用语言模型应对认知科学中的长期挑战

《TRENDS IN Cognitive Sciences》：Addressing longstanding challenges in cognitive science with language models

　　

认知科学面临研究整合、形式化、概念清晰性等方面的持续挑战，部分原因在于其多面性和跨学科性质。人工智能（Artificial Intelligence, AI）的最新进展，特别是语言模型（Language Models, LMs）的发展，提供了可能有助于解决这些长期问题的工具。具体而言，它们可以帮助绘制碎片化文献的地图、将言语理论形式化、识别构念和测量之间的重叠、跨任务生成预测，以及从自然主义数据中提取文化或生态结构。然而，这些机遇也伴随着风险，包括过度简化、不透明性、技能退化（deskilling）和偏见。综上所述，研究人员得出结论：当被审慎地用于补充而非取代人类能动性时，语言模型可以作为更具整合性和累积性的认知科学的工具。

**论文解读：用语言模型应对认知科学中的长期挑战**

**研究背景与问题**
认知科学自诞生以来，旨在整合哲学、心理学、神经科学、计算机科学等学科的见解以理解心智。然而，该领域长期面临若干挑战：学科和方法的碎片化导致研究孤立；过度依赖模糊的言语理论，缺乏形式化；构念与测量冗余泛滥；缺乏跨任务泛化的整合建模框架；以及忽视生态情境和个体/文化变异。这些问题阻碍了认知科学的累积性进展。近年来，语言模型（Language Models, LMs）的快速发展为应对这些挑战提供了新工具，但同时也带来过度简化、不透明性、技能退化（deskilling）和偏见等风险。研究人员在《TRENDS in Cognitive Sciences》上发表的这篇观点文章中，系统探讨了如何利用语言模型助力解决这些长期问题，并强调其应作为补充而非替代人类专业知识的工具。

**研究内容与结论**
研究人员通过梳理现有文献和新兴应用，提出语言模型可在五个关键方面发挥作用：知识综合（Knowledge synthesis）、形式化模型（Formal models）、测量分类学（Measurement taxonomies）、整合框架（Integrated frameworks）和情境化表征（Contextualized representations）。文章指出，这些工具能够帮助绘制跨领域文献地图、将言语理论转化为可执行代码、识别冗余构念并构建更简洁的测量分类体系、开发跨任务泛化的认知模型，以及从自然语言数据中提取生态和文化结构。同时，研究人员警示了四大风险：过度简化（可能抹平理论多样性）、不透明性（预测性好但解释性差）、技能退化（自动化导致研究者能力丧失）和偏见（训练数据偏向西方人群）。最终，研究人员认为，语言模型的长期价值取决于透明、多元和审慎的研究实践，它们应服务于增强而非替代人类推理，从而促进更具累积性、可解释性和情境敏感性的认知科学。

**关键技术方法**
研究人员主要依赖以下关键方法：
1. **语义嵌入（Semantic Embeddings）**：利用语言模型将文本（如问卷条目、构念标签）映射为高维向量，通过向量空间中的语义相似性识别构念重叠和测量冗余。
2. **提示工程（Prompt Engineering）**：通过设计特定提示，引导语言模型生成因果结构图、形式化理论或计算模型，例如将言语理论转化为符号代码。
3. **多任务学习（Multitask Learning）**：训练基础模型（如Centaur）在大量行为数据集上预测人类行为，涵盖决策、学习、记忆等任务，实现跨任务泛化。
4. **自然语言处理管道（NLP Pipelines）**：从大规模文本（如在线论坛、历史文献）中提取决策属性、文化规范等情境化特征，用于构建更真实的行为模型。
（注：无样本队列来源，所有数据均来自公开语料库或已有研究数据集。）

**研究结果**

**知识综合**
语言模型可通过语义映射揭示跨领域概念联系，例如在强化学习研究中检测学科孤岛，并通过预测研究结果（如神经科学结果预测优于人类专家）来评估知识累积性。此外，它们加速系统综述和元分析，帮助弥合碎片化文献。

**形式化模型**
语言模型将言语理论转化为可执行代码，例如在精神病理学中提示症状间的因果方向以构建因果模型。另一项研究通过迭代提示生成计算模型（如决策、学习、工作记忆模型），其性能匹配或超越已有基准，并发现新模型结构。此外，语言模型将参与者自然语言解释映射为形式化决策规则，捕捉到被试间异质性，表现优于经典模型（如前景理论）。

**测量分类学**
利用语义嵌入，研究人员映射了数千个问卷条目与数百个构念标签之间的语义关系，成功复现了实证条目-量表关系，并识别出“叮当-叮当谬误”（jingle–jangle fallacies）。通过重新分配标签，他们构建了更经济的测量分类体系，例如将人格构念集缩减约75%，减少冗余。

**整合框架**
以Centaur为代表的基础模型，在大量行为数据集（决策、学习、记忆、认知控制）上训练，通过共享潜在表征预测人类行为，并泛化到未见任务，优于传统任务特定模型。其内部表征与神经活动模式对齐，暗示大规模多任务建模可产生机制性信息。

**情境化表征**
语言模型从自然语言数据（如100,000个真实生活选择困境）中提取决策属性与权衡结构，量化情境变异。通过基于人设（persona）的引导，模拟不同人口群体的响应，探索理论或干预的跨情境泛化性，但需警惕模拟不能替代真实数据。

**避免潜在陷阱**
研究人员讨论了四大风险及缓解策略：
- **过度简化**：需保持透明和可修订的合成标准，记录构念合并标准，并纳入多元专家意见。
- **不透明性**：要求将可解释性作为方法论要求，利用神经科学工具（如功能定位、病变方法）探测模型内部机制。
- **技能退化**：通过“手动优先”培训保留概念推理能力，支持人机协同工作流。
- **偏见**：需多样化训练数据、记录数据来源、进行系统性偏见审计，并跨人口子群验证模型输出。

**未来展望**
研究人员设想了两种可能轨迹：不良未来中，工具限制知识多样性、固化偏见、降低可解释性；理想未来中，语言模型作为辅助工具，增强人类推理、促进开放多元对话。最终，语言模型的价值在于它们如何被用于加强累积性、可解释性和情境敏感的认知科学，而非完全自动化。

**结论部分翻译**
研究人员认为，语言模型可用于帮助应对认知科学中的长期挑战。然而，为了取得成功的成果，它们必须嵌入透明和多元的研究实践中，以扩大探究的范围和规模，同时支持整合性的解释形式。总体而言，它们的价值不在于完全自动化，而在于如何被用于加强一种累积性、可解释性和情境敏感的心智科学。