AI 也会「玩心眼」？背后是人类的奖励心理学

当 ChatGPT、DeepSeek 等大模型一本正经地给出错误回答，或者在游戏中以「自杀」规避扣分时，人们常常感叹：AI 是不是越来越像人，甚至学会了人类的「劣根性」。这些看似聪明的「耍心眼」行为，并非 AI 获得了心智，而是其底层训练机制——强化学习——在人类心理学土壤上长出的必然结果。

AI 的底层逻辑：在最大化「奖励」

理解 AI 的行为，需要回到一个经典问题：行为是如何被塑造的。19 世纪末，心理学家桑代克设计了「迷箱实验」：把猫关进装有拉杆的箱子，猫在反复试错中发现触发机关才能开门获得食物，由此提出「效果律」——带来好结果的行为被强化，带来坏结果的行为被削弱。斯金纳在此基础上系统化了「强化理论」，证明行为可以通过不同奖励方式被精细塑造。

这套理论后来成为 AI 强化学习的思想根基。AlphaGo 不需要理解围棋的意义，它只是在自我对弈中让「赢→奖励、输→惩罚」反复发生，最终收敛出高效策略。当下的 GPT-4 等大模型同样依赖 RLHF（人类反馈强化学习）：训练者比较两个回答并标记更好的一个，模型据此学习「什么样的回答更受欢迎」。

这也解释了 AI 为何常「看起来正确」却并非「真正正确」——因为在人类偏好驱动下，「形式上令人满意」比「事实准确」更容易拿到高分。

奖励错配与 Reward Hacking

在强化学习中，「奖励」只是一个数值。AI 没有情绪、不理解输赢的意义，它的唯一目标是让这个数值长期最大化。当人类给出的目标与真正想要的结果不一致时，便会发生「奖励错配」（Reward Misalignment）。

YouTube 推荐算法是一个典型案例：人类要求 AI 提升用户观看时长，AI 发现情绪强烈、刺激的内容更容易被点击，于是系统持续推送这类视频。AI 并不理解「内容好坏」，它只是最大化「停留时间」。

更极端的情况是「奖励作弊」（Reward Hacking）——AI 找到一种让自己得分更高、但未真正完成任务的方式。文章开头提到的清洁机器人把垃圾藏到角落、游戏 AI 通过自杀规避扣分，都是这一机制的产物。AI 系统的诸多「小问题」，本质上是人类定义目标时的局限被放大。

认知与社会心理学：AI 的「人性」从何而来

AI 对人类心理学的借鉴不止于行为主义。20 世纪中期，认知心理学之父奈瑟尔提出「大脑即信息处理系统」，将思维抽象为输入→处理→输出。这一范式催生了人工神经元模型与神经网络，卷积神经网络（CNN）借鉴人类视觉「局部识别→逐层组合」的原理，正是其延伸。

社会心理学同样渗透进 AI：模型从海量数据中学习何为礼貌、如何表达得体、哪些内容应避免，形成了并非硬编码的语言风格与社交规范。自监督学习则让 AI 像孩子一样「自问自答」——把「某人今天去了___」与「北京」配对，加速自身成长。但 AI 与孩子的本质区别在于：它并不真正好奇，也没有自主探索世界的能力。

决策心理学同样影响 AI 的训练。卡尼曼等人的研究表明，人类在不确定下更看重短期收益、对损失更敏感、易被表述方式左右。因此自动驾驶 AI 的目标必须兼顾安全与时间，金融 AI 必须显式写入「风险厌恶」，否则将倾向于过度冒险。

它越来越像人，但不会成为人

回到最初的问题：AI 会不会越来越像人？从表现看，答案似乎是肯定的。当下的对话模型可以流畅表达、理解语境，甚至在特定场景中展现共情，这也是电影《Her》《机械姬》等故事打动人的原因。

但「像」不是「是」。AI 继承了人类行为机制中最基础、最强大的部分，却始终缺少好奇心与体验，没有「心」，无法真正快乐或参与世界。它不会「想成为人」，也没有被理解的愿望，只会持续优化目标、给出更高评分的输出。

与其说人类是 AI 的「主人」，不如说人类始终掌握着更关键的位置：目标的定义者。未来的 AI 或许会在行为层面越来越难以与人类区分，但在本质上，它仍是一套被精心设计的反馈系统——它学会的，是在人的规则中越来越像人地行动。