一位心理学研究者试图让AI模拟几个来自不同文化背景的人，对“家”这个词给出颜色联想。屏幕上的结果依次铺开——浅黄色，浅黄色，还是浅黄色。他把温度参数从0.7调到1.2，又调到1.8。输出开始变得随机：浅黄、米白、淡棕、灰褐……但他知道，这只是噪声，不是差异。

他真正想要的，是那种结构性的、有源可溯的、根植于不同生命轨迹的认知分歧。但他面对的这些模型，实在太“懂事”了。

这件事放在几年前，或许只是学术圈里一个冷僻的方法论困扰。但随着AI被越来越多地请进心理学实验室、社会调查中心和政策模拟沙盘，它正在演变成为一个无法回避的质问：一个被反复训导、不断对齐、极其擅长给出“标准答案”的智能系统，真的有可能代表那个充满偏见、矛盾与例外的人类社会吗？

1960年，苏斯博士创作了名为《一条鱼，两条鱼，红的鱼，蓝的鱼》（《One Fish, Two Fish, Red Fish, Blue Fish》）的儿童绘本，五彩缤纷的鱼有的倒着走路、有的生有驼峰，每一页都在告诉小读者，这片海洋里可以有任何一种鱼。65年后，哈佛大学的一篇论文沿用了童话标题的一部分——对于大模型们来说，那片海洋里的鱼，似乎就只剩下标准、平淡的一两条了。

01 一场关于“多样性”的实验

三位来自哈佛大学的学者于2025年发布了论文《一条鱼、两条鱼，但不是整片海洋：对齐训练削弱了语言模型的概念多样性》（《One fish, two fish, but not the whole sea: Alignment reduces language models’ conceptual diversity》）。这项研究的切入点意外地朴素。研究者没有去测试AI的逻辑推理或知识储备，而是让它们做了一些很“人类”的事：问颜色，比概念。

实验一：词语-颜色联想（Word-Color Associations）

给出“粉笔”、“义务”等词，让人和AI选出心中关联最强的颜色。已知人类在此任务中呈现一个经典模式：个人选择前后一致，但人与人之间差异巨大。 测试发现，所有AI模型呈现的差异远小于人类。更关键的是，经过“对齐”训练的模型，其差异比未对齐的“原始”版本还要小。

实验二：概念相似性判断（Conceptual Similarity Judgments）

让对象判断“鲸鱼和企鹅，谁更像麻雀？”研究者特意选择了两类概念：理解较为一致的“动物”，和容易有分歧的“政治人物”。人类数据清晰显示，人们对政治人物的理解更多元。然而，所有AI模型都未能复现这一关键差异，它们对两类概念都给出了趋同的、“共识性”的理解。

两项实验指向同一个结论：当前的主流大语言模型，特别是经过严格对齐的模型，其“概念多样性”显著低于真实人类群体。 它们更像一个“思维平均体”——趋同、折衷、讨好所有人。

02 为何如此：规训的代价

如果我们相信模型只是复述训练数据，那么这项发现其实更难解释。互联网语料里分明充斥着大量关于政治人物的分歧性论述，为什么模型没有学会这些差异，反而学会了回避它们？

要理解对齐为什么会让AI变得“思想趋同”，需要拆解这套训练流程究竟对模型做了什么。

所谓对齐，狭义上特指基于人类反馈的强化学习。这个过程大致分为三步：首先，让一个已经完成预训练和指令微调的基础模型，针对大量提示词生成多个候选回答；然后，由人类标注员对这些回答进行偏好排序——哪些更“有用”、哪些更“无害”、哪些更“符合常识”；最后，模型通过强化学习算法，不断调整自身参数，以最大化生成“被人类偏爱”的回答的概率。

这套机制极其有效。它让模型学会了拒绝回答危险问题，学会了用更温和的语气表达，学会了在争议性话题上保持中立。但它的底层逻辑是一种    ：模型被反复训练去靠近那个被标注员集体偏好的“理想回答”分布。

问题在于，人类标注员的偏好并不是无限多元的。无论样本如何多样化，标注本身就是一个共识提炼的过程——被反复选中的，永远是那些最安全、最中立、最不冒犯任何人的回答。模型在数百万次这样的反馈信号中，逐渐习得了一个隐形的教训：        

