16
0如果招募被试不再需要数月时间，只要写几行提示词就能生成成千上万名“虚拟参与者”，心理学研究会变成什么样？
大语言模型已经能够复现不少经典实验中的行为模式，也能依据设定的人格生成颇像真人的访谈回答。但“回答像人”不等于“像人一样理解”。它从人类文本中压缩规律，也会继承文本背后的偏见；它会追求安全、得体的回答，却未必忠实呈现现实中的复杂、矛盾与不完美。
这一期，我们从论文《用大语言模型模拟人类被试：原理、优势与局限》出发，聊聊 AI 被试究竟能做什么、不能做什么，以及为什么它越像人，越值得我们警惕自己投射在它身上的想象。
## 本期你会听到
- 大语言模型能否复现心理学实验、预测群体态度？
- 为什么“生成得像”不代表 AI 拥有人的心智？
- 训练与对齐，怎样让 AI 的回答变得更安全，也可能更不像真实人群？
- 它代表的是谁的观点？谁又被遗漏在训练数据之外？
- 怎样评估一个 AI 被试：看它是否像一个人，还是看它能否模拟一个群体？
- 为什么 AI 群体有时会“准得不正常”？
- AI 能成为研究工具，但能替代真实的人吗？
## 时间轴
- 如果招募被试不再是一场噩梦
- 这篇论文到底在问什么
- AI 被试已经能做到哪些事
- 像人说话，不等于像人思考
- 压缩与表征：AI 如何从文本中学习人类表达
- 训练与生成的不对称：为什么“安全回答”未必是真实回答
- 数据从哪里来：代表性偏差、WEIRD 视角与隐性偏见
- 如何评估 AI 被试：算法保真度与图灵实验
- “超精度扭曲”：AI 为什么会准得不像人
- 多模态、虚拟小镇与具身认知的边界
- AI 被试适合用在哪里，又不该用在哪里
- 一个反过来的问题：当我们用 AI 模拟人类，人会不会也被 AI 改变？
## 本期论文
谢天、邱林（2026）。《用大语言模型模拟人类被试：原理、优势与局限》。\*心理科学\*，49(4)，770–782。
DOI：10.16719/j.cnki.1671-6981.20260401
关键词
大语言模型｜AI 被试｜心理学研究｜模拟人类｜算法保真度｜代表性偏差｜人工智能心理学
> 提醒：本期讨论的是大语言模型在研究中的模拟能力与风险，不构成对个体心理状态的诊断或建议。
