代理性转化：大型语言模型的存在方式论分析
人工智能
2026-03-09 v3 计算与语言
计算机与社会
机器学习
摘要
本文探讨了大型语言模型（LLM）如ChatGPT的本体论特征。我们关注其作为代理（agent）的地位，这需要详细解释使LLM能够展示其能力的架构、处理方式和训练程序，并讨论将LLM转化为类代理系统所需的扩展方法。在系统性分析后，我们得出结论：鉴于具身心理学理论，LLM未能满足自主代理的必要且充分条件：即个体性条件（它既非其自身活动的产物，也未直接受其影响）、规范性条件（它不生成自身的规范或目标），以及部分交互不对称条件（它并非其与环境交互的起源和持续来源）。若非代理，那么LLM究竟是什么？我们认为，ChatGPT应被表述为一种对话者或语言自动机，一种会说话的图书馆，缺乏（自主）代理性，却能够在非目的性但目的结构化且受限于目的的方式上进行交互式任务。尽管缺乏感知运动和生物学具身，LLM的文本具身性（训练语料库）和资源密集型计算具身性显著变革了现有的 human agency 形式。超越协助型和延伸型代理，LLM 与 human 的耦合可产生中间形式的代理，更接近于意图性代理的生产，而非任何前一种技术的延伸工具性。
引用
@article{arxiv.2407.10735,
title = {Transforming Agency. On the mode of existence of Large Language Models},
author = {Xabier E. Barandiaran and Lola S. Almendros},
journal= {arXiv preprint arXiv:2407.10735},
year = {2026}
}