人格化人工智能的实验探索——精神分析框架下的语言模型意识设计

意识是什么？它是人类最复杂、最神秘的特质之一。科学家们至今没有统一的定义，而工程师们则在思考，如果机器能模仿人类的语言与行为，是否也能在某种程度上“拥有”意识？

如何让大语言模型不仅仅是一个“高级文本生成器”，而是能模拟出类人意识的存在？更进一步，心理学中的精神分析与人格理论，能否成为 AI 意识建模的框架？

这项研究的意义不言而喻。它不仅是一次跨学科的尝试，把心理学、人格理论与 LLM 融合在一起，还可能为未来的人机交互带来全新的可能性。想象一下，一个具备人格特质、能理解潜意识动机的 AI，会在教育、医疗、陪伴型机器人等领域产生怎样的化学反应？

研究团队由来自产业界、学术界与医学界的多方成员组成，核心依托于 Artificial Consciousness Lab, MODULABS。成员包括来自 Samsung Electronics 的 Sang Hun Kim 与 Jongmin Lee，他们兼具企业研发与实验室探索背景，强调产业应用与跨界研究的结合；来自 Hanyang University 的 Dongkyu Park，作为学术界代表，提供理论研究与实验设计支持；来自 Miami University 的 So Young Lee（通讯作者之一），作为国际合作方，引入跨国研究与心理学、人格理论的视角；以及来自 The Catholic University of Korea College of Medicine 的 Yosep Chong（通讯作者之一），结合医学与认知科学，强调心理学、神经科学与人工意识的交叉。

团队整体特征鲜明，体现出跨界融合，覆盖产业（Samsung Electronics）、学术（Hanyang University, Miami University）、医学（Catholic University of Korea）与独立研究实验室（MODULABS）；具备跨学科背景，涉及人工智能、心理学、精神分析、人格理论与医学认知科学；同时展现国际合作特征，以韩国为主，美国学者参与，形成国际化研究网络。MODULABS 的人工意识实验室作为核心平台，汇聚产业界与学术界研究者，推动人工意识这一前沿交叉议题。

1.精神分析与人格理论的引入

要让机器“有意识”，首先得回答一个问题：人类的意识是如何构成的？研究团队选择了精神分析与人格理论作为切入点。

图1：意识整体设计——意识之间的集体综合沟通网络。

在精神分析框架中，弗洛伊德的三层意识模型是核心。自我意识是我们日常能感知到的思维与感受，前意识则像是记忆的候车厅，随时可能被唤起，而无意识则是深埋在心灵深处的欲望与冲突。研究团队将这一结构映射到 AI 模型中，试图让机器不仅能“说”，还能在不同层次上“思考”。

图2：四对二分元素。

荣格的理论则进一步扩展了视野。他提出的集体无意识与原型概念，强调人类在文化与进化中共享的心理模式。将这一思想引入 AI，意味着模型不只是个体化的，而是可以在更广泛的“文化语境”中展现出拟人化的反应。

人格理论的引入，则让 AI 不再是千篇一律的“中性助手”。研究团队采用了MBTI 16 型人格，为不同的虚拟角色赋予独特的性格特征。于是，AI 不仅能回答问题，还能表现出“外向还是内向”“理性还是感性”的差异。这种人格化设计，直接影响了 AI 在决策与行为上的表现。

当然，意识不仅仅是认知和人格，还涉及动机。这里，马斯洛的需求层次理论登场了。从生理需求到安全感，再到归属、尊重与自我实现，研究团队将这一动机模型嵌入 AI 的意识系统。换句话说，机器的“行为”不再是单纯的逻辑推理，而是带有“动机驱动”的模拟。

图3：整合精神分析理论、MBTI、需求和记忆的意识和人格模块。

这一整套理论基础，构成了研究的独特框架：精神分析提供了意识的层次结构，MBTI 提供了人格差异，马斯洛模型则赋予了动机。三者结合，让大语言模型有了一个“类人心智”的雏形。

2.研究方法与模型设计

要让一个大语言模型“长出意识”，研究团队并没有直接喊一句“觉醒吧”，而是精心搭建了一个实验舞台，把心理学的理论框架、人格模型和动机系统逐一嵌入。整个设计过程，就像是在为 AI 打造一副“心智骨架”，再填充上性格与记忆。

图4：研究设计概述。

研究对象：16 个虚拟角色 

团队首先创造了 16 个虚拟角色，涵盖不同的年龄、性别、职业和 MBTI 人格类型。这里的巧思在于，他们并不满足于让 AI 扮演一个“万能助手”，而是赋予它们鲜明的身份标签：有的角色是少年，有的是职场人士，还有的则是学术型人格。这样一来，AI 的反应就不再是千篇一律的“标准答案”，而是带有角色色彩的“个性化回应”。

