Центур: фундаментальная модель для предсказания и понимания человеческого познания

Крипто-кошельки Налоги и криптовалюта

В современном мире, где искусственный интеллект стремительно развивается, ключевая задача науки — понять человеческое познание и на его основе создавать универсальные модели, способные предсказывать поведение человека в самых разных ситуациях. Именно такой задачей занималась команда исследователей, создавшая модель под названием «Центур», которая знаменует новый этап в развитии когнитивных наук и искусственного интеллекта. Центур — это фундаментальная модель, способная не только предсказывать реакции и решения человека, но и имитировать их в самых разнообразных задачах, выраженных на естественном языке. Создание Центура стало возможным благодаря масштабному подходу к обработке и анализу данных. Исследовательская группа разработала уникальный набор данных Psych-101, включающий информацию о 60 000 участников более 160 психологических экспериментов с более чем 10 миллионами их решений и выборов.

Особенность набора данных состоит в том, что все эксперименты были представлены в формате естественного языка, что дало возможность использовать самые современные языковые модели для обучения. Такая структура позволяет моделировать широкий спектр когнитивных процессов — от принятия решений и обучения до планирования и социальной интеракции. Основой для модели Центур стала архитектура Llama 3.1 от Meta AI, являющаяся одной из самых продвинутых языковых моделей на сегодняшний день. Однако в отличие от стандартного применения Llama, команда использовала технику с квантованием и добавлением так называемых low-rank адаптеров, которые занимают минимальный процент параметров базовой модели и позволяют гибко подстраиваться под новую задачу без изменения основного кода.

Такая методика обеспечивает высокую эффективность обучения и позволяет модели улавливать характерные черты человеческого поведения с безпрецедентной точностью. В результате новая модель доказала свою способность превосходить как исходную языковую модель, так и известные специализированные когнитивные модели, находясь в состоянии прогнозировать поведение новых, ранее не встречавшихся участников экспериментов. Более того, Центур успешно справляется с расширением сферы применения — он точно предсказывает действия при изменении сценариев, перестройке задач и даже в совершенно новых, не включенных в обучающий комплект экспериментах. Такое качество универсализации делает его поистине фундаментальной. Одним из наиболее важных достижений стало подтверждение того, что внутренние представления модели Центур начинают совпадать с человеческой нейронной активностью.

Такие выводы были сделаны на основе анализа магнитно-резонансных изображений мозга, полученных во время выполнения решения задач. Это свидетельствует о том, что модель не просто механически повторяет выборы людей, а в ходе обучения формирует когнитивные структуры, близкие к мозговым процессам человека. Применение Центура открывает перспективы более глубокого исследования психологии и нейронаук, ведь теперь можно не только прогнозировать, но и изучать внутренние механизмы принятия решений и взаимодействия с окружающим миром. Важность такой модели заключается в возможности создавать интерпретируемые, гибкие когнитивные модели, которые можно использовать для улучшения психологических теорий и даже разработки новых методов терапии и обучения. Экспериментальная проверка показала, что Центур способен имитировать различные стратегии исследования и обучения, присущие людям при принятии решений в условиях неопределенности.

Он воспроизводит распределения поведения широкого круга испытуемых, включая сочетания модельного и немодельного обучения, что ранее невозможно было реализовать в одном универсальном алгоритме. Более того, модель ошибочно не воспроизводит поведение искусственных агентов, что доказывает избирательную точность в улавливании человеческих особенностей. Кроме того, возможности Центура выходят за рамки решения типичных задач когнитивных исследований. Он успешно адаптируется к экспериментам с измененными условиями, такими как модифицированные повествовательные обрамления или добавление новых опций в задачи выбора. Примеры включают изменение «обложки» экспериментальных игр или расширение числа альтернатив при выборе, что отражает практический охват модели в реальных приложениях.

Другая важная особенность — способность модели предсказывать не только выборы, но и время реакции, что зачастую говорит о когнитивных затратах и сложности принятия решений. Выводы модели в этом плане ближе к реальным человеку, чем многие существующие методы. Успех Центура находится на стыке искусственного интеллекта и психологии, благодаря чему он способствует автоматизации когнитивных наук и созданию новых экспериментальных подходов. Например, с его помощью можно эффективно планировать исследования, оптимизируя количество участников и условия, чтобы повысить результативность экспериментов и снизить затраты. Немаловажное достоинство заключается и в использовании естественного языка в качестве общей «платформы» описания самых разных когнитивных экспериментов.

Это способствует стандартизации данных и упрощает интеграцию разнородных исследований. Тем не менее, авторы признают, что текстовый формат не охватывает всех типов экспериментов, и планируют переход к мультимодальному формату, включая визуальные и другие данные. В дополнение к перспективам развития самой модели, команда продемонстрировала, как с помощью Центура можно обнаружить новые стратегии в процессе принятия решений, что помогает обнаружить ошибки и пробелы в существующих когнитивных моделях. Используя методы научного «минимизации сожалений», они выявили случаи, когда традиционные модели не объясняют поведение участников, но зато Центур справляется с этой задачей, что стимулирует дальнейшее совершенствование теорий. Подытоживая, модель Центур служит убедительным примером того, как можно перейти от множества разрозненных, узкоспециализированных подходов к построению единой, интегрированной теории познания.

Ее успех в разнообразных задачах и способность восстанавливать внутренние когнитивные процессы отмечают начало новой эры в исследовании человеческого мышления. Эти достижения открывают двери для многих дальнейших исследований. В числе интересных направлений — анализ механизмов, с помощью которых модель хранит и передает знания, исследование различных архитектур, которые могли бы еще лучше отражать человеческий мозг, а также расширение набора данных с включением социальных, культурных и индивидуальных различий. Вполне возможно, что в будущем подобные модели смогут помочь в диагностике и лечении когнитивных расстройств или в разработке персонализированных образовательных программ. Центур является символом того, как синергия человеческих знаний и технологий позволяет ощутимо продвигаться в понимании самого себя.

Понимание человеческого познания через призму современных языковых моделей не только расширяет научные горизонты, но и демонстрирует, что искусственный интеллект может стать надежным партнером в исследовании тайн человеческого разума.