The Innovation Informatics | 建立多维度AI类人化标准

背景：传统图灵测试依赖主观问答，难以精确衡量AI的“类人化”程度，存在主观性强、易受干扰等局限。研究目的：本研究提出一种结合行为与神经指标的AI类人化评估框架，通过让人类与AI合作完成按键任务，并使用功能性近红外光谱（fNIRS）记录大脑活动，从行为反应和脑神经同步两个维度衡量AI与人脑智能的差别。结论：实验发现，当AI反应时间与真人完全一致时，参与者在行为上将其误判为人类的概率超过70%，但在神经层面，脑间同步性（IBS）指标却能“暗地里”识别出AI并非真人，只有当AI行为与真人完全一致时，IBS才达到真人交互水平。该框架在DeepSeek等大语言模型验证中表现良好，可为AI安全部署、人机协作优化及深度伪造检测提供客观评估工具。