Моделі та платформи ШІ

Як штучний інтелект змінює наше розуміння прийняття рішень людиною

mm
Додайте Unite.AI до бажаних джерел у Google

Розуміння прийняття рішень людиною було центральною метою психології протягом десятиліть. Дослідники довгий час намагалися створити когнітивні моделі, які пояснюють, як люди думають і передбачають їхню поведінку. Тепер розвиток штучного інтелекту (ШІ) фундаментально трансформує цю область. Недавні прориви в ШІ відкривають нові уявлення про психічні процеси, які лежать в основі наших виборів. У центрі цієї трансформації знаходиться інноваційний підхід під назвою “Режим Центавра“, де ШІ і людський інтелект працюють разом способами, які підкреслюють природу людської когніції.

Світанок нової ери в когнітивній науці

Центавр – це фундаментальна модель ШІ людської когніції, яка може передбачати і симулювати людську поведінку з вражаючою точністю. Модель тренується на більш ніж десять мільйонах індивідуальних рішень, прийнятих понад 60 000 учасниками у 160 психологічних експериментах. Створена дослідниками в Гельмгольці Мюнхені, модель призначена для подолання розриву між традиційними когнітивними теоріями і сучасними можливостями ШІ. Назва “Центавр” походять від міфологічної істоти з людським верхнім тілом і кінськими ногами. Це найменування відображає унікальну здатність моделі поєднувати людське прийняття рішень з передбачувальною силою штучного інтелекту. Модель може симулювати людську поведінку в ситуаціях, яких вона ніколи не зустрічала раніше. Коли дослідники тестують її на нових психологічних експериментах, Центавр реагує способами, які віддзеркалюють справжні людські вибори. Ця здатність свідчить про те, що ШІ тепер може відкрити фундаментальні закономірності людського прийняття рішень у різних контекстах.

Фундамент: набір даних Psych-101

Таємниця успіху Центавра лежить в його навчальних даних. Дослідники створили Psych-101, набір даних, який містить понад десять мільйонів індивідуальних рішень від понад 60 000 учасників у 160 психологічних експериментах. Цей комплексний збір містить дані експериментів по тріалу, включаючи ігри пам’яті, завдання з азартними іграми і сценарії розв’язання проблем. Кожний експеримент був ретельно транскрибований у текст для підготовки даних. Ці природні мовні дані дозволяють дослідникам обробляти людські поведінкові дані за допомогою великих мовних моделей способами, які зберігають багатий контекст експериментальних умов. Цей підхід дозволяє моделі зрозуміти не тільки те, як люди приймають рішення, але й обставини, за яких вони приймають ці рішення.

Як працює Центавр

Центавр побудований на основі Meta’s Llama 3.1 70B мовної моделі і дофінований за допомогою техніки під назвою квантована низькорангової адаптація (QLoRA). Цей метод змінив тільки 0,15% параметрів базової моделі, досягнувши вражаючих покращень у передбаченні людської поведінки.

Процес навчання полягав у тому, що моделі показували повні транскрипти психологічних експериментів, включаючи все, що учасники були повідомлені, що вони бачили і що вони робили. Модель навчилася передбачати людські вибори, аналізуючи закономірності по мільйонам рішень, поступово розвиваючи розуміння людських когнітивних процесів.

Подолання бар’єрів продуктивності

Центавр показав вражаючу продуктивність по декількох метрикам. Він досяг 64% точності у передбаченні людської поведінки, суттєво перевершивши попередні моделі, які могли передбачати тільки певні аспекти людської поведінки з набагато нижчою точністю. У суворих тестах по 160 експериментам Центавр постійно перевершував традиційні когнітивні моделі, включаючи встановлені теорії, такі як теорія перспектив і кадри роботи з підкріпленням.

Можливо, найвидатніше, Центавр продемонстрував свою здатність узагальнювати за межами своїх навчальних даних. Модель успішно передбачила людську поведінку в експериментах з зміненими прикриттями історії, структурними змінами і зовсім новими областями, з якими вона ніколи не зустрічалася раніше. Ця здатність узагальнювати свідчить про те, що Центавр вивчив фундаментальні принципи людської когніції, а не просто запам’ятав певні закономірності.

Ключові висновки

Одним з найвидатніших відкриттів досліджень Центавра є узгодженість внутрішніх представлень моделі з людською нейронною активністю. Це відкриття свідчить про те, що коли ШІ вчиться передбачати людську поведінку, він розвиває внутрішні процеси, які віддзеркалюють аспекти людської когніції. Незважаючи на те, що він був тренований тільки на поведінкових даних, Центавр показав покращену здатність передбачати людську активність мозку, виміряну за допомогою сканування фМРТ.

Ця несподівана нейронна узгодженість свідчить про те, що модель може відкрити справжні уявлення про те, як людський мозок обробляє інформацію. Факт того, що модель, тренована тільки на поведінкових виборах, може передбачати нейронні реакції, свідчить про те, що поведінка і активність мозку мають спільні обчислювальні принципи.

