Guess What AI Thinks：通过游戏理解视觉语言模型的认知方式

本项目是一款互动游戏，让玩家预测视觉语言模型SigLIP对图像的标签选择，旨在帮助人们直观理解AI的"看世界"方式，揭示其认知偏见与决策模式。项目兼具游戏性与教育价值，通过开源模式鼓励社区参与，为AI可解释性与素养教育提供新路径。

随着视觉语言模型（VLM）在图像识别、自动驾驶等领域广泛应用，其决策逻辑的"黑箱"问题凸显——模型如何"看"世界、是否存在认知偏见？传统评估仅关注准确率等指标，难以揭示决策背后的真实逻辑。本项目以游戏化方式，让普通用户也能感受AI的认知过程。

核心设计：玩家需预测SigLIP模型对图像的标签选择（非"正确答案"），转换人机交互视角为"人类理解AI"。 技术架构：

• 核心模型：Google的SigLIP2（google/siglip2-base-patch16-224），通过对比学习计算图像与文本匹配度；
• 应用框架：Streamlit构建的交互式Web应用；
• 游戏机制：自定义主题包标签→SigLIP评分→概率分布→展示Top3预测及置信度。

项目包含4个主题包：

1. 动物包：测试对常见/罕见动物的识别能力，对比外形相似物种（如狼与哈士奇）的表现；
2. 食物包：探索对全球美食的认知，揭示训练数据的文化偏向；
3. 科技物品包：考察现代电子设备与传统工具的区分能力；
4. 错觉包：检验模型鲁棒性——人类视觉被欺骗时，AI是否会"看错"？

游戏流程简洁直观：

1. 选择主题包→2.观察图像→3.预测AI的标签选择→4.查看模型实际结果与置信度→5.追踪得分/准确率/连续正确次数。 设计创造"啊哈时刻"：当预测与模型输出不符时，玩家会思考"AI为何这样想"，深入理解决策逻辑。

模型洞察：

• 特征明确图像：模型表现稳定，易猜中；
• 自信错误：高置信度给出错误答案，揭示AI仅依赖统计模式而非真正"理解"；
• 概率分布：Top3展示模型"犹豫"或"自信"；
• 偏见与盲点：反映训练数据分布不均。 教育应用：
• AI研究者：快速测试模型行为；
• 教育工作者：AI课程互动教具；
• 产品经理：理解AI能力边界；
• 普通公众：降低AI理解门槛，培养理性认知。

扩展可能：多语言标签支持、模型解释可视化（注意力热力图）、多人对战、社区主题包市场； 开源信息：项目采用MIT许可证开源，2026年由Melidi Georgii发布，鼓励社区参与——教育者可用于教学，研究者可构建实验平台，开发者可贡献新功能/主题包。

Guess What AI Thinks以游戏形式承载严肃命题：理解AI思维方式对人机协作至关重要。AI的认知模式（统计、概率、模式匹配）与人类（因果、常识）截然不同，但有其逻辑。项目价值在于揭示AI能力与局限，培养理性AI观，是AI素养教育的有益尝试，为构建人机协作未来提供认知基础。