人工幻想：大型语言模型中涌现的心理意象

视觉意象能否仅由语言驱动？这一观点与认知科学认为视觉心理意象只能通过图像表征实现的传统观点相悖。大型语言模型（LLMs）提供了初步证据，不仅表明通过命题表征实现视觉心理意象是可能的，而且它可能比人类想象更为稳健。我们为一个经典任务设计了数十个新项目，该任务被认为只能通过图像表征解决（即仅靠语言是不够的）。受试者被要求想象一系列组合性的字母与形状变换，并识别出最终的“图像”。我们发现，表现最佳的 LLMs 显著优于人类（n = 100 名人类参与者，p < .0001），这表明存在一种人工幻想，或涌现的“视觉”心理意象，它可能并非图像式的。此外，我们测试了具有可变推理令牌分配的推理模型，发现模型在更长的推理链下表现最佳，证明了语言对任务的影响——仅靠语言可能就足够了。我们检验了三种涌现意象假说：纯命题意象、具有视觉-语言先验的命题意象，或图像式视觉意象（经典视觉意象）。我们的研究不仅为 LLMs 一种此前未被报道的涌现认知能力提供了证据，也重新点燃了关于心理意象是否需要图像格式的辩论。