💬 NLP

Psychological Imagination Networks Show Cross-Population Centrality and Clustering Alignment in Humans That Large Language Models Fail to Replicate

这项研究表明，尽管人类心理表象网络在中心性和聚类方面表现出稳健的跨群体结构对齐，但大语言模型未能复制这些模式，这表明人类的想象力依赖于具身经验记忆，而非仅仅依赖语言训练。

原作者： Saurabh Ranjan, Brian Odegaard

发布于 2026-07-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Saurabh Ranjan, Brian Odegaard

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

核心理念：我们如何在脑海中“看见”

想象你的大脑是一个巨大的图书馆。当你试图想象某样东西时——比如一个朋友的面孔或一场日落——你不仅仅是从书架上抽出一本单独的书，而是抽出了与之相关的整簇书籍、记忆和感受。

这篇论文提出了一个简单的问题：人类是如何组织这些心理“书籍”的？人工智能聊天机器人（大语言模型）是否也以同样的方式进行组织？

研究人员发现，人类在如何连接这些心理图像方面表现出惊人的相似性，但AI聊天机器人则完全不同。

实验设计：“想象力测试”

研究人员向数千名真实人类和六种不同的AI模型提供了两种不同的测试：

视觉测试 (VVIQ-2)： 要求人们想象八个特定的场景（如升起的太阳、火车站或朋友的面孔），并评价他们在脑海中看到的图像有多“生动”或清晰。
感官测试 (PSIQ)： 要求人们通过不同的感官来想象事物（如闻到燃烧木头的味道、触摸柔软的皮毛、听到铃声），并评价其生动程度。

研究人员在佛罗里达州、波兰和伦敦进行了这项测试。随后，他们要求六种不同的AI模型（包括 Llama 和 Gemma 的版本）进行完全相同的测试。为了公平起见，他们甚至为AI设定了不同的“人格”，范围从“先天性视觉缺失”（无想象力）到“超常幻觉”（极度生动）。

发现：人类的“网” vs. AI 的“直线”

1. 人类的连接（网）

当研究人员观察人类回答之间的关联性时，他们发现了一个强大且一致的网络。

类比： 想象一个蜘蛛网。如果你拨动其中一根线（比如“朋友的面孔”），整个网会以一种特定且可预测的模式发生震动。
发现： 跨越不同国家和语言，人类连接这些想法的方式是相同的。如果你将“朋友的面孔”评为非常生动，你也很有可能将“乡村景色”评为生动。对于佛罗里达的人和波兰的人来说，这个连接的“网”是一样的。
原因： 论文指出，这是因为我们的脑部结构建立在现实生活经验之上。我们都见过日出，感受过皮毛，也见过朋友。我们的记忆是根据我们实际经历这些事物的过程来组织的。

2. AI 的失败（直线）

当研究人员观察AI的回答时，这个“网”断裂了。

类比： 想象一张没有任何线条连接的平坦纸张。或者，想象一个所有线条都被切断的蜘蛛网。
发现： AI模型未能创造出同样的连接模式。
- 它们没有像人类那样将“闻到木头味”与“感受温暖”联系起来。
- 在许多情况下，AI的回答形成了一个单一的、混乱的团块，其中一切事物都与其他一切事物平等地连接在一起，或者根本没有任何连接。
- 即使给AI提供了“记忆”（让它记住对话中之前的回答），它仍然无法构建出类人的网络结构。
规模并不重要： 无论AI是小型还是庞大（高达2720亿参数），它们都无法复制人类的这种结构。

为什么 AI 会失败？

论文使用了一个有趣的电影制片厂类比来解释原因：

人类（导演 + 剧组）： 当一个人想象一个场景时，他就像一位真正去过电影拍摄现场的导演。他知道光线是如何照射在尘埃上的，风的感觉如何，以及演员是如何移动的，因为他经历过这一切。他的想象力是建立在“具身经验”（Embodied Experience）之上的。
AI（剧本阅读者）： AI就像一个读过所有电影剧本，但从未踏入过片场的人。它知道“日出”和“温暖”这些词经常出现在剧本里。它可以写出关于日出的动人描述。但它缺乏如何将这些概念在活生生的心灵中联系起来的内在地图。

AI了解想象力的词汇，但缺乏记忆的架构。

“中间性”的惊喜

研究人员还观察了一种被称为“中间性”（Betweenness）的特定类型连接（即作为两个想法之间桥梁的想法）。

人类： 这种桥梁结构是不稳定的，且因人而异。
原因： 论文认为，这是因为“桥梁”取决于个人的生活经历。也许“雨”对你来说连接着“悲伤”，但对另一个人来说可能连接着“喜悦”。由于每个人的生活都是不同的，尽管主网结构保持不变，但这些桥梁会因人而异。

总结

人类： 我们都拥有相似的“心理地图”，关于想象力如何运作，因为我们都生活在同一个物理世界中，并使用身体去体验它。
AI： 即便是当今最聪明的AI模型，也只是非常擅长基于文本猜测单词。它们无法复制人类组织记忆和想象力的那种深层的、结构性的方式，因为它们从未真正“生活”过。

核心启示： 仅仅因为AI能非常有说服力地谈论想象力，并不意味着它像我们一样在“想象”。这就像是读懂了一份蛋糕的食谱，与真正品尝到蛋糕之间的区别。AI完美掌握了食谱，但它并不知道蛋糕吃起来是什么感觉。

