一模型，双心智：一种重塑人类偏见的情境门控图学习器

我们引入了一个受认知科学中双过程理论启发的 novel Theory of Mind(ToM)框架，将快速、习惯性的基于图的推理系统(System 1)，通过图卷积网络(GCN)实现，与 slower、情境敏感的 meta-adaptive 学习系统(System 2)，由 meta-learning 技术驱动，集成在一起。我们的模型通过学习的情境门控机制动态平衡直觉推理和深思熟虑推理。我们在 canonical false-belief 任务上验证了该架构，并系统性地探索了其复制双过程理论相关认知偏见的能力，包括锚定效应、认知负荷疲劳、框架效应和 priming 效应。实验结果表明，我们的双过程方法与人类的自适应行为密切相似，能够对未见情境实现稳健的泛化，并阐明了推理偏见背后认知机制。该工作搭建了人工智能与认知理论之间的桥梁，为那些展现细腻、类人社会认知和自适应决策能力的 AI 系统铺路。