Познание человека веками являлось неразрешимой загадкой для учёных. Люди отличаются невероятным разнообразием мыслительных процессов, принятия решений и поведения, адаптируясь к самым разным ситуациям. Современная когнитивная наука стремится найти универсальные принципы, способные объяснить и предсказать такие сложные процессы. Одним из важнейших шагов на пути к этой цели стала разработка модели Центур (Centaur), которая представляет собой фундаментальную основу для прогнозирования и захвата человеческого познания посредством искусственного интеллекта. Центур стала возможной благодаря синтезу новейших методов обработки естественного языка и большого объема данных, собранного в проекте Psych-101 — крупнейшем в своём роде наборе психологических экспериментов с более чем 60 000 участниками и свыше 10 миллионов выборов в самых разнообразных когнитивных задачах.
При этом экспериментальные парадигмы были представлены в формате естественного языка, что позволило задействовать возможности языковой модели, основанной на архитектуре Llama 3.1 с 70 миллиардами параметров. Технологическая инновация, лежащая в основе Центур, заключается в параметр-эффективном методе тонкой настройки под названием QLoRA. Вместо переобучения всей модели, QLoRA добавляет небольшие адаптеры с низким рангом, что значительно снижает вычислительные ресурсы и сохраняет базовые преимущества предобученной модели. Такое решение позволило эффективно обучить Центур на огромном массиве поведенческих данных за считанные дни.
Главным преимуществом Центур является высокая универсальность и способность к обобщению. В отличие от традиционных когнитивных моделей, которые обычно сконцентрированы на узких задачах и обоснованы частью теории, Центур способна предсказывать поведение как участников, входящих в обучающую выборку, так и новых испытуемых, которые не встречались в тренировочных данных. Более того, она успешно справляется с экспериментами, в которых изменены условия задачи — например, изменён сценарий объяснения эксперимента («обложка»), добавлены структурные изменения или даже используется совершенно новый тип когнитивной задачи. Это стало возможно благодаря тому, что Центур обучается на текстовом описании экспериментов и последовательности поведения, что отражает общие когнитивные принципы, а не только особенности отдельных наборов данных. Такая формализация открывает дорогу для построения универсальных моделей человеческой психики, способных работать в широком спектре условий и задач.
Для проверки качества модели исследователи провели ряд сравнительных тестов с существующими специализированными когнитивными моделями. Результаты подтвердили превосходство Центур — она обеспечила более точное предсказание индивидуального поведения, лучше отражая разнообразие стратегий и вариаций в действиях людей. Например, в классической задаче выбора с многорукими бандитами, Центур демонстрировала поведение, схожее с человеческим как в терминах успеха, так и в стратегиях исследования и эксплуатации. Кроме того, модель смогла воспроизводить распределение стратегий различных участников, отражая как полностью модели-основанный стиль обучения, так и ответный подход, построенный исключительно на подкреплении. Такой результат свидетельствует о способности Центур моделировать сложные психологические явления, включая индивидуальные отличия.
Интересным аспектом исследования стала проверка на возможность предсказания не только поведения, но и нейронной активности. Модельные внутренние представления, извлечённые из различных слоёв Центур, позволили предсказывать данные функциональной магнитно-резонансной томографии с большей точностью по сравнению с изначальной базовой моделью. Это указывает на растущее совпадение внутренней структуры модели с процессами в мозге человека, что ранее казалось достижением многолетней мечты нейронаучной и когнитивной дисциплин. Потенциал Центур выходит за рамки теоретических достижений и имеет многочисленные практические приложения. Она служит инструментом для автоматизации и оптимизации научных исследований и экспериментов.
С её помощью можно виртуально моделировать экспериментальные дизайны, прогнозировать размер эффекта и оптимальное количество участников исследования, а также формировать гипотезы для дальнейшего тестирования. Также стала возможной новая методика научного отказа от моделей — концепция scientific regret minimization. Она использует Центур как эталон для выявления случаев, когда конкретная теоретическая модель не справляется с предсказаниями, что позволяет учёным сфокусироваться на улучшении тех аспектов, где традиционные подходы наиболее слабы. Несмотря на впечатляющие успехи, разработка модели Центур — это лишь начало пути. В дальнейшем планируется расширение набора Psych-101 и включение в него данных из других психологических доменов, таких как социальная психология, развитие личности, психолингвистика и психопатология.
Открытым остаётся и вопрос учета индивидуальных различий, таких как возраст, особенности личности и культурные факторы, что позволит глубже понять, как универсальная модель адаптируется к разнообразию человеческого опыта. Накопленный опыт демонстрирует мощь интеграции языковых моделей и масштабных поведенческих данных для продвижения в понимании человеческого разума. Центур объединяет десятипалую когнитивную науку в одну согласованную компьютерную модель, меняя представления о том, как устроено наше мышление и как его можно изучать. Продвижение таких универсальных моделей создаёт предпосылки для возникновения действительно единой теории познания — амбициозной задачи, которая десятилетиями оставалась недостижимой. Центур показывает, что с помощью современных технологий и больших данных можно положить конец раздробленности дисциплины и начать интеграцию знаний в единый, масштабируемый формат.
В заключение, фундаментальная модель Центур подчеркивает сдвиг парадигмы в когнитивных науках — от разрозненных и узкоспециализированных подходов к интегрированным системам, способным воспроизводить человеческое поведение на удивительно широком спектре задач и условий. Такой прорыв открывает новые горизонты не только в академических исследованиях, но и в смежных областях, включая разработку искусственного интеллекта, психологическую диагностику и обучение. Будущее когнитивной науки, несомненно, связано с развитием подобных универсальных моделей, которые приближают нас к более полному пониманию человеческого разума и сознания.
