标题：AI与人类在推理任务中的相似性与局限

研究发现，人工智能（AI）在面对自然语言推断、三段论逻辑有效性判断及Wason选择任务时，展现出与人类相似的行为模式。这些模式包括对语义内容合理性的依赖，以及在处理与现有知识或信念相符的信息时，推理更加准确和自信。在自然语言推断任务中，AI模型容易将不合理论证误判为有效，这被称为“语义偏见”。在三段论任务中，无论AI还是人类，都容易受到语义内容的影响，正确判断逻辑有效性的倾向明显。在Wason选择任务中，AI与人类都倾向于选择与前提条件直接相关的卡片，而非验证规则的关键卡片。

这项研究揭示了当前AI系统的推理能力局限性，尽管AI在处理自然语言方面表现出色，但在涉及复杂逻辑推理时，仍需谨慎应用。研究还指出，AI模型的训练数据量远超人类，但难以确定这些内容效应是否在更接近人类数据规模的训练中依然存在。未来，通过因果操纵模型训练减少内容偏见、评估不同训练特征对推理能力的影响，以及研究教育因素对模型推理能力的影响，将有助于进一步理解AI与人类在推理过程中的相似性和差异，推动AI在更广泛应用场景中的发展。