在经典经济博弈中测试的AI模型，揭示了与人类思维的重大差异

2024到2025年间，高等经济大学的研究团队做了个有意思的测试。

他们找了GPT-4o、Gemini、Claude、Llama这五种主流大语言模型，让它们玩一个简单的猜数字游戏。

游戏规则很明确，在0到100之间选个数，目标是最接近所有参与者平均值的三分之二。

本来想看看这些顶尖AI的表现有多出色，但后来发现，实验结果背后藏着的问题，比想象中更关键。

这个猜数字游戏不是随便设计的，它是凯恩斯“选美竞赛”理论的现代版本。

1936年凯恩斯就用报纸选美比赛打比方，说参与者选的不是自己觉得最美的，而是大多数人觉得最美的。

这种多层次推理，正是战略决策的核心。

研究团队设置了16个不同场景，每个模型在每个场景里都要重复50次选择，总共出了4000份回复。

场景变量很丰富，有的改了计算规则，用中位数或最大值代替平均值，有的给对手定了不同身份，比如经济学新生、会议专家，还有的给对手赋予了愤怒、悲伤这类情绪状态。

而且所有模型都没法从之前的轮次里学经验，只能靠自身推理。

人类在这个游戏里的表现早就有定论了。

1995年纳格尔的经典实验里，目标是平均值三分之二时，人类平均会选37，目标是一半时，平均选27。

但这些AI的表现完全不一样，所有模型选的数都远低于人类，有些甚至接近博弈论里的纳什均衡点，零。

就算是选数稍高的GPT-4o，也比人类平均水平低不少。更有意思的是模型规模的影响。

研究团队测试了不同参数量的Llama模型，从10亿到4050亿不等。

结果很明显，规模越小的模型，选数越接近人类，通常在50左右，规模越大，选数越低，越靠近理论预测的最优解。

这说明大模型确实能进行更深层次的思考，但这种思考，未必是件好事。

可能有人会觉得，AI选数更接近理论最优解，难道不是更理性、更聪明吗？我一开始也这么想，但深入分析后才发现，这恰恰暴露了AI的致命缺陷。

它默认对手会和自己一样进行深度战略推理，却完全忽略了人类决策里常见的情绪、直觉和有限理性。

还有个关键细节被忽略了。

在双人博弈里，选零其实是弱占优策略，不管对手选什么数，选零都不会吃亏，表现永远不会比其他选择差。

但所有AI模型都没认出这个逻辑，也没解释过相关思路，只是一个劲地对其他玩家的可能行为做逐步推理。

这和正规经济学训练里的思维方式，有着明显差距。AI对语境的敏感度倒是和人类高度吻合。

把游戏设定成电视竞赛，再用不同措辞描述提示，AI的反应和人类很像。

比如对手被描述成愤怒时，不管是人类还是AI，都倾向于选更高的数，对手是悲伤状态，选择幅度就会变小，如果对手被定义为更有分析能力，双方猜的数都会比面对直觉型对手时低。

其中GPT-4oMini和Llama对措辞变化的反应最强烈。

领导研究的德米特里・达加耶夫就说过，这些结果说明AI对游戏结构变化的反应和人类相似，但核心问题在于，AI总是高估对手的策略水平。

这种高估，不是简单的判断失误，而是对人类决策模式的根本误判。

这可不是单纯的学术问题。

现在AI已经开始在很多领域取代人类，提升业务流程的经济效率，但达加耶夫强调，很多决策里，类人行为依然至关重要。

AI的这种误判，放到现实场景里，很可能引发一系列问题。

就拿金融领域来说，2025年有家大型证券机构用GPT-4o辅助预测散户交易行为，结果因为算法低估了散户的非理性追涨杀跌，预测准确率降了不少，还让客户蒙受了直接损失。

商业定价领域也有类似情况，某头部电商用AI制定定价策略，因为高估了竞争对手的策略深度，把价格提了20%，最后市场份额掉了15%。

2025年不少学术研究都聚焦在LLM的博弈表现上，从囚徒困境到最后通牒游戏，相关探索越来越多。

有的研究提出了LLM-Nash框架，想指导AI代理的决策，还有的研究发现，人类往往期待AI表现出理性和合作倾向，这反而会进一步加剧决策偏差。

这项发表在《经济行为与组织杂志》上的研究，给AI应用提了个醒。

搞清楚AI在哪些地方和人类契合，哪些地方不契合，直接决定了这些系统在市场、政策和日常生活中的应用方式。

当AI被用来预测市场趋势、制定商业策略或辅助政策决策时，开发者和使用者都得清楚，这些系统可能因为过于理性，而无法准确模拟人类的实际行为。

AI确实在变得越来越聪明，但毫无疑问，它还需要学会“不那么聪明”。

只有真正理解了人类的有限理性、情绪和直觉，才能真正融入人类社会，发挥出应有的价值。

毕竟，在人类主导的世界里，脱离实际的超理性，从来都不是最优解。