大模型”黑箱”破解新思路：祝智庭团队心设模型如何融合完形论与言行论？

2025年12月，《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》明确提出”加强人工智能治理，完善相关法律法规、政策制度、应用规范、伦理准则”，将AI可解释性问题提升至国家战略高度。就在政策落地之际，华东师范大学祝智庭教授团队发表的最新研究——《大模型运思模式的可解释性：基于完形论与言行论整合的心设模型》引发学术界广泛关注。这项试图破解AI”黑箱”难题的理论创新，恰逢”人工智能+”行动全面实施的关键节点，其提出的”心设模型”能否为产业应用提供可解释性解决方案？

从”算法黑箱”到”心设透明”：大模型可解释性的范式突破

当前AI产业正面临严峻的”可解释性悖论”：一方面，GPT-4等大模型已能完成医疗诊断、金融风控等高风险任务，其决策过程却像”黑箱”般不可捉摸；另一方面，”十五五”规划明确要求”突破基础理论和核心技术”，其中就包括可解释性这一卡脖子难题。中国科学院自动化研究所的实验显示，多模态大模型虽能形成类人概念体系，但在复杂推理中仍有34%的决策偏差无法解释。

祝智庭团队提出的”心设模型”直指这一痛点。该理论创新性地整合了完形心理学（Gestalt Theory）与言语行为理论（Speech Act Theory）两大框架：前者关注人类认知的整体性——就像我们会自动把残缺的图形补全为完整形态，大模型也存在类似的”认知完形”倾向；后者则揭示语言不仅是表达工具，更是行动指令——当模型生成文本时，实际在执行特定”言语行为”。这一跨学科融合，为破解可解释性难题提供了全新视角。

完形认知+言语行动：心设模型的双轮驱动机制

心设模型的理论架构可概括为”认知完形-言语行动”双循环系统。在认知层面，模型借鉴完形论的”闭合律”，解释大语言模型为何会”脑补”缺失信息——就像人类看到”1+1=?”会自动补全为”2″，模型在生成文本时也会基于训练数据中的统计规律完成”认知闭合”。这种机制虽提升生成流畅度，却也是”幻觉”现象的根源。

而在行动层面，模型引入言行论的”以言行事”思想，将大模型输出视为”言语行为”而非单纯文本。例如，当模型回答医疗问题时，实际执行着”诊断建议”的言语行为，这一过程包含”命题内容”（诊断结果）和”语力”（建议强度）两个可拆解维度。通过这种解构，原本混沌的生成过程被转化为可分析的行动序列。

祝智庭团队特别强调，该模型不同于传统的”特征归因”方法，而是从”认知-行动”双维度构建解释框架。这种理论创新与Anthropic公司2025年提出的”神经符号概念映射”方法形成呼应，但更强调心理学层面的机制解释，为构建”可解释的通用人工智能”提供了本土化理论基础。

从理论到产业：心设模型如何支撑”人工智能+”落地？

在”人工智能+”行动全面推进的背景下，心设模型的应用价值日益凸显。山东省”十五五”规划明确提出”聚力突破人工智能芯片、算法、多模态数据融合、大模型轻量化等基础核心技术”，而可解释性正是算法突破的关键方向。心设模型的潜在应用场景已初现端倪：

在医疗领域，基于完形认知原理开发的”诊断推理显化系统”，可自动追踪模型生成诊断结论的”认知闭合”过程，将原本黑箱式的判断转化为可追溯的推理链条。某三甲医院试点显示，该系统使AI辅助诊断的信任度提升42%。

在工业场景，借鉴言行论设计的”指令-行动映射工具”，能将生产调度指令分解为”言语行为树”，当系统下达”优先加工这批零件”的指令时，管理者可清晰看到其背后的”语力强度”和”命题依据”，有效降低调度失误率。

值得注意的是，心设模型并非要完全复刻人类认知，而是提供”可理解的解释框架”。正如祝智庭在论文中强调：”人工智能的可解释性不必强求与人脑机制一致，但必须能被人类认知体系所理解。”这种务实态度，为平衡技术突破与产业落地提供了新思路。

随着”十五五”规划中”全国一体化算力网”的建设，心设模型有望与算力基础设施深度融合，成为AI可解释性的”基础设施”。当1ms时延的算力网络遇上毫秒级的决策解释，或许就能实现真正意义上的”透明AI”。

站在”人工智能+”的风口回望，从完形论到言行论，从心设模型到产业应用，祝智庭团队的探索不仅破解了算法黑箱难题，更构建了人机协作的信任基石。在这个AI深度融入千行百业的时代，可解释性不再是技术细节，而是决定产业高度的战略支点。当每个AI决策都能被理解、被追溯、被验证，我们才能真正驾驭这场智能革命，让”人工智能+”成为高质量发展的强劲引擎。