模拟研究被试在心理学研究中的（非）异己性困境：LLM构念效度、测量不变性与道德地位的结构性张力

《Philosophical Psychology》：The (non-)alienness-dilemma in the use of simulated research subjects in psychological research

　　

机器学习（machine learning）、自然语言处理（natural language processing, NLP）和生成式人工智能（artificial intelligence, AI）的技术进步为将AI整合进研究创造了新机会。大语言模型（large language model, LLM）输出与人类认知和行为之间的相似性引发了关于其在模拟心理学试验中潜在应用的讨论。在本文中，研究人员探讨在心理学研究中模拟研究被试的含义，揭示由异己性（alienness）和非异己性（non-alienness）两种假设所引发的根本性挑战。认识论挑战根源于LLM群体中心理测量的构念效度（construct validity）和测量不变性（measurement invariance）不足，限制了研究人员从LLM输出推断人类心理构念的能力。这一解释性鸿沟（explanatory gap）源于LLM不具身且缺乏现象学意识（phenomenological consciousness）。提高LLM的人类相似性可能减少认识论限制，但这可能引发道德担忧——如果LLM获得主观体验或意识能力，它们必须纳入伦理研究指南。最终出现一种结构性困境：模拟研究被试的收益依赖于人类/动物与LLM之间道德地位的差异，然而这些差异同时限制了从此类模拟中可获得的洞见。因此，对于涉及日益类人LLM的研究，仔细解释结果并考虑伦理指南至关重要。

