Познание человеческого ума становилось одной из самых амбициозных и сложных задач науки. Психология, нейронаука и когнитивные науки давно стремятся к созданию единой теоретической модели, способной объяснить и предсказать поведение человека в самых разных условиях и контекстах. Недавно был сделан большой шаг в этом направлении благодаря разработке модели под названием Центур – фундаментальной модели, обученной предсказывать и воспроизводить человеческое поведение на основании огромного массива экспериментальных данных. Центур представляет собой искусственный интеллект, построенный на основе современной языковой модели Llama 3.1 с 70 миллиардами параметров, которую специально дообучили на массиве данных Psych-101.
Этот корпус огромен и уникален – в нём сведены результаты более 160 психологических экспериментов, собранных с участием более 60 тысяч человек, совершивших свыше 10 миллионов выборов. Данные транскрибированы в естественном языке, что позволяет представить самые разнообразные психологические парадигмы, от многоруких бандитов и принятия решений до обучения и памяти, в едином формате. Главная инновация Центура заключается в возможности универсального прогнозирования человеческого поведения вне зависимости от конкретной экспериментальной задачи. В то время как классические когнитивные модели часто ограничены узкой областью применения, Центур демонстрирует способность обобщать знания, предсказывая реакции новых участников, адаптируясь к изменённым условиям и даже справляясь с ранее не встречавшимися когнитивными задачами. Технологически за достижениями Центура стоит метод параметрически эффективного дообучения, известный как QLoRA.
Этот способ позволяет внести минимальные изменения в базовую языковую модель, добавляя так называемые низкоранговые адаптеры, которые фокусируются именно на человеческом поведении, игнорируя прочий контекст заданий. Такая дисциплинированность тренировки обеспечила скорость и качество обучения, требуя при этом относительно небольших вычислительных ресурсов. Результаты работы Центура впечатляют. Модель превосходит по точности предсказания выборов участников экспериментов как исходную языковую модель, так и лучшие классические когнитивные модели. Она также воспроизводит распределения поведенческих стратегий, характерных для человека, от простодушно ориентированной на награду модели до сложных вариантов обучения, базирующихся на внутренних представлениях мира.
Это означает, что Центур не просто копирует среднее поведение, а отражает многообразие человеческих стратегий. Ещё одним важным аспектом является успешное прохождение модели тестов на генерализацию. Например, даже при изменённых «сюжетах» экспериментов (замене космических кораблей на волшебные ковры) или структурных модификациях задач (добавлении вариантов выбора), Центур продолжает проявлять высокую точность в предсказании поведения. Это говорит о глубоком понимании заложенных в наших действиях когнитивных алгоритмов. Кроме того, Центур не ошибается в прогнозировании не-человеческого поведения.
В экспериментах, где участникам предлагалось предсказывать действия искусственного агента с сопоставимыми статистиками, модель показала существенное ухудшение точности, что подтверждает её ориентированность именно на человеческие паттерны мышления и решения проблем. Важной демонстрацией силы Центура стала проверка его внутренних представлений на совпадение с реальной нейронной активностью мозга. Используя функциональную МРТ, исследователи показали, что слои модели после дообучения лучше предсказывают активности в различных областях мозга во время выполнения когнитивных задач по сравнению с базовой языковой моделью. Это служит косвенным подтверждением того, что Центур захватывает не только поведение, но и отражает нейронную архитектуру познания. Использование естественного языка для формализации экспериментальных данных расширяет возможности анализа и интерпретации.
Важно, что благодаря этой особенности модель обеспечивает интерфейс для взаимодействия с научным сообществом – специалисты могут «разговаривать» с Центуром, задавая вопросы, исключая гипотезы и создавая новые модели поведения. В одном из случаев исследователи применили модель DeepSeek-R1 совместно с Центуром для выявления и совершенствования когнитивной стратегии в принятии многокритериальных решений. Это позволило создать интерпретируемую модель, не уступающую по предсказательной силе большому нейросетевому фундаменту. Перспективы дальнейшего развития, которые открывает Центур, невероятно широки. Возможность интегрировать огромные объёмы данных из различных областей психологии, включая социальную, лингвистическую, клиническую, а также динамические игровые и экономические модели обещает перекроить методы исследования человеческой психики.
Центур может стать основой для создания единой теоретической базы когнитивных наук, объединив разрозненные подходы в согласованную и всеобъемлющую систему. На уровне технологии заметно, что крупные языковые модели, изначально предназначенные для решения задач обработки естественного языка, при правильной доработке способны также эффективно моделировать человеческую когницию на высоком уровне абстракции. Этот факт открывает новый виток синергии между искусственным интеллектом и поведенческими науками, где ИИ становится не только инструментом для автоматизации или поддержки, но и активным соучастником в научном открытии. Одним из известных вызовов остаётся культурная и демографическая ограниченность исходных данных. Большинство экспериментов отражают особенности западных индустриализированных обществ, что может создавать упущения в представлении когнитивных моделей для всего разнообразия человечества.
В будущем задача будет состоять в расширении базы данных Psych-101, включении межкультурных исследований, данных о развитии, индивидуальных различиях и клинических группах, чтобы сделать модель ещё более универсальной и репрезентативной. Текущая версия Центура уже установила высокую планку, однако масштаб и сложность человеческой психики требуют постоянного дополнения и усовершенствования. Интересным направлением станет исследование свойства внутренних представлений модели, использование методов автоэнкодинга и визуализации внимания для глубинного понимания принципов, которыми руководствуется интеллект, как искусственный, так и человеческий. Фундаментальная модель Центур открывает путь к автоматизации проектирования экспериментальных исследований. Она способна предсказывать эффективность тех или иных методологических решений ещё до проведения опытов, оптимизируя процесс научного поиска и сокращая затраты ресурсов.
Такой подход способен изменить ландшафт психологической науки, сделав её более быстрым и точным инструментом понимания человека. Вызывает интерес и этический аспект использования таких моделей. С одной стороны, они способствуют глубочайшему пониманию когнитивных процессов и могут помочь в клинической диагностике и терапии. С другой – возникает вопрос конфиденциальности, правильного использования и ограничения рисков, связанных с интерпретацией и прогнозированием человеческого поведения. Подводя итог, можно сказать, что Центур является важным и многообещающим достижением в научном исследовании сознания и поведения.
Он объединяет достижения машинного обучения и когнитивной психологии в единую платформу, демонстрируя широту и глубину представления о человеческом интеллекте. Эта модель служит надежной отправной точкой для разработки единой теории когниции, предоставляя мощные инструменты для исследований, разработки новых гипотез и практических приложений в самых разных областях.
