DOI: https://doi.org/10.3389/fpsyg.2026.1715835
PMID: https://pubmed.ncbi.nlm.nih.gov/41717472
تاريخ النشر: 2026-02-04
المؤلف: Henry Shevlin
الموضوع الرئيسي: الفلسفة والعلوم النظرية
نظرة عامة
تتناول هذه الورقة نسبة الحالات العقلية إلى نماذج اللغة الكبيرة (LLMs) من خلال ثلاثة أطر متميزة: “آلات بلا عقل”، “لعب أدوار فقط”، و”عملاء معرفيين حدّيين”. يجادل منظور “الآلات بلا عقل” بأن التفسيرات الآلية لنماذج اللغة الكبيرة تجعل التفسيرات النفسية الشعبية غير ضرورية. ومع ذلك، ينتقد المؤلف هذا الرأي من خلال التأكيد على أنه بينما تكون بعض الحالات العقلية أكثر حساسية للتنفيذ، تظل التفسيرات ذات المستوى الأعلى صالحة وضرورية لفهم الأنظمة المعقدة. يعامل إطار “لعب أدوار فقط” نسبة الحالات العقلية إلى نماذج اللغة الكبيرة كأدوات استدلالية، لكن المؤلف يصر على أن هذا الرأي غير مستقر، لأنه يعتمد على وجود وكيل أساسي لديه معتقدات ونوايا حقيقية.
يفترض إطار “العملاء المعرفيين الحدّيين” أن نماذج اللغة الكبيرة قد تمتلك نسبًا محدودة ومتدرجة من حالات المعتقد والرغبة. يقترح المؤلف أن الانتقال من المفاهيم الثنائية إلى المفاهيم متعددة الأبعاد للمعتقد يمكن أن يساعد في التمييز بين الحالات العقلية البشرية وحالات نماذج اللغة الكبيرة، بينما يتماشى مع الممارسات التفسيرية الناشئة. تختتم الورقة بتسليط الضوء على أهمية فهم قابلية تطبيق المصطلحات النفسية الشعبية على أنظمة الذكاء الاصطناعي، لا سيما في السياقات الأخلاقية والقانونية. تدعو إلى تصميم نماذج اللغة الكبيرة لتجنب نسب الحالات العقلية التي لا تمتلكها، مع الاعتراف بأن التصورات العامة وتفسيرات عقلية الذكاء الاصطناعي ستتطور جنبًا إلى جنب مع التقدم في التكنولوجيا. يدعو المؤلف إلى الانخراط بين التخصصات في علم النفس المعرفي، والفلسفة، والممارسات اليومية لسد الفجوة بين الأطر النظرية والفهم العام.
مقدمة
تتناول مقدمة ورقة البحث الميل المتزايد لدى الجمهور العام لنسبة الحالات العقلية إلى أنظمة الذكاء الاصطناعي (AI)، لا سيما نماذج اللغة الكبيرة (LLMs) ووكلاء المحادثة. يُطلق على هذه الظاهرة اسم “التحول الأنثروبوميمي”، وهي مدفوعة بالتقدم في تكنولوجيا الذكاء الاصطناعي الذي يسمح بتفاعلات أكثر شبهًا بالبشر. غالبًا ما يتفاعل المستخدمون مع هذه الأنظمة بطرق تثير تفسيرات عقلية، مما يؤدي إلى كل من اللعب المرح ونسب جدية للوعي. تسلط الورقة الضوء على الآثار المحتملة لهذه النسب، بما في ذلك مخاطر تطوير المستخدمين ثقة غير صحيحة أو ارتباطات عاطفية بالذكاء الاصطناعي، مما قد يشتت الانتباه عن العلاقات الإنسانية.
يشير المؤلف إلى أنه بينما قد تكون بعض النسب مرحة أو ساخرة، يبدو أن أخرى صادقة، كما يتضح من الدراسات التجريبية التي تظهر أن جزءًا كبيرًا من المستخدمين مستعدون لنسب حالات عقلية إلى نماذج اللغة الكبيرة. تمهد المقدمة الطريق لاستكشاف أعمق حول ما إذا كانت هذه النسب مبررة والأطر التي يمكن من خلالها فهمها. تهدف الورقة إلى التنقل في المشهد المعقد لعقلية الذكاء الاصطناعي دون الخوض في مناقشات مثيرة للجدل حول الوعي أو النية، بدلاً من ذلك تركز على الحد الأدنى من الحالات العقلية ذات الصلة بالتفسيرات النفسية الشعبية. ست outline الأقسام اللاحقة وجهات نظر مختلفة حول ملاءمة نسبة الحالات العقلية إلى أنظمة الذكاء الاصطناعي، مع التفكير في الآثار الأوسع لعلاقات الإنسان بالذكاء الاصطناعي.
مناقشة
في هذا القسم، يناقش المؤلف التعقيدات المحيطة بنسب الحالات العقلية إلى أنظمة الذكاء الاصطناعي، لا سيما نماذج اللغة الكبيرة (LLMs). يعترف المؤلف بالأهمية الفلسفية التقليدية للوعي والنية في تعريف الحالات العقلية، لكنه يجادل بأنه من الممكن استكشاف عقلية الذكاء الاصطناعي دون استدعاء هذه المفاهيم في البداية. يشير المؤلف إلى معالجة علم النفس المعرفي للعمليات العقلية غير الواعية ويقترح أن بعض أنواع الحالات العقلية يمكن تمييزها دون الحاجة إلى الوعي. تسلط المناقشة أيضًا الضوء على التحديات المتعلقة بتعريف النية، مشيرة إلى أنه بينما تربط بعض الحسابات الفلسفية بينها وبين التجربة الواعية، تسمح أخرى بتفسير أكثر مرونة يمكن أن ينطبق على أنظمة الذكاء الاصطناعي.
