Понимание человеческого мышления и поведения — одна из самых амбициозных задач современной науки. Множество психологических теорий и моделей пытались объяснить отдельные аспекты нашего познания и принятия решений, однако по большей части они оставались узкоспециализированными, охватывая лишь ограниченные области. Создание единой, универсальной модели, способной описывать поведение человека во множестве разнообразных ситуаций, казалось далекой перспективой. Тем не менее, недавние достижения в области искусственного интеллекта и обработке естественного языка открывают новые возможности для исследователей, стремящихся к интеграции знаний о человеческом познании в единую когнитивную систему. В 2025 году в журнале Nature была опубликована статья, представляющая фундаментальную модель Центур — компьютерную систему, разработанную для предсказания и симуляции человеческого поведения в экспериментах, сформулированных на естественном языке.
Создание Центур стало возможным благодаря объединению огромного объема данных экспериментов по психологии и современным языковым моделям глубокого обучения. Такой подход не только повышает точность предсказания поведения, но и обеспечивает способность к генерализации на новые, ранее не встречавшиеся задачи. Основой модели Центур стала современная языковая модель Llama 3.1 с 70 миллиардами параметров, которая была дополнительно настроена на основе крупномасштабного датасета Psych-101. Последний включает свыше 10 миллионов решений, собранных от более 60 тысяч участников в рамках 160 различных психологических экспериментов.
Важной особенностью Psych-101 является то, что данные транскрибированы в виде текстовых описаний, что позволяет эффективно использовать языковые модели для анализа и прогнозирования поведения. Именно этот обширный и разнородный набор экспериментов дал Центуру возможность выучить основные принципы человеческого познания во множестве контекстов. Процесс дообучения модели происходил с применением метода параметрически эффективного fine-tuning под названием QLoRA. Эта технология позволила оставлять основной языковой движок замороженным, добавляя лишь небольшие дополнительные адаптеры, что экономило вычислительные ресурсы и предотвращало переобучение. Модель обучалась на задаче предсказания будущих ответов участников, при этом учитывая всю историю их действий, что способствовало развитию глубокого понимания закономерностей поведения.
Для оценки качества предсказаний Центур сравнивали с другими передовыми когнитивными моделями, специально разработанными для отдельных психологических экспериментов. Результаты показали, что Центур превосходит как базовую языковую модель Llama, так и классические психологические модели по точности предсказаний на новых участниках, не встречавшихся в обучающей выборке. Это означало, что модель не просто запомнила конкретные наблюдения, но и научилась обобщать поведение человека. Кроме точности предсказаний в известных экспериментах, была продемонстрирована способность Центура работать с модифицированными вводными задачами — измененными «обложками» истории эксперимента, новыми структурными условиями или существенно отличающимися типами задач. Например, когда участникам предлагали новую сюжетную обстановку в известном когнитивном задании, модель все равно успешно предсказывала их поведение, несмотря на то что подобная ситуация не была представлена в датасете Psych-101.
Такая гибкость свидетельствует о высоком уровне генерализации и потенциальной универсальности модели. Важным этапом исследования стала проверка внутреннего сходства Центура с человеческой нейронной активностью. Эксперименты с использованием функциональной магнитно-резонансной томографии (фМРТ) выявили, что вектора, генерируемые моделью для каждого выбора и момента обратной связи, коррелируют с реальными мозговыми сигналами людей, выполняющих аналогичные задачи. Это указывает на то, что механизмы, заложенные в центр модели, в какой-то мере отражают процессы, происходящие в человеческом мозге во время когнитивной деятельности. Интересно, что сама модель не обучалась непосредственно на нейробиологических данных, однако структурные и поведенческие совпадения проявились благодаря многообразию обучающей психо-экспериментальной информации.
Доступность модели и данных, таких как Psych-101, открывает новые горизонты для когнитивных и нейронаучных исследований. Центур может служить основой для автоматизированного проектирования и проверки гипотез в психологии, помогая заранее оценить, как изменится поведение при изменении параметров эксперимента или при создании новых методик. Это помогает снижать затраты на эксперименты и ускорять научный прогресс. Модель также оказывает поддержку при разработке новых, более интерпретируемых когнитивных моделей. В одном из случаев исследователи использовали Центур как «эталон» для анализа отклонений в поведенческих данных по сравнению с существующими теоретическими моделями.
Это позволило выявить недостатки традиционных подходов и предложить новые комбинации стратегий принятия решений, которые со временем превзошли классические модели по качеству объяснения поведения. Однако важно отметить, что на сегодняшний день Psych-101 преимущественно содержит данные из областей обучения и принятия решений, а также преимущественно получены от западных участников, что ограничивает представительность модели для всех культур и возрастов. В будущем разработчики планируют расширять датасет, включая области психолингвистики, социальную психологию, а также данные о различных индивидуальных особенностях, что позволит увязать когнитивные модели с демографическими факторами и особенностями личности. Дальнейшая интеграция — переход от единой языковой модели к специализированным архитектурам, в которые могут входить и модули памяти, и специализированные механизмы внимания, — обещает еще более высокую точность и биологическую правдоподобность моделей человеческого мышления. Исследования в области интерпретации внимания и автоэнкодеров также позволят понять, как именно модель обрабатывает и хранит знания о поведении человека.
В заключение, создание Центура — значимый шаг в направлении построения единой теории когнитивных процессов. Наличие мощных, универсальных моделей, способных понимать и предсказывать человеческое поведение в различных контекстах, оказывает глубокое влияние как на фундаментальную психологию, так и на прикладные области, такие как образование, медицина и искусственный интеллект. Центур демонстрирует, что слияние больших данных, современных технологий и мультидисциплинарного подхода способно раскрыть загадки человеческого разума, ранее считавшиеся непостижимыми. Будущие исследования и расширение данной модели обещают привести к новому качеству понимания когнитивной науки и принесут многочисленные практические выгоды для общества в целом.