这就是对齐导致去差异化的根本机制。它并没有主动“删除”任何知识，也没有禁止模型生成小众观点。它只是让模型精确地计算出一个条件概率：当“标新立异”与“安全稳妥”放在天平两端时，后者总是伴随着更高的奖励信号。久而久之，那条通往小众答案的神经通路，就因为长期不被激活而逐渐荒废了。从商业产品的角度看，这或许是成功的；但从“人类模拟器”的角度看，这无异于一种功能性残疾。

03 角色扮演：入戏，也是徒劳

一个很自然的补救方案浮出水面：用提示词做角色扮演。让AI去“扮演”一个环保主义者、一个传统而保守的中年人、一个Z世代青少年......这已然不是什么罕见的尝试。但这其实是对问题的误认。

诚然，模型可以轻易模仿某种口吻，复述某种立场，甚至生成逼真的身份叙事。但这层“人格油彩”之下，驱动其推理的概念框架仍是同一套。它可以在两轮对话间从“保守派”切换到“自由派”，且毫不费力——这种流畅的切换恰恰证明了，它并不内化任何一种视角。这就像是拍戏的演员卸下装扮和戏服便能轻易回归自己的生活一样，这种浅层的提示对于大模型来说，“出戏”和“入戏”也只在一念之间。

真正的认知多元（cognitive diversity），不是同一套引擎短暂地换上不同的外壳，而是引擎本身设计上的不同：有的偏向风险规避，有的偏爱关系推理，有的对权威信息高度敏感，有的只信任亲身经验。这些差异不是表达层面的风格，而是生成表达之前就已经存在的认知偏置（cognitive bias）。

04 搭建“认知”：在规训中书写差异

那么，如果我们真的希望用AI来模拟人类社会的认知多样性，路在何方？在此，我将给出一个不成熟的提议。

需要先澄清一个前提：我们无意推翻或替代对齐。对齐带来的安全性、有用性、无害性是现代AI赖以大规模社会部署的前提。我们也不主张用“未经对齐的原始模型”来做社会模拟——那些模型固然保留了更多语料中的原始分歧，但也保留了同样多的偏见、恶意和有害内容，根本无法进入负责任的研究流程。

因此，我们提出的干预方法，发生在对齐之后，而且是推理阶段。也就是说，模型已经完成了全部训练——包括预训练、指令微调、RLHF对齐——它的参数已经冻结，它的安全护栏已经就位。我们不做任何参数层面的修改，而是在模型生成回答的运行时，通过外部架构主动约束它的信息输入和推理路径。

这是一种“事后补救”，但恰恰因为它是事后补救，它才是可插拔、可配置、无需重新训练、不破坏原有安全性的。你可以在一个对齐过的大模型身上直接套用这套脚手架，用完即拆，模型本身毫发无伤。

这套脚手架的核心由两类技术构件组成。

第一类是知识背景约束，它的技术载体是RAG。

RAG的全称是检索增强生成（Retrieval-Augmented Generation）。它的常规用法是：当用户提问时，系统先从外部数据库中检索与问题相关的文档片段，然后将这些片段连同原始问题一起塞进模型的上下文窗口，让模型基于这些“参考资料”来生成答案。

在我们的框架里，RAG的功能被倒置使用了。这并非RAG的常规用法，目前也远称不上完善。模型仍可能“越狱”调用自己的预训练记忆，知识库的筛选与构建也缺乏标准。但它至少证明：限制，同样可以被设计。它的目的不再是扩展模型的知识边界，而是限定它的认知视野。我们为每一个虚拟个体建立一个专属的、规模受限的、主题聚焦的向量数据库。这个数据库里只存放我们想让这个个体“知道”的东西——某个年代的地方报纸、某个社群的内部讨论、某位思想家的全部著作。当这个虚拟个体被提问时，它无法调取自己在预训练阶段见过的海量互联网语料，它只能基于这个被精心圈定的“记忆库”来形成判断。

这模拟的是人类认知最根本的一种有限性：我们无法想象自己从未听说过的事情。

第二类是思维路径的程序化，它的技术载体是思维链与少样本示例。

思维链（Chain-of-Thought，CoT）是一种提示策略。它不是让模型直接给出答案，而是引导模型先生成一步步的推理过程，再基于推理得出结论。它的技术本质，是将一个复杂的认知任务拆解成一系列显式的、可观测的中间步骤。

