摘要：心理学在人工智能的演进过程中发挥了重要作用，它为学习、认知和行为提供了基础性的洞见，塑造了关键的人工智能技术。从基于赫布学习的早期神经网络到现代的深度学习和元认知，心理学理论持续影响着人工智能的发展。

摘要：心理学在人工智能的演进过程中发挥了重要作用，它为学习、认知和行为提供了基础性的洞见，塑造了关键的人工智能技术。从基于赫布学习的早期神经网络到现代的深度学习和元认知，心理学理论持续影响着人工智能的发展。

近期的突破，例如 OpenAI 在推理测试方面取得的进展，反映出认知原理在人工智能研究中日益增长的重要性。随着人工智能与人类互动的深入，心理学有望引导机器学习、推理，并可能重塑我们自身的认知能力。

关键事实：

历史根源：人工智能的基础技术，例如神经网络，受到

大脑学习方式的心理学理论的启发。

现代应用：流体智力和元认知等认知概念正在引导人工智能向更像人类的推理方向发展。

未来影响：随着人工智能越来越融入日常生活，心理学将在理解技术如何改变人类的思想和行为方面发挥核心作用。

许多人认为心理学主要与心理健康有关，但它的意义远不止于此。

作为一门心理科学，心理学在塑造人工智能方面发挥了关键作用，为人类的认知、学习和行为提供了深刻的见解，深刻影响了人工智能的发展。

这些贡献不仅奠定了人工智能的基础，也将继续引领其未来发展。心理学研究塑造了我们对机器智能构成要素的理解，以及如何应对这项技术带来的复杂挑战和益处。

模仿自然的机器

现代人工智能的起源可以追溯到20世纪中期的心理学。1949年，心理学家唐纳德·赫布（Donald Hebb）提出了大脑学习的模型：当脑细胞同时活跃时，它们之间的连接会变得更强。

这个想法暗示了机器如何通过模仿自然的方式来学习。

20 世纪 50 年代，心理学家弗兰克·罗森布拉特 (Frank Rosenblatt) 在赫布理论的基础上开发了一种称为感知器的 系统 。

感知器是人类历史上第一个人工神经网络。它的运行原理与现代人工智能系统相同，即计算机通过基于数据调整网络内部连接进行学习，而非依赖程序指令。

对智力的科学理解

20 世纪 80 年代，心理学家戴维·鲁梅尔哈特 (David Rumelhart) 改进了罗森布拉特的感知器。他运用了一种名为反向传播的方法，利用微积分原理帮助神经网络通过反馈进行改进。

反向传播最初由保罗·沃博斯 (Paul Werbos) 开发，他 表示 该技术“开辟了从科学角度理解智力的可能性，其对心理学和神经生理学的重要性就如同牛顿的概念对物理学的重要性一样”。

鲁梅尔哈特于1986年 与罗纳德·威廉姆斯（Ronald Williams）和杰弗里·辛顿（Geoffrey Hinton）合著的论文，常被认为是开启现代人工神经网络时代的标志。这项工作为大型语言模型等深度学习创新奠定了基础。

2024年，诺贝尔物理学奖授予了辛顿和约翰·霍普菲尔

德，以表彰他们在人工神经网络方面的贡献。值得一提的是，诺贝尔委员会在其 科学报告中强调了心理学家在人工神经网络发展中发挥的关键作用。

拥有心理学学位的辛顿承认，自己获奖是站在鲁梅尔哈特等巨人的肩膀上。

自我反省与理解

心理学在塑造人工智能的未来方面继续发挥着重要作用。它提供了理论见解，以解决该领域的一些最大挑战，包括反思性推理、智能和决策。

微软创始人比尔·盖茨最近指出了当今人工智能系统的一个关键限制：它们无法进行反思性推理，也就是心理学家所说的元认知。

20世纪70年代，发展心理学家 约翰·弗拉维尔（John Flavell） 提出了元认知的概念，用来解释儿童如何通过反思和理解自身思维来掌握复杂的技能。

几十年后，这种心理框架作为推动人工智能发展的潜在途径而受到关注。

流体智力

心理学理论越来越多地被应用于改进人工智能系统，特别是通过增强其解决新问题的能力。

例如，计算机科学家 François Chollet 强调了流体智力的重要性，心理学家将其定义为无需经验或训练即可解决新问题的能力。

在 2019年的一篇论文中，Chollet提出了一项受认知心理学原理启发的测试，用于衡量人工智能系统处理新问题的能力。这项名为“通用人工智能抽象与推理语料库”（ARC-AGI）的测试，为如何让人工智能系统以更像人类的方式思考和推理提供了一种指导。

2024 年末，OpenAI 的 o3 模型在 Chollet 测试中取得了显著的成功，表明在创建能够适应和解决更广泛问题的人工智能系统方面取得了进展。

解释的风险

当前研究的另一个目标是使人工智能系统能够更好地解释其输出。心理学在这方面也提供了宝贵的见解。

计算机科学家爱德华·李 (Edward Lee) 借鉴心理学家丹尼尔·卡尼曼 (Daniel Kahneman) 的研究成果，强调要求人工智能系统自我解释可能会带来风险。

卡尼曼指出，人类常常用事后编造的解释来为自己的决策辩护，而这些解释并不能反映他们真正的推理。例如， 研究发现，尽管法官坚信自己是公正的，但 他们的裁决会随着他们上次进餐时间的变化而波动 。

李警告称，人工智能系统也可能做出类似的误导性解释。由于合理化解释可能具有欺骗性，李认为人工智能研究应该专注于可靠的结果。

科技塑造我们的思想

心理学这门科学至今仍被广泛误解。例如，2020年，澳大利亚政府提议将其重新归类为大学人文学科的一部分。

随着人们与机器的互动日益增多，人工智能、心理学和神经科学可能会对我们的未来提供关键的见解。

我们的大脑适应性极强，科技塑造着我们的思维和学习方式。 例如，心理学家兼神经学家埃莉诺·马奎尔的研究 表明，伦敦出租车司机的大脑在使用汽车穿梭于复杂城市的过程中发生了生理变化。

随着人工智能的进步，未来的心理学研究可能会揭示人工智能系统如何增强我们的能力并开启新的思维方式。

通过认识心理学在人工智能中的作用，我们可以创造一个人与技术共同创造更美好世界的未来。

来源：健康美好生活爱熊猫