auto-psych: Automating the science of mind using agent-driven theory discovery and experimentation
本文介绍了“auto-psych”，这是一个由智能体驱动的系统，它通过使用嵌套循环来设计实验、收集众包人类数据并发现优于现有文献中解释人类行为的理论，从而实现了计算认知科学完整科学流程的自动化。
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
想象一个科学实验室，其中的研究人员是机器人，实验员是机器人，而接受测试的人则是真实的人类。这就是 auto-psych 的核心理念——这是一种在论文中描述的新型系统，旨在尝试将发现人类思维运作方式的整个过程自动化。
以下是该系统工作原理的简单拆解，使用了日常类比。
核心问题：“人类瓶颈”
通常，当科学家想要理解思维时，他们必须：
- 猜测一个理论（例如：“人们认为 X 是随机的，因为……”）。
- 为其设计一个测试。
- 招募真实的人类来参加测试。
- 分析结果并微调理论。
缓慢的部分是第 3 步。寻找人类、支付报酬并等待他们完成任务需要耗费大量时间。Auto-psych 试图将人类科学家从这个循环中移除。它使用 AI 智能体来完成猜测、设计和分析的工作，而只有参与者（点击按钮的人）是人类。
测试案例：“什么看起来像随机？”
为了测试这个系统，作者选择了一个经典的脑筋急转弯：硬币投掷（Coin Flips）。
如果你投掷一枚硬币，序列如 HTHTHT 和 HHHTTT 在数学上是同样可能的。但人类并不这么认为。我们通常认为 HTHTHT 看起来不太随机，因为它太有规律了；而 HHHTTT 看起来则很可疑。
目标是观察 AI 是否能比人类已有的教科书理论更精准地发现人类究竟是为什么做出这些选择的。
双环机器
该系统就像一个拥有两个嵌套装配线的工厂（双环）：
1. 外环：实验室经理 (The Outer Loop: The "Lab Manager")
这个智能体就像是一个负责掌控全局的项目经理。
- 职责： 它观察所有当前的理论（模型），并询问：“我们下一步应该运行什么实验，才能区分这些理论？”
- 行动： 它挑选出最好的“问题”（硬币投掷序列）来询问人类。然后，它会自动编写一个网站的代码，将其发布在众包平台（如 Prolific）上，等待 40 人完成，最后下载答案。
- 目标： 以尽可能快的速度获取新数据来测试理论。
2. 内环：批判与精炼团队 (The Inner Loop: The "Critique & Refine" Team)
一旦数据传回，内环就会接管。在这里，AI 扮演着严厉的编辑和创意作家。
- 评论家 (The Critic)： 它观察当前最好的理论，并试图打破它。它会模拟该理论应该预测出什么，并将此与人类实际的行为进行对比。如果理论无法解释某个特定模式（例如：“它没有预测到人们讨厌长串的正面出现”），评论家就会标记出来。
- 理论家 (The Theorist)： 看到评论家的笔记后，这个智能体会撰写一个新理论来修复特定的错误。它将一个新想法转化为计算机代码（一种概率模型）。
- 结果： 新的、改进后的理论被添加到列表中，外环准备好再次进行测试。
他们发现了什么？
研究人员让该系统通过三轮针对真实人类的实验运行。以下是发生的情况：
- 它在“伪造”数据上表现出色： 首先，他们用由已知“地面真值（ground truth）”计算机模型生成的数据测试了系统。系统成功找到了那个精确的模型，证明了它的有效性。
- 它超越了人类理论： 当他们让系统在真实人类数据上运行时，AI 发现的新理论比心理学教科书中著名的理论更能更好地拟合人类行为。
- 示例： AI 发现的一个获胜理论被称为“闵可夫斯基典型性（Minkowski typicality）”。它表明，人们通过将一个序列与随机性的心理“原型”进行比较来判断随机性，但他们在惩罚差异的方式上是非常特定的数学方式（介于两种距离测量类型之间）。
- 嵌套结构是关键： 当研究人员关闭“内环”（评论家/精炼团队），仅让外环运行程序时，系统的表现要差得多。这证明了在设计实验与评论理论之间的这种往复循环对于成功至关重要。
总结
这篇论文展示了构建一个全自动科学循环的可能性：在此循环中，AI 智能体设计实验、收集真实的人类数据，并发现关于人类思维如何运作的新理论。
在这一特定案例中，AI 不仅仅是在复制人类的想法；它发现了一个略优于人类现有解释的理论，用来解释为什么我们认为某些硬币投掷序列看起来更随机。作者指出，虽然这是一个针对单一问题的概念验证，但它表明 AI 最终可以帮助我们更快地探索广阔的人类行为空间，其速度远超人类科学家本身。
重要提示： 该论文严格限制了其主张，仅限于这个特定的“硬币投掷”实验以及恢复理论的能力。它并不声称该系统目前能够诊断心理健康问题、改善教育或解决该特定认知科学测试平台之外的复杂现实世界问题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。