AI越像人,越好用?

人们通常认为，机器处理信息应该比人类更理性。但最新研究发现，适度引入人类的“认知偏差”，反而可能让AI变得更聪明、更便宜。

当前，大模型在完成预训练后，还需要经历“对齐”阶段，即通过反馈不断调整输出，使模型更安全、更准确、更符合人类需求。如今主流的对齐方式主要分为两类：一种是基于固定数据集的“离线对齐”，成本较低；另一种是模型边生成内容边接受反馈的“在线对齐”，效果更好，但训练成本极高。

研究人员发现，在线对齐之所以表现更强，一个关键原因在于，它无意间模仿了人类的认知方式。人类并不会完全理性地理解概率。基于这一发现，他们提出了用更低成本复制在线训练效果的方法。这一方法主要做了两项调整：第一，不再始终拿“旧模型”作为固定参照，而是不断更新参考模型，让其接近当前状态。第二，是所谓“非对称裁剪”，即对模型调整概率的幅度进行不均衡限制，让某些结果获得更高权重，从而模拟人类对概率的主观偏好。

实验结果显示，传统在线训练通常比离线训练强30%—60%。但加入人类的“认知偏差”后，离线方法不仅能接近在线训练效果，部分场景下训练速度还提升了6倍以上。这意味着未来AI训练不一定需要持续消耗巨额算力，通过更好理解人类认知机制，模型也许能以更低成本获得更强能力。这或许会让更多企业能够基于自身数据训练和更新专属AI模型，而不再只有少数巨头承担得起高昂训练费用。

作者芝加哥大学布斯商学院特约撰稿人Monika Brown

来源：《商学院》杂志2026年6月刊，编译：胡嘉琦