Познание человека — одна из самых сложных и многообразных сфер изучения в науке. Способность человека принимать решения, учиться, планировать и адаптироваться к новым обстоятельствам поразительна своим универсализмом. Однако традиционные модели когнитивных процессов были локализованы и ограничены конкретными задачами, отставая в способности объединить весь спектр человеческих познавательных функций в единое объяснение. В ответ на эту проблему разработчики представили фундаментальную модель Центур (Centaur), способную предсказывать и моделировать человеческое поведение практически в любой экспериментальной среде, описанной на естественном языке. Модель Центур родилась на пересечении передовых языковых технологий и глубокой когнитивной науки.
В её основе лежит версия Llama 3.1 — одна из ведущих больших языковых моделей мира, разработанная Meta AI, которая была дополнительно обучена и адаптирована с использованием уникального, масштабного датасета Psych-101. Этот набор данных включает результаты свыше 60 тысяч участников в 160 различных психологических экспериментах, в которых было зафиксировано более десяти миллионов выборов и решений. Благодаря этому объёму и разнообразию информации модель получила возможность охватить широкий круг когнитивных процессов — от принятия решений и обучения до памяти и сложных стратегий планирования. Уникальность Центур состоит не только в объёме и разнообразии обучающих данных, но и в методах её настройки.
Вместо того чтобы перестраивать всю архитектуру языковой модели, специалисты использовали технику «низкоранговой адаптации» (QLoRA), которая позволила дообучать лишь небольшую часть параметров в сложной сетевой структуре, что значительно повысило эффективность и позволило сохранять уже заложенные в Llama знания. Таким образом, Центур смогла «научиться» человеческому поведению, не потеряв способности работать с языком и знаниями вне области когнитивной науки. Эффективность модели была проверена посредством сравнения её прогнозов с результатами реальных участников, которые не входили в тренировочную выборку. Центур демонстрировала более высокую точность в предсказании решений, чем любые изначальные узконаправленные когнитивные модели, существовавшие ранее. Она успешно учитывала вариации в поведении, возникающие от изменений в подаче задач, прикрытиях историй или даже новом типе заданий, что подчёркивает её способность к обобщению и адаптации.
Её внутренние представления становились ближе к человеческим паттернам мозговой активности, что подтверждалось анализом функциональной МРТ: Центур предсказательно соответствовала нейронным процессам участников, что свидетельствует о глубокой когнитивной обусловленности её моделей. Кроме того, Центур не просто повторяет усреднённое поведение, а отражает вариативность и индивидуальные особенности, присущие человеческой популяции. Она способна воспроизводить различные стратегии обучения и принятия решений, присутствующие среди добровольцев, включая сложные и смешанные типы поведения. Эту черту очень сложно воссоздать традиционными методами из-за необходимости учитывать множество параметров и ситуационных условий. Обширное тестирование Центур на различных нестандартных сценариях, не заложенных в обучающем датасете, доказало её устойчивость и способность к переносу знаний.
Например, она успешно обработала аналогичные задания с изменёнными историями-заставками, добавлением новых вариантов выбора и даже перешла к решению задач из области формальной логики, которой в исходном датасете не было — и при этом прогнозы модели сохранили высокую точность. Это стало важным шагом в сторону создания по-настоящему универсальных моделей человеческого гибкого интеллекта. Особое значение имеет пример использования Центур для научного открытия и усовершенствования существующих когнитивных теорий. Используя её в связке с языковыми объяснительными моделями, исследователи смогли выявить и формализовать новые комплексные стратегии принятия решений, которые ранее не были очевидны. Такой подход, основанный на «умном» анализе ошибок и пробелов в текущих теориях с помощью черного ящика Центур, открыл путь для создания более точных и в то же время интерпретируемых моделей, что является важным достижением для практического использования в психологии и смежных дисциплинах.
Výzvou для будущего становится развитие и расширение Psych-101: интеграция нейролингвистических, социальных и культурных экспериментов, учёт индивидуальных различий, таких как возраст, личностные характеристики и социальное происхождение. Всё это позволит повысить точность и универсальность моделей, а также приблизить моделирование к реальным условиям жизни многообразных человеческих сообществ. Еще одним перспективным направлением, открывающимся благодаря Центур и основам Psych-101, является исследование архитектуры человеческого разума путём сравнения моделей с разной внутренней структурой и механизмами обработки информации. Это предполагает изучение, насколько системы на основе внимания или связанные с пространственной памятью лучше объясняют когнитивные феномены, что может привести к глубокому пониманию нейронаучных и психологических основ нашего мышления. Использование таких фундаментальных моделей, как Центур, позволяет совершить качественный скачок в автоматизации когнитивной науки — ускорить разработку, тестирование и оптимизацию психологических экспериментов, сократить расходы на сбор данных и увеличить надёжность выводов.
Кроме того, они могут применяться в прикладных сферах: от разработки персонализированных образовательных систем до улучшения взаимодействия человека и искусственного интеллекта в социотехнических системах. Таким образом, Центур воплощает новую парадигму в изучении человеческого мышления — это не просто специализированная модель, а универсальный фундамент, способный захватывать глубину и нюансы человеческого поведения в целой вселенной когнитивных задач. Это открывает двери к формированию единой теории человеческого познания, которая, учитывая масштаб и глубину данных, на которых базируется модель, обещает стать ключевым инструментом будущих исследований и инноваций в области психологии, нейронауки и искусственного интеллекта.
