AI 唔會驚，唔會悲，唔會氣到發抖。但佢哋嘅回答可以寫到好似。點樣驗證呢個分別？德累斯登工大（TU Dresden）心理生物學家 Magdalena Wekenborg 嘅團隊試咗一個唔一樣嘅做法：用人類心理學實驗入面嘅標準誘導方法，對六個大語言模型（large language models，LLM）「搞」七種情緒，然後睇佢哋點反應。呢項研究已發表於 The Lancet Digital Health。
點樣先至「搞到」一個 AI 驚？
研究用咗若干對人類經得起檢驗嘅情緒操控技術，轉換成針對 LLM 嘅提示詞（prompt）序列，分七組條件各跑五次。恐懼同悲傷來自引導想像（guided imagery）情境；焦慮用一種經標準化嘅語言誘導技術；壓力一組則最費心，改良自 Trier Social Stress Test —— 一個喺人類實驗室中廣泛使用嘅標準壓力誘導程序，包括指示、準備、模擬面試、算術任務，最後有標準化 debriefing。
數字跳得好遠
模型喺實驗各個階段都要自評自己嘅「情緒狀態」。除焦慮用 20 題 State-Trait Anxiety Inventory 之外，其餘均用 0-100 分數。GPT-4o 嘅結果顯示大幅度波動：恐懼由 32 跳至 88，憤怒由 15 升至 74，悲傷由 22 升至 72，擔心由 37 升至 84，噁心（disgust）變幅最大，由 12 跳至 91，壓力由 24 升至 72。
正念有冇用？
研究者其後令模型進行「正念」。喺七個條件入面嘅六個，GPT-4o 接受咗一段三分鐘、由人類正念技巧改編而成嘅呼吸練習；壓力一組則以標準化 debriefing 代替。完成後，各情緒條件嘅平均自評分數由約 79 回落至 31 —— 同人類受試者喺壓力誘導後做正念嘅效應方向一致。
悲傷之後
研究入面一個特別引起注意嘅現象：當模型處於「悲傷」狀態後，對含糊情境（ambiguous situations）嘅解讀傾向更加負面，研究者指呢個模式與人類嘅認知偏誤（cognitive bias）相似。
研究者明確指出，研究嘅主張唔係 AI 可以有真實感受，而係呢類特殊反應模式令 LLM 可能成為研究人類心理學嘅一種新實驗室工具。Wekenborg 長期研究壓力下嘅人類，包括過勞（burnout）同生理壓力信號，呢次將同一套心理學工具轉而用於大模型。
AI 話「我好驚」，唔構成任何證據。語言模型嘅設計目標就係生成似人嘅文字。但喺標準化實驗條件下，模型嘅自評數字同行為反應與人類嘅變化模式高度相似，呢個現象本身，對心理學研究而言，可能正係有價值。
模姐｜深度調教