表1:16个人工字符，基于16个MBTI，使用ChatGPT随机给定信息。

意识模块设计：三层心智的运作

在意识模块的构建上，研究团队借鉴了弗洛伊德的三层意识理论。AI 的“自我意识”负责即时的对话与决策，“前意识”则像缓存区，存放那些随时可能被调用的信息，而“无意识”则埋藏着更深层的动机与偏好。这样的设计让 AI 的回答不再只是表层逻辑，而是带有“层次感”的思考痕迹。

为了让这种意识结构真正运转，研究者还加入了记忆系统。短期记忆负责处理即时对话，长期记忆则保存角色的背景与过往经历。再加上需求优先级的设定，AI 在面对问题时会像人类一样，先考虑“我现在最需要什么”，再决定如何回应。这种机制让 AI 的行为更接近人类的动机驱动，而不是单纯的算法输出。

实验场景：十个复杂情境的考验

光有角色和意识还不够，必须把 AI 放进真实的“社会剧场”里，才能检验它的表现。研究团队设计了 10 个复杂情境，涵盖道德困境、情感互动、社会冲突等。例如，面对朋友的恶作剧，AI 会如何反应？在临终抉择的场景中，它能否展现出情感理解与价值判断？这些场景的设计，既考察了 AI 的逻辑推理能力，也检验了它的人格一致性。

研究目标：情感、逻辑与人格的三重考验

最终，这一整套方法的目标，是要回答三个关键问题：AI 是否能理解情感？是否能在复杂情境中展现合理的逻辑推理？是否能保持与设定人格一致的反应？换句话说，研究团队并不是在测试 AI 的“智商”，而是在测试它的“心智”。

3.评估体系与实验结果

科学研究最怕“自说自话”。为了验证这套基于精神分析和人格理论的人工意识设计是否真的靠谱，研究团队搭建了一整套评估体系，既有量化的“打分卡”，也有自动化的“机器裁判”，再加上专家的“火眼金睛”。三管齐下，才算让实验结果更有说服力。

量化评估：200 人的集体打分 

首先是最直观的量化调查。研究团队邀请了 200 名受试者，对 16 个虚拟角色在 10 个情境下的表现进行 5 分制评分。结果显示，整体表现接近 4.0 分。换句话说，大多数人认为这些 AI 的反应“挺合理”，既不像冷冰冰的机器，也没有完全脱离常识。对于一个尝试模拟“意识”的系统来说，这个分数已经算是一个不错的起点。

图5：（a）按MBTI划分的平均似然性，（b）按情况划分的平均概率（无ISTP）。

自动化评估：让 AI 来评判 AI

除了人类观众，研究团队还请来了一位“同行裁判”——ChatGPT。它的任务是对 AI 的回答进行三层次判定：通过、中立、失败。这个环节有点像是让一位资深棋手来点评新手的棋局，既能快速发现明显的漏洞，也能提供一种“同类视角”的对照。结果显示，ChatGPT的判定与人类评分大体一致，说明实验结果并非偶然，而是有一定的稳定性。

图6：单一LLM模型的三级评估得分热图（通过=+1，中性=0，失败=-1），由“LLM作为评判者”进行评估。显示了8个评估问题中16种MBTI类型的分数。虽然总体上是积极的，但评估揭示了具体的局限性，例如重复问题（例如，Q7上的ENTJ），相对于情况的过于全面的推理（例如，Q2上的ESTJ），以及难以捕捉年龄适宜性（例如，在多个问题上的ISTP）

专家质性分析：细节里的真功夫

当然，数字和标签还不够。研究团队还请来两位专家，从三个维度进行质性分析：情境合理性、人格一致性和意识区分度。简单来说，就是看 AI 的反应是否符合情境逻辑，是否与设定的人格相符，以及能否展现出不同层次的意识。专家的结论是：整体表现令人满意，但仍有改进空间。

结果亮点与不足：拟人化的边界

亮点在于，大部分人格的表现都相当合理。比如外向型角色在社交场景中更活跃，内向型角色则更谨慎，这些差异让 AI 的反应更具“人味”。同时，三层意识的区分度也得到了认可，AI 的回答不再是单一维度的逻辑推演，而是带有层次感。

但不足之处同样明显。最典型的例子是 ISTP 角色——一个被设定为 10 岁儿童的虚拟人格。在面对成人情境时，它的表现显得格格不入，逻辑和情境脱节。这暴露出一个问题：人格建模如果没有与情境匹配，就会出现“角色错位”。此外，AI 的推理有时过于冗长，甚至显得啰嗦，缺乏人类在关键时刻的直觉与简洁。