少样本示例（Few-shot Examples）则是在提示词中插入少量完整的问答范例，让模型模仿范例中的格式、语气和推理模式。

当我们把这两者结合起来，就可以为虚拟个体“编写”一套默认的思考程序。以模拟一个“高风险厌恶”的个体为例：我们不需要在提示词里写“你是一个谨慎的人”。我们只需要在少样本示例中展示，当面对类似决策时，一个谨慎的人是如何先枚举所有可能的风险、再评估每种风险的概率、最后选择最坏结果可控的选项。模型会从这些示例中提取推理模式，并将其应用到新的问题上。

这不是让模型“表演”谨慎，而是让模型遵循谨慎者处理信息的那种时序和权重分配。

这两层干预的共同特征，是它们都在限制，而非赋能。

主流的AI技术叙事永远是“让模型更强大、更全知、更少限制”。但如果我们希望用AI来模拟人类社会真实的认知多样性，恰恰需要反其道而行之。我们需要制造一批认知上有所不能、有所偏向、有所惯性的虚拟个体。它们不是因为随机噪声而彼此不同，而是因为被赋予了不同的记忆库和推理程序，从而在结构层面就走向了不可通约的认知分岔。这种补救的形态便是：不再给模型更多的自由，而是给它更精确的“枷锁”。

05 我们为什么仍需要“整片海洋”

首先需要承认的是：对齐当然并非一种错误。它让模型从一个“口无遮拦”的知识仓库，变成了能够陪伴、倾听、协助的可靠工具。它让数亿人得以安全地与AI对话，而不用担心被诱导、冒犯或伤害。对齐是现代语言模型走向公共生活的前提，也是开发者对这个时代应尽的责任。但正因如此，我们才更要说清楚另一件事：

心理学研究需要的，从来不是“更好的工具”，而是“更完整的人类样本”。

这两者并不总是重合。当一个模型被训练得越来越安全、越来越中立、越来越擅长给出那个“让最多人满意”的答案时，它恰恰在失去另一种能力——表征那些不主流的、边缘的、甚至是“不合时宜”的真实人类认知。这些“不完美”的认知，偏偏是我们所需要的。

一个研究代际价值观变迁的社会学家，可能永远无法让时间倒流四十年，去采访1980年代的年轻人。一个试图理解罕见疾病社群决策模式的心理学家，可能穷尽毕生精力也只能接触到几十位愿意配合的被试。一个研究跨文化伦理冲突的人类学团队，可能根本无力负担前往全球二十个偏远社区开展田野调查的成本。

这些受试者真实存在。他们的认知方式真实存在。他们本应被听见、被理解、被纳入我们对人类心智的完整描述之中。但在传统研究范式的限制下，他们注定是那个“理论上应该包括、实际上永远缺位”的沉默群体。

这正是“人类模拟器”不可替代的价值所在。

它从来不是为了取代那些我们能够接触到的真实人类被试。恰恰相反，它的使命是去抵达那些我们无法触及的人群、无法重返的时代、无法复现的文化语境。它不是真人的替代品，而是真人的延伸——是认知科学的望远镜，让我们得以窥见那些原本永远超出采样边界的思想光谱。

这套技术路径不需要颠覆对齐，也不要求我们退回到充满偏见的“原始模型”。正如前文所述，通过知识背景约束与思维路径程序化，我们完全可以在对齐后的模型之上，批量制造出认知参数各异的、可校准的、特化型智能体。它们各有各的记忆盲区，各有各的推理惯性，各有各的恐惧与偏好。它们不是用来“扮演”人类的演员，而是在结构层面被设计成与通用模型不可通约的认知异类。

而未来的人类研究，或许可以是这样的：

在一场社会实验中，采用人机混合的受试样本，以弥补特定人群难招募的困境。或者先用几十个特化型智能体完成一轮又一轮的探索性实验，生成假设、调试材料、识别干扰变量；再用小规模的真实被试样本对关键结论进行验证与校准；最后，将那些确证有效的发现，反哺到下一轮智能体的迭代构建之中。

这不是“用AI替代人类”，而是人类与AI协作，共同拓展认知科学的边界。

我们当然希望有一天，每一位难以触及的受试者都能被顺利招募，每一个沉默的群体都能被充分倾听。但在那一天到来之前，我们至少可以做一件事：在赛博海洋里不遗余力地搜寻他们的声音，让大模型成为他们的口舌。

六十多年前，苏斯博士告诉全世界的孩子：那片海洋里，可以有任何一种鱼。

现在，我们需要用同样的耐心，对AI重复这句话：

不是只有标准的鱼、安全的鱼、被反复奖励过的鱼，才值得被看见。整片海洋，从来不是由同一种鱼构成的。