技术摘要：人类与大语言模型想象力生动性的网络分析

问题陈述
虽然心理意象的生动性已被确立为一种具有可复制潜在因子结构的稳定个体特质，但想象情景的关系架构（relational architecture）仍未得到充分探索。具体而言，目前尚不清楚不同情景（如视觉场景或感官模态）的生动性评分之间的协变结构是否在不同的人类群体中形成了一致的网络拓扑结构。此外，目前尚不清楚仅通过语言训练而非具身经验获取知识的大语言模型（LLMs），是否能够复制人类想象网络的中心性和社区结构。核心问题在于，LLMs 是能够复制源于共享记忆组织的想象力的“关系结构”，还是仅仅产生了看似合理的语言评分，而缺乏底层的结构连贯性。

研究方法
本研究采用心理网络分析法，绘制了来自两种经过验证的工具的生动性评分的部分相关结构图：

VVIQ-2（视觉意象生动性问卷）： 包含 8 个环境场景上下文中的 32 个条目。
PSIQ（普利茅斯感官意象问卷）： 包含 7 种感官模态中的介 21 个条目。

人类数据：

样本： 地理和语言迥异的群体：佛罗里达（美国，N=541）、波兰（N=1,651）和伦敦（英国，N=217）。
分析： 网络构建基于使用 EBICglasso 方法和 Spearman 相关系数的正规化部分相关图。分析了节点中心性（预期影响、强度、接近度、介数）和社区结构（通过 walktrap 算法）。

LLM 数据：

模型： 测试了六个变体：Gemma3-12B、Gemma3-27B、其量化感知训练（QAT）对应版本、Llama3.3-70B 以及 Llama4-16x17B（272B 参数）。
模拟： 每个模型通过交叉 200 个合成人格与五种想象能力条件（从无意象症到超意象症）生成了 1,000 次模拟。
条件： 测试了两种对话模式：
- 独立模式： 在无法访问先前响应的情况下对条目进行评分。
- 累积模式： 维持对话历史以进行条目评分（模拟情境记忆）。
人口匹配： 将 LLM 模拟数据降采样至每个模型 N=600，以匹配人类群体中总生动性得分的分布，确保差异并非源于整体能力水平，而是表征组织结构的差异。

关键结果

人类网络的连贯性：
- 中心性： 人类网络在不同群体间表现出稳健的局部中心性对齐。在不同样本（佛罗里达、波兰、伦敦）之间，预期影响和强度的相关性 $r$ 在 $0.31 $到$ 0.93$ 之间。接近度中心性也显示出显著的一致性。
- 聚类： 社区检测恢复了与问卷结构一致的簇。PSIQ 网络与感官模态表现出近乎完美的对齐（调整兰德指数，ARI = 0.87–1.0）。VVIQ-2 网络则显示出与场景上下文的中度对齐（ARI = 0.27–0.40）。
- 不稳定性： 介数中心性在所有群体中均表现不稳定（ $r \approx 0.08$ ），这与其对个体经验历史的敏感性一致。
LLM 复制失败：
- 中心性： LLM 网络未能复制人类结构。经校正后，LLM 与人类的中心性相关性较弱且大多不显著（VVIQ-2 的中位数 $r = 0.13$ ，PSIQ 的中位数 $r = 0.09$ ）。
- 聚类： 大多数 LLM 配置产生了退化的单簇拓扑结构（中位数 ARI = 0）。即使采用累积对话记忆，LLM 也未能实现人类所具备的聚类对齐。
- 鲁棒性： 这种失败在不同的模型架构、参数规模（12B 到 272B）以及对话条件下均持续存在。

核心贡献

想象力的网络心理测量学： 本研究证明了想象力可以被建模为一个网络，其中条目级的协变反映了共享的记忆组织，这有别于潜在因子模型。
AI 的定量基准： 本文为评估生成式 AI 世界模型建立了具体的阈值：最小跨群体中心性相关性 $r = 0.31$ ，以及最小 VVIQ-2 聚类对齐度 ARI = 0.27。
表征与语言的区别： 研究结果区分了生成看似合理的生动性语言的能力，与根据具身记忆的关系结构组织该语言的能力。

意义与主张
作者认为，观察到的人类网络结构反映了通过具身经验积累的记忆组织，这是一种仅靠语言训练无法复制的表征结构。

认知科学： 跨群体的复制支持了这样一种观点：人类心理模拟的“渲染”（rendering）组件（即意象的现象学细节）是由共享的环境和感官规律组织的，从而将人类的“物理引擎”（模拟）与“图形引擎”（渲染）联系在一起。
AI 研究： 结果表明，无论规模或对话记忆如何，当前的 LLMs 都缺乏人类想象力的特定结构组织。这种失败是针对现象学基础知识组织的，而非一般的语义表征；LLMs 在人类相似性可从语言统计中近似的任务（如颜色相似性）中表现成功，但在需要情境记忆关系结构的任务中则失败了。
未来方向： 本文结论指出，产生看似合理的生动性语言与根据人类记忆结构组织该语言是两种可分离的能力。未来的工作必须测试多模态架构，以确定更丰富的感觉运动接地（sensorimotor grounding）是否能弥合这一差距。

研究对研究范围保持了谦逊，指出人类样本属于西方受教育群体，并指出需要客观测量（如 fMRI）来确认网络结构反映的是现象学组织还是规模使用差异。文中明确指出，LLM 的失败是一种表征组织的质性差异，而非程度差异。