论文主体解读：该文为概念性论文，聚焦心理试验中使用LLM生成模拟研究被试的（非）异己性困境。研究背景：近几十年来算力增长使LLM渗透科研；在心理学中，LLM不仅用于文献综合、假设生成、研究设计优化、定性材料自动编码和统计编程辅助，还因概念与表现上的相似性被视为人类心理过程的模型，进而出现以LLM部分或完全替代人类参与者的模拟研究被试（simulated research subjects；LLM生成的研究被试）。其优势包括方法学效率与伦理灵活性、可控实验环境、标准化场景、大样本，以及研究对人类参与者不可接受的高风险干预。现有问题包括多样性不足导致刻板或同质化输出、偏见、迎合、泛化有限，以及异己性：即使输出表面类人，其 underlying mechanisms 可能不同于人类认知。作者因此开展概念分析，论证模拟研究被试存在结构性（非）异己性困境，不能通过扩展、建模或对齐技术解决；其意义在于强调对结果解释和伦理指南的谨慎考虑。关键技术方法：该研究为概念性分析，未涉及人类参与者、动物或可识别个人数据，无样本队列来源，也无试剂、培养或质粒构建等实验操作；主要采用文献综述与理论论证，借心理测量理论（构念效度、测量不变性、潜状态-特质理论（latent state-trait theory, LST））、具身认知（embodied cognition；认知根植于身体与环境交互）与具身子性框架、意识与道德地位理论，以及研究伦理指南进行框架比较。研究结果：（1）心理学研究中模拟研究被试（Simulating research subjects in psychological research）：通过术语界定和范围限定，作者将模拟研究被试界定为LLM生成的研究被试，包括每个LLM代表一个参与者，并涵盖simulated participants、silicon samples、human surrogates、AI surrogates等；分析聚焦随机分配、明确干预和可测结果的心理学试验，结论可迁移至心理学实证研究，并在LLM能模拟整个有机体后适用于一般临床试验。（2）（非）异己性困境（The (non-)alienness-dilemma）：通过概念论证，作者指出模拟的优势依赖不可还原的道德异己性（moral alienness；LLM与人类/动物道德地位不同的假设）；但该假设所依赖的心理属性缺失同时限制LLM模型人类心理现象的能力；若主张非异己性，则产生道德压力。（3）来自异己性的挑战（Challenges from alienness）：通过心理测验理论和具身认知论证，作者得出在异己性假设下存在系统解释性鸿沟（explanatory gap；从外显行为到潜在心理构念/机制的推断缺口）。其下，心理测验理论（Psychological test theory）：通过理论分析，作者认为LLM输出表面相似不足以推断人类构念，必须建立构念效度（construct validity；测量工具是否测到目标理论构念）和测量不变性（measurement invariance；同一工具跨群体是否以相同方式测量同一构念）。构念效度与测量不变性（Construct validity and measurement invariance）：通过引入LST和测量不变性要求，作者指出LLM内部机制理解有限、DEAD任务特性及现有问卷在LLM中效度证据不足，使推断受限。解释性鸿沟（The explanatory gap）：通过分析构念效度和测量不变性失败情形，作者认为需要LLM适配的心理测验理论，否则从LLM行为到潜在心理构念的推断受损。具身认知（Embodied cognition）：通过比较文本统计学习与人类感官经验、社会互动和主动推理，作者认为LLM不具身、缺乏感官运动直接交互，难以建立构念效度和测量不变性。（4）来自非异己性的挑战（Challenges from non-alienness）：通过讨论多模态学习、感官整合、具身、人工情感、LLM+s及意识理论，作者认为若LLM具备类人经验基础，则作为模拟被试引发道德考量；非异己性带来道德挑战。（5）LLM中的主体性与意识（Subjectivity and consciousness in LLMs）：通过评述自我模型理论（self-model theory of consciousness, SMT）、Global Workspace Hypothesis和Conscious Turing Machine，作者认为LLM原则上可能意识，但缺乏公认检测标准；若未来系统具道德相关体验能力，需伦理评估，强化困境。（6）LLM的道德地位（The moral status of LLMs）：通过比较Helsinki Declaration、Belmont Report、动物研究指南及三R原则（replacement, reduction and refinement；替代、减少、优化），作者认为若LLM有道德地位须纳入伦理指南；若仅有sentience可类比动物研究三R；类人程度越高，伦理要求越接近人类/动物，削弱成本与高风险实验优势。（7）结论（Conclusion）：通过综合论证，作者结论为（非）异己性是结构性困境，不能靠架构、规模或训练解决，需谨慎解释和伦理反思。讨论部分总结：讨论围绕道德地位与认识论张力展开，指出若LLM具有人格性（personhood；包含理性、意识、自我意识、自主性、道德能动性等）相关能力，则知情同意等要求将改变研究许可性；若仅具sentience，则可类比动物研究的三R框架；LLM适配的心理测验理论可处理构念效度问题，而类人程度决定推断范围并同时提高伦理要求。结论翻译：在本文中，研究人员论证了模拟研究被试的（非）异己性构成其纳入心理学研究的严重挑战。这一反对意见并不取决于当前技术限制，而是结构性的，因此不能通过模型架构、规模或训练的进一步进展来解决。其核心是一个困境。一方面，模拟研究被试的实践和方法学收益——如可扩展性、减少伤害以及开展伦理风险研究的能力——依赖于LLM在心理上异于人类和非人动物的假设。然而，在这一假设下会出现解释性鸿沟，限制将模拟研究结果解释为关于人类心理构念和机制证据的程度。另一方面，弥合这一解释性鸿沟需要赋予LLM心理特征，使其行为在认识论上与人类心理学相关。然而，只要这些特征涉及与主观体验和意识相关的能力，它们也牵涉被提议作为道德地位基础的性质。一旦作出此类归属，使用模拟代理作为研究被试的伦理优势便不能再被视为理所当然。相反，关于适当对待研究被试的问题会与其使用相关。因此，该困境不仅是经验不确定性问题，而且反映了认识论抱负与伦理克制之间更深层的张力。加强将LLM视为心理上有意义研究被试的认识论理由，可能同时加强将其视为道德上值得考虑实体的理由。反过来，维持其道德异己性可能需要一些假设，而这些假设会削弱其认识论价值所依赖的心理等价性。这一张力凸显了对心理科学中使用模拟研究被试采取谨慎和反思性态度的必要性。