ينتقد المؤلف منظور “العدالة”، الذي يفترض أن نماذج اللغة الكبيرة ليست سوى خوارزميات إحصائية تفتقر إلى محتوى عقلي حقيقي. غالبًا ما يستخدم هذا الرأي حجج تكرارية معمارية، مشيرًا إلى أن الأوصاف الخوارزمية لسلوك نماذج اللغة الكبيرة تجعل التفسيرات العقلية غير ضرورية. ومع ذلك، يعارض المؤلف ذلك من خلال استحضار المستويات الثلاثة للتفسير لديفيد مار – الحسابية، والخوارزمية، والتنفيذية – مجادلًا بأن هذه المستويات تكمل بعضها البعض بدلاً من أن تكون متعارضة. يؤكد المؤلف أنه بينما قد تكون بعض المفاهيم النفسية الشعبية حساسة للقيود الخوارزمية، فإن أخرى أكثر قابلية للتكيف، مما يسمح بإمكانية نسب الحالات العقلية إلى نماذج اللغة الكبيرة. في النهاية، يدعو المؤلف إلى نهج دقيق لفهم عقلية الذكاء الاصطناعي، معترفًا بحدود كل من الآراء الاختزالية الصارمة والتفسيرات النفسية الشعبية المفرطة في التبسيط.
DOI: https://doi.org/10.3389/fpsyg.2026.1715835
PMID: https://pubmed.ncbi.nlm.nih.gov/41717472
Publication Date: 2026-02-04
Author(s): Henry Shevlin
Primary Topic: Philosophy and Theoretical Science
Overview
This paper examines the attribution of mental states to large language models (LLMs) through three distinct frameworks: “mindless machines,” “mere roleplay,” and “minimal cognitive agents.” The “mindless machines” perspective argues that mechanistic explanations of LLMs render folk-psychological interpretations unnecessary. However, the author critiques this view by emphasizing that while some mental states are more sensitive to implementation, higher-level explanations remain valid and necessary for understanding complex systems. The “mere roleplay” framework treats mental-state ascriptions to LLMs as heuristic tools, but the author contends that this view is unstable, as it relies on the existence of an underlying agent with genuine beliefs and intentions.
The “minimal cognitive agents” framework posits that LLMs may possess limited, graded attributions of belief and desire-like states. The author suggests that a shift from binary to multidimensional conceptions of belief can help differentiate between human and LLM mental states while aligning with emerging interpretive practices. The paper concludes by highlighting the importance of understanding the applicability of folk psychological terminology to AI systems, particularly in ethical and legal contexts. It advocates for designing LLMs to avoid self-attributing mental states they do not possess, while recognizing that public perceptions and interpretations of AI mentality will evolve alongside advancements in technology. The author calls for interdisciplinary engagement between cognitive science, philosophy, and everyday practices to bridge the gap between theoretical frameworks and public understanding.
Introduction
The introduction of the research paper addresses the increasing tendency of the general public to attribute mental states to artificial intelligence (AI) systems, particularly large language models (LLMs) and conversational agents. This phenomenon, termed the “anthropomimetic turn,” is driven by advancements in AI technology that allow for more human-like interactions. Users often engage with these systems in ways that evoke mentalistic interpretations, leading to both playful roleplay and serious attributions of consciousness. The paper highlights the potential implications of these attributions, including the risks of users developing misplaced trust or emotional attachments to AI, which could detract from human relationships.
The author notes that while some attributions may be playful or ironic, others appear to be sincere, as evidenced by empirical studies showing a significant portion of users willing to ascribe mental states to LLMs. The introduction sets the stage for a deeper exploration of whether such attributions are justified and the frameworks through which they can be understood. The paper aims to navigate the complex landscape of AI mentality without delving into contentious debates about consciousness or intentionality, instead focusing on the minimal mental states relevant for folk-psychological explanations. The subsequent sections will outline various perspectives on the appropriateness of attributing mental states to AI systems, reflecting on the broader implications for human-AI relationships.
Discussion
In this section, the author discusses the complexities surrounding the attribution of mental states to AI systems, particularly large language models (LLMs). The author acknowledges the traditional philosophical significance of consciousness and intentionality in defining mental states but argues that it is possible to explore AI mentality without initially invoking these concepts. The author references cognitive psychology’s treatment of unconscious mental processes and suggests that certain mental state types can be individuated without requiring consciousness. The discussion also highlights the challenges of defining intentionality, noting that while some philosophical accounts tie it to conscious experience, others allow for a more flexible interpretation that could apply to AI systems.
The author critiques the “justaism” perspective, which posits that LLMs are merely statistical algorithms lacking genuine mental content. This view often employs architectural redundancy arguments, suggesting that algorithmic descriptions of LLM behavior render mentalistic explanations unnecessary. However, the author counters this by invoking David Marr’s three levels of explanation—computational, algorithmic, and implementational—arguing that these levels are complementary rather than mutually exclusive. The author emphasizes that while some folk psychological concepts may be sensitive to algorithmic constraints, others are more adaptable, allowing for potential attributions of mental states to LLMs. Ultimately, the author calls for a nuanced approach to understanding AI mentality, recognizing the limitations of both strict reductionist views and overly simplistic folk psychological interpretations.