想象一下你正坐在一间拥挤的房间里，听着一个关于两个朋友——亚历克斯（Alex）和杰米（Jamie）的故事。你了解整个真相：你看到杰米把一块饼干藏进了罐子里，然后你看着亚历克斯溜进来把那块饼干移到了盒子里。但棘手的部分在于，问题并不是在问“你知道什么”，而是问：“亚历克斯会在哪里寻找饼干？”要正确回答这个问题，你必须做一件人类会自然而然去做、但对计算机来说却异常困难的事情：你必须假装不知道你所知道的事。你必须走进亚历克斯的角色，忘记盒子，只记得罐子。这种心理超能力被称为“心智理论”（Theory of Mind）。它是理解他人拥有与自己不同的想法、信念和秘密的能力。

长期以来，科学家们一直试图教会人工智能（特别是大型语言模型或 LLM）如何做到这一点。这些 AI 模型就像是读遍了互联网上几乎所有内容的超级聪明的学生，但当涉及到猜测别人的想法时，它们经常出错。它们倾向于根据“真实”的真相（饼干在盒子里）来回答，而不是根据角色的“错误”信念（饼干在罐子里）。你即将阅读的这篇论文通过研究一种新方法来解决这个问题，这种方法能帮助 AI 模型避免使用真实真相，并开始像故事中的角色一样思考。

问题所在：“躲猫猫”陷阱

过去，研究人员尝试通过与故事玩“躲猫猫”游戏来修复这个 AI 问题。他们会告诉 AI：“好了，在回答问题之前，请删除故事中角色没有看到的每一个句子。”如果角色离开了房间，AI 应该擦除他们在离开期间发生的一切。这被称为“事件隐藏”（event hiding）。

把它想象成老师从学生手中拿走试卷，并说：“不要看这一页，它有你需要忽略的答案。”其初衷是如果 AI 看不到真相，它就不会被诱导去使用它。但这种方法有一个重大缺陷。它强迫 AI 遵循非常严格的规则，比如用特定的代码或僵化的列表来写下它们的想法。这就像是在告诉一位创意作家：“你只能用要点形式写作，且不能使用形容词。”这种严格性往往会让 AI 感到困惑，使其仅仅因为过于努力遵守格式规则而犯错。有时，AI 会不小心删掉错误的句子，或者因为试图将自己的想法塞进一个太小的框里而卡住。

新的想法：“揭示，而非隐藏”

这篇论文的作者 Eojin Jeon 和 SangKeun Lee 决定尝试一种完全不同的方法。他们不再向 AI 隐藏真相，而是决定让 AI 看到一切——但随后，要求它明确说明角色“不知道”什么。

想象你在玩一个需要猜测朋友想法的游戏。与其遮住朋友的眼睛让他们看不见线索，不如对你的朋友说：“我知道饼干在盒子里，但你不知道这一点。你只知道它在罐子里。”通过大声说出来，你提醒了你的朋友去忽略那个盒子。

研究人员将他们的新方法称为 PICTURE。它的全称是“基于思维链推理中生成的知识缺失进行视角转换”（Perspective-taking with Generated Lack of Knowledge in Chain-of-Thought Reasoning）。这个名字很绕口，让我们来拆解一下：

1. 不隐藏： AI 获得完整的故事，包括所有的秘密和动作。
2. “知识缺失”步骤： 在回答问题之前，AI 被要求进行一段自由形式的解释（就像正常的对话一样），列出角色知道的以及至关重要的——他们不知道的内容。
3. “停止”标志： 通过写下“利亚姆（Liam）不知道欧文（Owen）移动了萝卜”，AI 创建了一个心理上的“停止”标志。它告诉自己：“好吧，我看到了这个事件，但利亚姆没看到，所以我不能用它来回答问题。”

他们的发现

团队在多种不同的故事谜题上测试了这个想法，包括涉及角色移动物体、离开房间或进行对话的情境。他们将这种新的 “PICTURE” 方法与旧的“躲猫猫”方法以及一些标准的 AI 技巧进行了对比。

结果非常令人鼓舞。平均而言，使用 PICTURE 的 AI 在“错误信念”（即角色对真相产生误解）谜题上的正确率比旧方法高出了 7.3%。在 AI 研究领域，这是一个了不起的成就。

更重要的是，论文指出，这之所以奏效，是因为它教会了 AI 一种叫做“抑制控制”（inhibitory control）的技能。在心理学中，这是指阻止自己对眼前显而易见的事物做出反应的能力。例如，在一个著名的测试中，如果你看到单词“RED”（红色）是用蓝色墨水写的，而任务是让你说出墨水的颜色，你就必须阻止自己去读出单词“RED”。论文表明，通过明确陈述一个角色不知道什么，AI 学会了抑制其使用“真实”答案的冲动，转而坚持角色的视角。

为什么这很重要

这篇论文表明，我们不需要通过蒙蔽 AI 的真相视线来让它更聪明地理解人类。事实上，隐藏真相可能会适得其反，因为它强迫 AI 进入僵化、令人困惑的格式。相反，通过让 AI 看到一切，然后要求它清晰地阐述角色知识中的空白，我们帮助它学会了如何自行过滤信息。

作者发现，这种方法在不同类型的 AI 模型上都表现良好，从较小的开源模型到庞大的、功能强大的模型。虽然 AI 仍然会犯错（尤其是在涉及多个角色的复杂故事中），但 PICTURE 方法似乎是一个重要的进步。它表明，有时教机器理解人类思想最好的方式，是让它看到全貌，然后温柔地提醒它，画面中的每个人所缺失的是什么。