Це відкриття свідчить про те, що людське прийняття рішень може бути більш передбачуваним, ніж вважалося раніше. Закономірності, які Центавр вивчає з людських виборів, відкривають лежатьші структури того, як ми обробляємо інформацію і приймаємо рішення. Ці закономірності спостерігаються в різних типах рішень, починаючи від простих завдань пам’яті і закінчуючи складними сценаріями розв’язання проблем.

Дослідження також показує, що ШІ може захопити людські когнітивні упередження. Коли Центавр робить передбачення, він проявляє ті самі систематичні помилки і скорочення, які люди використовують при прийнятті рішень. Це відкриття свідчить про те, що ці упередження не є недоліками людського мислення, а скоріше складовими частинами того, як працюють наші когнітивні системи. Вони представляють собою ефективні стратегії, які наш мозок використовує для навігації в складних середовищах з обмеженими ресурсами.

Центавр відкриває, що наші вибори не є випадковими або чисто логічними. Вони слідують закономірностям, які можна вивчити і передбачити, але ці закономірності є складними і залежать від контексту. Центавр демонструє, що людське прийняття рішень включає в себе складну взаємодію когнітивних процесів, які взаємодіють складними способами.

Нове вікно до людського мислення

Традиційна психологія довгий час намагалася зрозуміти людське прийняття рішень через ізольовані дослідження і теоретичні моделі. Підхід Центавра представляє інший шлях. Тренуючи ШІ на величезних масах людських поведінкових даних, дослідники тепер можуть тестувати теорії про прийняття рішень у масштабах, яких раніше не було. Коли ШІ робить передбачення про людську поведінку, дослідники можуть порівняти ці передбачення з справжніми людськими виборами, щоб ідентифікувати прогалини в поточних психологічних теоріях. Цей процес створює зворотній зв’язок, де ШІ допомагає нам краще зрозуміти себе.

Поза зворотним зв’язком Центавр можна використовувати для наукового відкриття. Дослідники продемонстрували це, використовуючи модель у поєднанні з мовними моделями, такими як DeepSeek-R1, ми можемо генерувати нові гіпотези про людські стратегії прийняття рішень. Цей підхід, відомий як мінімізація наукового розчарування, дозволяє дослідникам ідентифікувати закономірності в людській поведінці, які існуючі теорії не можуть пояснити.

Центавр представляє новий парадигму в когнітивній науці, де моделі ШІ служать як об’єкти дослідження, так і інструментами для генерації нових теоретичних уявлень. Комбінація великомасштабних поведінкових даних і можливостей ШІ відкриває можливості для відкриттів, які були б неможливі через традиційні експериментальні підходи окремо.

Виклики і майбутні напрямки

Хоча розвиток Центавра є значним прогресом у когнітивній науці, залишаються критичні виклики. Предбачення моделі базуються на закономірностях психологічних експериментів, які можуть не повністю відбивати складність прийняття рішень у реальному світі. Людські вибори в лабораторних умовах можуть відрізнятися від тих, які відбуваються в природних середовищах, де ставки вищі і контексти складніші.

Є також питання про узагальнювання цих висновків через різні популяції і культури. Психологічні дослідження, використані для тренування Центавра, в основному включали учасників з певних демографічних груп. Розуміння того, як закономірності прийняття рішень варіюються через різні культури і контексти, залишається активною областю дослідження.

Етичні наслідки систем ШІ, які можуть передбачати людську поведінку, також потребують ретельного розгляду. Хоча ці інструменти можуть надати цінні уявлення, вони також піднімають питання про приватність і потенціал для маніпуляції. Коли ШІ стає краще в розумінні людського прийняття рішень, нам потрібні рамки, щоб забезпечити, що ці можливості використовуються відповідально.

Розвиток Центавра представляє тільки початок нової ери в когнітивній науці. Дослідники планують розширити набір даних, щоб включити більш різноманітні популяції, демографічну інформацію і психологічні характеристики. Будучи версіями можуть включати багатомодальні дані, включаючи візуальну і слухову інформацію, щоб захопити більш повну картину людської когніції.

Успіх Центавра також вказує на розвиток більш складних когнітивних архітектур, які поєднують модулі, специфічні для області, і модулі, незалежні від області. Це може привести до систем ШІ, які не тільки передбачають людську поведінку, але й проявляють більш людські можливості розуміння.

Основне

Центавр представляє зрушення в тому, як ми вивчаємо людську когніцію. Об’єднуючи масштаб і силу сучасного ШІ з багатою традицією психологічних досліджень, він пропонує нові уявлення про людське прийняття рішень. Хоча залишаються виклики, успіх моделі у передбаченні поведінки в різних областях свідчить про те, що ми вступаємо в нову еру, де ШІ і когнітивна наука можуть працювати разом, щоб розблокувати загадки людського розуму.

Доктор Техсін Зія є доцентом COMSATS University Islamabad, який має ступінь PhD з штучного інтелекту у Віденському технічному університеті, Австрія. Спеціалізується на штучному інтелекті, машинному навчанні, науці про дані та комп'ютерному баченні, він зробив значний внесок з публікаціями в авторитетних наукових журналах. Доктор Техсін також очолював різні промислові проекти як головний дослідник і служив консультантом з штучного інтелекту.