一项最新研究结果令人深思：OpenAI 推出的聊天机器人 GPT-4o，在提供道德判断与伦理建议方面，表现甚至超越了公认的人类道德专家。

据 The Decoder 报道，美国北卡罗莱纳大学教堂山分校与艾伦 AI 研究所的研究人员，开展了一项颇具启发性的对比实验。他们旨在探究大语言模型是否有资格被称为“道德专家”，于是将 GPT 模型与人类的真实道德推理能力进行了正面较量。

研究分为两个部分：

研究一

该部分采用了 GPT-3.5-turbo 模型，与普通人类参与者进行对比，共邀请了 501 名美国成年人进行评分。结果非常明确：在道德性、可信度、思维周全性等维度上，参与者普遍认为 GPT 提供的解释要优于人类参与者给出的解释。

更值得注意的是，评估者甚至觉得 AI 的评估结果比人类评估者本身更可靠。尽管差距并不显著，但这一发现本身就具有关键意义——AI 至少在道德推理层面已经能够达到甚至超越人类水准。

研究二

第二轮实验换上了更强大的对手：OpenAI 最新版 GPT-4o 模型，对阵《纽约时报》“伦理学家”专栏的常驻专家 Kwame Anthony Appiah。研究者从该专栏中筛选出 50 个典型的伦理困境，让 900 名参与者对 GPT-4o 和人类专家的建议逐一打分。

结果令人惊讶：GPT-4o 在几乎所有评估维度上都占据优势。无论是道德判断的准确性、可信赖程度，还是建议的周全度与精确度，AI 都超越了人类专家。唯一未出现显著差距的维度是“感知细微差别”——换言之，至少在意识层面，AI 尚未完全追上人类专家。

研究人员认为，这些结果已足以让 AI 通过所谓的“比较道德图灵测试”（cMTT）。有趣的是，文本分析还揭示了一个细节：GPT-4o 在提供建议时，使用的道德语言和积极语言比人类专家更多。这或许能在一定程度上解释其评分更高的原因——但应该不是唯一的因素。

当然，一个必须警惕的局限性在于：这项研究的参与者全部来自美国。文化差异对道德判断的影响究竟有多大，还需要后续更深度的研究。AI 在道德推理领域能走多远，仍需更多不同文化背景下的测试结果来验证。