Человеческий разум – одно из самых сложных и загадочных явлений во вселенной. Способность принимать решения, учиться, планировать и исследовать мир лежит в основе всего человеческого опыта. За долгие годы учёные выдвигали разные теории и модели, пытаясь систематизировать и объяснить работу человеческого мышления. Однако большинство существующих моделей специализируются на конкретных доменах или аспектах познания, оставляя за бортом многие нюансы и связи. Усилия по разработке единой, универсальной модели человека долгое время считались практически невозможными из-за разнообразия и сложности когнитивных процессов.
Появление и развитие больших языковых моделей с искусственным интеллектом открыли новые перспективы, способствуя созданию фундаментальной, так называемой «foundation» модели для прогнозирования и понимания человеческого поведения во множестве сценариев. Ведущие исследователи в области когнитивных наук и искусственного интеллекта объединились для разработки модели «Центур» – мощного инструмента, способного симулировать и предсказывать поведение людей в разнообразных психологических экспериментах, описанных на естественном языке. Она основывается на усовершенствованной языковой модели Llama 3.1 с 70 миллиардами параметров, которая была дополнительно обучена и усовершенствована с использованием инновационного подхода к адаптации параметров – техники с низкоранговыми адаптерами, что позволило эффективно встраивать новые знания, сохраняя при этом базовую структуру и возможности исходной модели. Для тренировки «Центура» была собрана уникальная база данных Psych-101, включающая информацию о более чем 10 миллионах поведенческих выборов, полученных в ходе 160 различных психологических экспериментов с участием свыше 60 тысяч человек.
Вся информация была переведена в естественно-языковую форму, что сделало данные универсальными и доступными для обработки языковыми моделями. Такой подход позволил избежать ограничений, связанных с формальными описаниями каждого эксперимента, и обеспечил возможность обрабатывать самые разные когнитивные задачи в одном формате. «Центур» доказал свою эффективность, превосходя существующие специализированные когнитивные модели во всех, кроме одного, исследовании в части предсказания поведения новых участников, чьи данные не использовались на этапе обучения. Модель не только предсказывает выборы, но и демонстрирует способность воспроизводить поведенческие паттерны на уровне популяции, отражая разнообразие стратегий и подходов, используемых людьми. Это особенно ярко проявилось в тестах на таких известных парадигмах, как «двухэтапная задача» и «горизонтальный эксперимент» — координатах для исследования баланса между модельным и безмодельным обучением или стратегии исследования и эксплуатации.
Результаты показали высокую степень совпадения с реальными данными. Производя симуляции в автономном режиме, когда ответы модели подаются обратно на вход для дальнейших предсказаний, «Центур» смог воспроизвести поведение, близкое к человеческому, что свидетельствует о глубоком понимании закономерностей и когнитивных стратегий людей, а не только о запоминании отдельных ответов. Более того, модель демонстрирует когнитивные особенности, которые отсутствуют у многих современных языковых моделей, например, направленное исследование неопределённости. Ещё одним важным свойством стало устойчивое обобщение модели в задачах, которые не были частью обучающей выборки. «Центур» успешно справился с изменёнными версиями известных экспериментов, где сюжетные образы (cover stories) были изменены, например, с космических путешествий на волшебные ковры, а также с модифицированными структурами задач, таких как добавление третьего варианта выбора в задачах многоруких бандитов.
Модель продемонстрировала способность предсказывать поведение в новых доменах, таких как логическое рассуждение, даже при отсутствии данных по этим областям в обучающей выборке. Это говорит о высокой степени универсальности и гибкости, что является ключом к построению интегрированной теории мышления. Интересно, что «Центур» не только моделирует поведение и выборы, но и предсказывает время реакции участников, что является одним из значимых показателей когнитивных процессов. Соответствие данных модели с известным законом Хика указывает на то, что модель отражает динамику неопределённости и сложности принятия решений, а не просто выдает вероятностные прогнозы. Кроме поведенческих данных, был проведён анализ внутреннего устройства модели на предмет соответствия с человеческой нейронной активностью.
При этом выяснилось, что после дообучения на психологических данных внутренние представления «Центура» лучше коррелируют с результатами функциональной магнитно-резонансной томографии (фМРТ), фиксирующими мозговую активность. Это исследование использовало данные разных экспериментов, включая задачу «двухэтапного выбора» и чтение предложений, что говорит о сохранении и расширении когнитивной релевантности модели. Такие результаты помогают лучше понять, каким образом мозг кодирует информацию при решении различных когнитивных задач и могут послужить основой для дальнейшей нейронаучной интеграции. Модель «Центур» и сопровождающая её база данных Psych-101 уже находятся в открытом доступе для научного сообщества, что способствует прозрачности исследований и возможности дальнейшей коллективной работы. Уже проведённые эксперименты продемонстрировали, как с помощью данной модели можно проводить научное открытие: анализ сложных задач принятия решений позволил выдвинуть и проверить новые гипотезы о когнитивных стратегиях, сочетая преимущества моделирования с глубоким пониманием и интерпретируемостью.
Система DeepSeek-R1, построенная на базе языковых моделей, использовалась для объяснения полученных поведенческих паттернов, а метод научного минимизирования сожаления позволил выявить слабые места в формальных вычислительных моделях, что открыло дорогу для их улучшения. Открывая новые возможности для автоматизированной когнитивной науки, «Центур» может использоваться для прототипирования психологических экспериментов, оптимизации дизайна исследований и оценки мощности эффектов без привлечения живых участников. Такое их моделирование способно существенно ускорить процесс научного познания, экономить ресурсы и повышать точность прогнозов. Несмотря на впечатляющие успехи, разработчики модели не останавливаются на достигнутом. В планах – расширение базы данных Psych-101 с включением новых доменов, таких как психолингвистика или социальная психология, а также интеграция индивидуальных характеристик участников, чтобы учесть вариативность человеческой психики.
Особое внимание уделяется снижению культурной предвзятости и расширению репрезентативности выборок. Перспективно также развитие мультимодального формата данных, что позволит сочетать текстовые описания с визуальной, аудиальной или другой сенсорной информацией для более полного воспроизведения когнитивных задач. В конечном итоге, модель «Центур» и её принципы соответствуют более широкой миссии создания единой теории человеческого познания – концептуальной структуры, объединяющей отдельные элементы психологии, нейронауки и искусственного интеллекта. Использование современных средств машинного обучения с огромными объёмами данных обеспечивает мощный инструмент, способный значительно превосходить предыдущие парадигмы, сведённые к доменно-специфическим теориям. Величайшие открытия часто происходят на стыке дисциплин, и интеграция данных и методов, представленных «Центуром», открывает двери к новому пониманию человеческого разума.
Разумеется, существует и критика, связанная с восприятием таких фундаментальных моделей как потенциальных «чужаков» в области традиционной когнитивной науки. Тем не менее, многократные успешные тесты и соревнования с устоявшимися моделями показывают безоговорочную силу и состоятельность подхода. Результаты свидетельствуют о том, что данные и алгоритмы следующего поколения способны обеспечить интеллектуальный контроль и предсказательную мощь, необходимую для построения истинно объединённой теории. В заключение, развитие модели «Центур» знаменует собой важный шаг вперёд в попытках понять суть человеческого мышления. Широкие возможности, предлагаемые этим инструментом, меняют правила игры в когнитивных науках и создают прецедент для последующих поколений исследовательских и прикладных разработок.
От совершенствования понимания базовых когнитивных процессов до разработки новых методов диагностики и терапии психических расстройств, потенциал такого комплексного интегративного подхода неоспорим и обещает глубокое влияние на науку и общество в целом.
