脑激活图与使用人工标注生成的激活图几乎完全一致，两者的相关系数达到了0.95。

这种一致性不仅体现在整体模式上，还精确定位到了特定的大脑区域。两种标注方法都识别出了颞上沟、颞顶交界处和梭状回等参与社交线索处理的关键脑区。这一发现证实了GPT-4V的判断可以有效模拟人类大脑处理社交信息的神经机制，为使用人工智能辅助神经科学研究提供了强有力的科学依据。

技术局限与现实挑战

尽管取得了显著成就，研究也揭示了GPT-4V在社交理解方面的一些重要局限性。与五位人类评分员的平均判断相比，该AI系统的一致性略有不足，特别是在处理视频片段时表现更为明显。这表明虽然GPT-4V能够很好地接近人类感知水平，但其可靠性仍无法与多名人类观察者的集体判断相媲美。

更值得关注的是，GPT-4V在某些涉及主观性较强或情境复杂的社交特征评估上表现相对较差，例如"忽略某人"或"骚扰某人"等行为的识别。这类评估可能需要更深层的情境理解能力，或者涉及到当前AI系统尚未充分掌握的社交微妙之处。研究人员指出，这些局限性可能源于训练数据的偏差，或者是内容审核过滤器的影响。

该模型的保守性倾向也值得注意。GPT-4V对低级特征的评估往往比人类更为谨慎，这可能是由于其概率性本质，或者是其防止生成争议性输出的安全机制所致。在某些情况下，AI系统甚至拒绝评估包含性或暴力内容的场景，这凸显了平台级安全政策对技术应用的限制。

应用前景与未来发展

这项研究为多个领域的实际应用开辟了广阔前景。在神经科学研究领域，GPT-4V等大型语言模型可以帮助生成复杂刺激的高维标注，使研究人员能够重新分析现有的大脑数据或设计更精确的新实验。这种方法的成本效益远高于传统的人工标注，特别是在处理大规模数据集时优势明显。

在行为科学研究中，人工智能可以作为可扩展的工具，用于标记大型数据集中的情感和社交内容。这种自动化标注能力将显著提高研究效率，并使得大规模的社交行为分析成为可能。研究人员可以利用这些工具快速识别数千小时视频材料中的特定社交模式，为社会心理学研究提供前所未有的数据处理能力。

在临床应用方面，这项技术展现出了巨大的潜力。通过识别患者互动中的痛苦迹象，AI系统可以为心理健康护理提供重要支持。在客户服务领域，通过分析视频通话中的情绪线索，系统可以帮助改善服务质量和客户满意度。此外，在监控系统中，这种技术可以用于检测潜在冲突或识别异常社交行为，为公共安全提供新的技术手段。

然而，研究团队也强调了当前技术的局限性。目前的测试主要基于短片和脚本化的电影片段，而非现实世界的自然互动，因此AI系统在更自然场景中的表现仍然是一个有待验证的问题。未来的研究需要在更多样化和真实的环境中测试这些系统的能力。

展望未来，研究人员提出了几个重要的发展方向。首先是探索根据特定人口统计学视角定制AI系统，以提高其与特定群体的契合度。其次是深入研究AI模型形成社交判断的内部机制，了解这些系统使用的认知过程是否真正与人类社交认知的底层机制相似。

这项研究标志着人工智能在社交理解领域取得了重要突破，但同时也提醒我们，技术进步必须与谨慎的应用和持续的研究相结合。随着AI系统在社交认知方面能力的不断提升，我们需要更深入地理解这些技术的潜力和局限性，确保它们能够真正服务于人类社会的福祉。

给玩家盘点十款“微信小程序辽宁麻将助赢神器”（确实有插件吗)

大神教教你“微信广东雀神麻将辅助器下载”（有没有猫腻)

发表评论

研究发现大模型已经能够展现出类似人类解读社交场景的能力

给玩家盘点十款“微信小程序辽宁麻将助赢神器”（确实有插件吗)

大神教教你“微信广东雀神麻将辅助器下载”（有没有猫腻)

最新评论

最新留言

标签列表