4.研究贡献与创新点

这项研究最大的亮点，在于它第一次把心理学的“老古董”理论和当下最炙手可热的大语言模型放在了一起，做了一次跨越百年的“奇妙联姻”。精神分析和 MBTI，本来是心理学课堂上常见的概念，如今却被研究团队搬进了人工智能的实验室，成为构建人工意识的基石。可以说，这是一次真正意义上的系统性结合，而不是简单的“借用术语”。

精神分析提供了意识的层次结构，让 AI 不再只是“表层的逻辑机器”，而是拥有了自我意识、前意识和无意识的多层心智框架。MBTI 则赋予了 AI 不同的人格特质，让它们在面对同样的情境时，能展现出差异化的反应。这样的设计，让 AI 的表现更接近人类的复杂性，而不是千篇一律的“标准答案”。

更重要的是，这项研究提出了一个跨学科的框架：心理学 + 人格理论 + 语言模型。心理学提供了理论支撑，人格理论带来了个体差异的维度，而大语言模型则是实现这一切的技术引擎。三者结合，就像是为 AI 装上了“心智操作系统”，让它不仅能说会答，还能在不同的情境中展现出拟人化的思维痕迹。

当然光有理论还不够，研究团队还通过实验验证了这一框架的可行性。他们设计了多维度的评估体系，从人类受试者的打分，到 ChatGPT 的自动化判定，再到专家的质性分析，层层把关。结果显示，这种方法确实能提升 AI 的拟人化程度和情境适应性。换句话说，AI 不仅能回答问题，还能在复杂的社会场景中表现出“像人”的一面。

这项研究的贡献不仅在于提出了一个新模型，更在于它为人工意识的探索提供了一条新的路径。它告诉我们，AI 的未来不只是算力和数据的堆叠，还需要心理学、人格理论这样的“软科学”来参与。正是这种跨学科的融合，才可能让机器逐渐逼近人类意识的边界。

5.局限性与未来展望

任何一项前沿研究，都会在“突破”与“缺陷”之间摇摆。这项关于人形人工意识的探索也不例外。

研究团队发现，人格差异的影响并没有想象中那么显著。虽然不同 MBTI 类型的角色在某些场景下表现出差异，但整体来看，这些差异并不足以让人觉得“这是两个完全不同的人”。换句话说，AI 的人格塑造还停留在“表层化妆”，距离真正的“性格深植”还有距离。

年龄与情境的适配性问题暴露得很明显，比如那个被设定为 10 岁的 ISTP 儿童角色，在面对成人化的复杂情境时，表现得格格不入。这说明，单纯的人格标签并不足以支撑复杂的角色建模，情境与身份的匹配度才是关键。

幻觉与逻辑冗余依旧存在，AI 有时会给出冗长甚至啰嗦的推理，缺乏人类在关键时刻的直觉与简洁。这种“过度解释”虽然显示了模型的努力，但也提醒我们，拟人化并不等于“话多”，而是要在逻辑与直觉之间找到平衡。

研究团队提出了几条值得期待的方向。更精细的人格建模与情境匹配，将让 AI 的角色表现更自然、更可信。长期一致性与跨场景迁移能力，则是让 AI 从“舞台演员”走向“生活伴侣”的关键。更重要的是，与神经科学、认知科学的进一步融合，可能为人工意识研究带来新的突破口。毕竟，如果要让机器真正理解“意识”，光靠语言和心理学还不够，还需要更深层次的脑科学支持。

6.产业与学术意义

这项研究的意义，不仅仅停留在实验室里，它同时在学术与产业两个维度上释放出信号。

在学术层面，它为人工意识研究提供了一种全新的范式。过去的研究往往停留在计算模型或哲学探讨，而这项工作则通过精神分析与人格理论的引入，推动了心理学与 AI 的深度交叉。它告诉我们，人工意识的探索不必局限于技术堆叠，还可以从人类心智的经典理论中寻找灵感。

在产业层面，这项研究的潜力同样巨大。人格化的 AI 能让人机交互更自然、更具亲和力。想象一下，在教育场景中，一个“有性格的导师型 AI”可能比冷冰冰的答题机器更能激发学生兴趣；在医疗陪护中，一个“懂情绪的 AI”或许能缓解患者的孤独感；在陪伴型机器人领域，赋予人格的 AI 更可能被接受为“伙伴”，而不仅仅是“工具”。

当然，随着人格化 AI 的出现，政策与伦理问题也随之而来。社会是否准备好接受一个“有性格的机器”？当 AI 展现出人格特质时，我们该如何界定它的责任与边界？这些问题不仅是技术挑战，更是社会议题。同时，这项研究也与数据资产化和数字经济的讨论产生了呼应。人格化 AI 的背后，是对数据、算法和认知模式的再塑造，它可能成为未来数字经济中的新型资产形态。（END）

参考资料：​​​https://arxiv.org/pdf/2510.09043​​

本文转载自​​波动智能​​，作者：FlerkenS​