🤖 AI

Taming the Centaur(s) with LAPITHS: a framework for a theoretically grounded interpretation of AI performances

本文介绍了 LAPITHS 框架，以质疑诸如 CENTAUR 等人工智能模型具备类人认知这一主张的理论有效性，并论证其表现源于行为主义模式而非真正的认知合理性。

原作者： Matteo Da Pelo, Alessio Donvito, Claudio Frongia, Pietro Salis, Antonio Lieto

发布于 2026-05-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Matteo Da Pelo, Alessio Donvito, Claudio Frongia, Pietro Salis, Antonio Lieto

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

以下是论文《用拉庇泰人驯服半人马》的通俗解读，辅以富有创意的类比。

宏观图景：“半人马”与“拉庇泰人”的对决

想象一下，有一款名为半人马（Centaur）的全新超级智能 AI。其创造者声称它是一个“统一认知模型”。用大白话来说，他们宣称：“我们教会了这款 AI 完美模仿人类行为，因此它必然像人类一样思考。它不仅仅是一个计算器，它是一个数字大脑。”

这篇论文的作者，一支来自意大利的研究团队，却说道："且慢。”

他们提出了一个名为拉庇泰人（LAPITHS）的框架（得名于与半人马作战的古希腊战士）。他们的任务是“驯服”围绕半人马的炒作。他们主张，仅仅因为 AI 表现得像人类，并不意味着它像人类一样思考。他们希望将表现（performance）与思考（cognition）区分开来。

核心问题：“归因谬误”

这篇论文指出了一个逻辑陷阱，称为归因谬误（Ascription Fallacy）。

类比：
想象你看到一个机器人，它能完美模仿人类下棋。它移动棋子，停顿以“思考”，甚至会在疲劳时犯下与人类相同的错误。

谬误：你看着机器人说：“哇，它一定拥有人类的大脑！它理解策略，并能感受到比赛的压力。”
现实：这个机器人可能只是一个超高速计算器，它死记硬背了数百万场棋局。它并不“理解”任何东西；它只是基于模式预测下一步棋。

作者认为，半人马就是这盘棋机器人。它是在名为Psych-101的人类决策海量数据集上训练的。因为它被训练去预测人类会做什么，所以它预测得非常准确。但作者声称，这仅仅是行为模仿，而非认知对齐。

工具：“最小认知网格”（MCG）

为了证明他们的观点，作者构建了一个名为最小认知网格（Minimal Cognitive Grid, MCG）的评分表。你可以把它想象成一个“认知真相探测器”，它从三个方面对 AI 进行评分，而不仅仅是看它回答问题有多好。

结构与功能（“如何”）：
- 问题： AI 是否使用了与人类大脑相同的内部“齿轮”？
- 发现： 人类是渐进式学习的（实时试错），并且工作记忆有限（我们只能在脑海中记住少量事物）。然而，半人马是批量训练的（就像一次性读完整本书），并且拥有巨大的“上下文窗口”（它能记住对话中的所有内容）。
- 裁决： 半人马未能通过此项测试。它表现得像人类，但其内部引擎截然不同。这就像一架飞机像鸟一样飞行，却使用的是喷气发动机而非扇动翅膀。
通用性（“范围”）：
- 问题： 它能进行多种不同类型的思考吗？
- 发现： 半人马擅长数学、推理和语言。但它是单模态的，意味着它只处理文本。它没有眼睛去看，没有手去触摸，也没有身体去移动。
- 裁决： 它获得部分分数。它很聪明，但缺乏人类的“具身”体验。
表现匹配（“结果”）：
- 问题： 它能否给出正确答案，犯同样的错误，并花费相同的时间？
- 发现： 半人马在这方面表现出色。它几乎完美地预测了人类的选择，甚至模仿了人类的错误模式。
- 裁决： 此项得分很高。但作者警告：此处的高分并不能证明它像我们一样思考。

最终得分：综合来看，半人马的“认知可能性”得分较低。它是一个出色的模拟器（完美的演员），但不是一个优秀的认知模型（真正的思考者）。

实验：“任何人都能做到吗？”

为了证明半人马并非独一无二，研究人员进行了一项测试。他们选取了另外五个强大的 AI 模型（如 GPT-4、Gemini 等），这些模型并未在人类数据上进行过训练。

他们给这些模型一个简单的指令：“这是游戏规则。这是发生的历史。现在，人类会怎么做？”（这被称为RAG或检索增强生成）。

结果：

这些“未训练”的模型表现几乎与半人马一样好。
在某些情况下，性能差异如此微小，以至于在统计上毫无意义。
比喻：这就像给一群演员一个剧本。半人马是那个完美背下剧本的演员。但是，当你把同一份剧本给其他演员时，他们也能在没有预先背诵整本书的情况下，几乎完美地演绎出台词。

结论：你不需要一个“特殊”的认知模型来模仿人类行为；你只需要一个聪明的语言模型和正确的指令。

脑扫描测试（fMRI）

半人马的创造者声称，经过训练后，AI 的“内部思想”（神经表征）开始看起来像人类脑扫描（fMRI 数据）。他们说这证明了 AI 正在变得“像大脑”。

作者也对此进行了测试。他们让其他 AI 模型仅通过阅读任务描述，来猜测特定任务的大脑活动会是什么样子。

结果：

其他模型也产生了与人类脑扫描高度相关的猜测。
比喻：如果你问一群人描述“恐惧”的感觉，他们可能会使用相似的词汇（心跳加速、出汗）。这并不意味着他们都有完全相同的生物恐惧机制；这仅仅意味着他们都在描述同一个概念。
作者认为，脑扫描中的高相关性比创造者承认的更容易获得。这并不能证明 AI 拥有大脑；它只能证明它理解了任务的概念。

最终结论

这篇论文向 AI 世界发出了警告：

不要混淆地图与疆域。仅仅因为 AI 绘制了人类行为的完美地图（预测我们的行为），并不意味着 AI 就是疆域本身（人类思维）。
半人马是一个优秀的预测者，但是一个薄弱的解释者。它是预测人类下一步行动的绝佳工具。但我们不能用它来解释人类为何会这样思考，因为其内部机制与我们有着根本的不同。
我们需要更好的测试。我们需要停止只问“它是否得到了正确答案？”，转而开始问“它是否使用了与人类相同的思维齿轮得出了正确答案？”

简而言之：半人马是一位技艺精湛的演员，但它不是人类。作者建立了一个框架（LAPITHS），以确保我们不会被这种表演所迷惑。

以下是论文《用拉庇忒斯驯服半人马：AI 性能理论化解释框架》的详细技术摘要。

1. 问题陈述

本文探讨了当代人工智能与认知科学中的一个关键方法论问题：“归因谬误”（Ascription Fallacy）。该谬误发生在研究人员将人类水平的行为表现（输出相似性）与类人的计算机制（结构/认知合理性）混为一谈时。

作者聚焦于 Binz 等人（2025）提出的最新“统一认知模型”——Centaur。Centaur 是一个基于 Llama 3.1 70B 微调的大语言模型（LLM），在 Psych-101 数据集（来自 160 个心理学实验的超过 1000 万个人类决策）上进行了训练。支持者声称，Centaur 不仅能预测人类行为，还实现了认知合理的机制，并与人类神经活动（fMRI）相一致。

作者认为，Centaur 的成功很可能是功能主义优化（匹配输入 - 输出统计）的结果，而非结构同源性（共享底层认知机制）。他们提出，高预测准确率和神经相关性并不一定意味着该系统拥有类人的认知。

2. 方法论：LAPITHS 框架

为了严格评估此类主张，作者引入了LAPITHS（基于范式解释的人类相似性论点的大语言模型分析）。该框架将理论分析与实证复现相结合，核心是最小认知网格（MCG）。

A. 最小认知网格（MCG）

MCG 通过三个定量维度评估人工系统，以确定“认知合理性”（$PM$）：

功能/结构比率（FSR）：
- 衡量功能设计（输出匹配）与结构设计（遵循认知理论）之间的平衡。
- 使用一组源自认知科学的结构约束（ $c_1...c_k$ ）（例如：工作记忆限制、增量学习、基于模型的规划）。
- 计算得分，其中低 FSR 表示高结构合理性，高 FSR 表示系统依赖功能模仿而缺乏结构约束。
通用性（ $G_M$ ）：
- 基于认知能力的**卡特尔 - 霍恩 - 卡罗尔（CHC）**理论，评估所涵盖的认知领域的广度。
- 评估在流体推理、定量知识、视觉处理以及感觉/运动能力等领域的表现。
表现匹配度（ $P_{MM}$ ）：
- 在特定任务上将人工系统与人类基线进行比较，使用以下指标：
  - 准确率： 与人类负对数似然（NLL）的偏差。
  - 错误模式： 人类错误分布的复现（例如：无模型策略与基于模型的策略）。
  - 执行时间： 与人类反应时间的一致性（尽管大语言模型通常缺乏此数据）。

最终的**认知合理性得分（$PM $）**是这些维度的加权和（$ PM = \lambda \cdot FSR' + \mu \cdot G_M + \nu \cdot P_{MM}$）。

B. 实证复现策略

作者将 LAPITHS 应用于双步任务（TST），这是一个用于测试基于模型与无模型策略的经典强化学习范式。

行为复现： 他们测试了标准的、未经微调的大语言模型（使用**检索增强生成（RAG）**访问任务规则）是否能在 TST 上复现 Centaur 的行为拟合度（NLL）。
神经复现： 他们测试了这些相同的基于 RAG 的大语言模型是否能在没有特定神经科学微调的情况下，生成与人类数据相关的 fMRI 感兴趣区（ROI）激活模式。

3. 主要贡献

理论框架： 形式化了功能充分性与认知合理性之间的区别，提供了一个度量（MCG）来量化“归因谬误”。
对 Centaur 的批判： 证明尽管 Centaur 具有高行为准确率，但它未能满足人类认知的关键结构约束（特别是关于增量学习和记忆限制）。
实证挑战： 表明“最先进”的行为和神经对齐并非 Centaur 等专用微调模型所独有，通用大语言模型通过简单的提示和检索即可实现。

4. 主要结果

A. Centaur 的 MCG 分析

结构失败： Centaur 在功能/结构比率上得分极低（ $FSR' \approx 0.18$ $F S R^{'} \approx 0.18$ ）。
- 它未能实现增量学习（它使用批量训练，而非在线更新）。
- 它未能显式实现基于模型的规划（它通过前向传播近似输出，而没有内部转换模型）。
- 它未能遵守工作记忆限制（其上下文窗口是无界的，不同于人类容量）。
高表现匹配度： Centaur 实现了高 $P_{MM}$ （$0.83$），因为它被明确训练以匹配人类选择。
整体合理性： 综合得分较低（$PM = 0.39$），表明虽然 Centaur 是一个优秀的预测器，但它是一个糟糕的认知模型。

B. 行为复现（NLL）

RAG 与微调： 几个配备 RAG（访问任务规则）的通用大语言模型（Llama Maverick、GPT-4o、GPT-5.1）实现了与 Centaur 相当的 NLL 得分。
统计显著性：
- Llama Maverick (RAG)： NLL $\approx 0.54$ 对比 Centaur NLL $\approx 0.51$ 。差异无统计学显著性（ $p \approx 0.095$ ）。
- 其他模型（GPT-5.1、Gemini-2.5）与 Centaur 相比仅显示出边缘的、具有统计学显著性的差异，但所有模型均显著优于 Llama 3.1 基线和标准认知模型。
结论： 在此任务上实现人类水平的行为拟合并不需要专门的微调。

C. 神经对齐（fMRI）

无训练的高相关性： 基于 RAG 的大语言模型（如 Gemini-2.5 Pro、Llama Maverick）生成的 ROI beta 向量与人类 fMRI 数据显示出极高的相关性（Pearson $r \approx 0.93$ ，余弦相似度 $\approx 0.98$ ）。
与 Centaur 的比较： 这些值显著高于原始研究中报告的 Centaur 峰值相关性（ $r \approx 0.37$ ）。
启示： 通用模型仅通过处理任务结构即可实现与人类脑活动的高度表征对齐，而无需“神经”微调。这表明表征相似性是认知机制的一个弱指标。

5. 意义与结论

本文得出结论，像 Centaur 这样的模型的成就被过度解读了。

行为充分性 $\neq$ 认知合理性： 高预测准确率甚至高神经相关性并不能证明系统实现了类人的认知机制。
归因的危险： 仅基于输出匹配将认知理论归因于 AI 系统会导致“归因谬误”，即误将 AI 视为真正的心智模型。
未来方向： 作者主张将 AI 评估从纯粹的性能驱动基准转向理论基础的准则（如 MCG），这些准则强制执行结构约束（记忆限制、学习动态、具身性）。
最小认知核心： 他们提议为未来的 AI 开发“最小认知核心”，确保功能角色是在尊重生物认知架构约束的系统中实现的。

本质上，本文认为，虽然 Centaur 是一个强大的行为模拟器，但它不是一个认知模型，且类似的性能可以通过较少专门的系统实现，这使得“认知对齐”的主张在理论上是不确定的。