人工智能如何改变我们对人类决策的理解

几十年来，理解人类的决策一直是心理学的核心目标。长期以来，研究人员一直致力于设计认知模型来解释人们的思维方式并预测其行为。如今，人工智能 (AI) 的兴起正在从根本上改变这一领域。人工智能领域的最新突破为我们揭示人类决策背后的心理过程提供了新的见解。这种转变的核心是一种名为“半人马模式”，其中人工智能和人类智能以突出人类认知本质的方式协同工作。

认知科学新时代的曙光

Centaur 是人类认知的基础 AI 模型，能够以惊人的精度预测和模拟人类行为。该模型基于 60,000 项心理实验中超过 160 万名参与者做出的超过一千万个个人决策进行训练。该模型由亥姆霍兹慕尼黑的研究人员创建，旨在弥合传统认知理论与现代 AI 能力之间的差距。“Centaur”这个名字源于神话中的生物，它拥有人类的上半身和马腿。这一命名反映了该模型将类人决策与人工智能的预测能力相结合的独特能力。该模型可以模拟人类在从未遇到过的情况下的行为。当研究人员在新的心理实验中对其进行测试时，Centaur 的反应方式与真实的人类选择相符。这种能力表明，AI 现在可以捕捉人类在不同情境下做出决策的基本模式。

基金会：Psych-101 数据集

Centaur 成功的秘诀在于它的训练数据。研究人员创建了 心理学101数据集包含来自 10 项心理实验的 60,000 万多名参与者的超过 160 万条个人决策。这个全面的数据集涵盖了心理学研究中的逐次试验数据，涵盖记忆游戏、赌博任务和问题解决场景。每个实验都被仔细地转录成文本以准备数据。这些自然语言数据使研究人员能够使用大型语言模型处理人类行为数据，同时保留实验环境的丰富背景信息。这种方法使模型不仅能够理解人们的决策方式，还能理解他们做出这些决策的具体环境。

Centaur 的工作原理

Centaur 建立在 Meta 的 Llama 3.1 70B 语言模型，并使用一种称为 量化低秩自适应 （QLoRA）。该方法仅修改了基础模型 0.15% 的参数，却在预测人类行为方面取得了显著的提升。

训练过程包括向模型展示心理实验的完整记录，包括参与者被告知的一切、他们看到的以及他们所做的一切。该模型通过分析数百万个决策的模式来学习预测人类的选择，并逐渐理解人类的认知过程。

打破绩效障碍

Centaur 在多项指标上均表现出色。它在预测人类行为方面的准确率高达 64%，显著优于之前只能预测人类行为某些方面且准确率低得多的模型。在 160 项严格的实验测试中，Centaur 的表现始终优于传统的认知模型，包括一些成熟的理论，例如 前景理论 和强化学习框架。

或许最引人注目的是，Centaur 展现了其超越训练数据的泛化能力。该模型在修改掩饰故事、改变结构以及从未接触过的全新领域的实验中，成功预测了人类行为。这种泛化能力表明，Centaur 学习了人类认知的基本原理，而不仅仅是记忆特定的模式。

主要发现

Centaur 研究中最引人注目的发现之一是模型的内部表征与人类神经活动的一致性。这一发现表明，当人工智能学习预测人类行为时，它会发展出一些能够反映人类认知特征的内部过程。尽管 Centaur 仅接受了行为数据的训练，但它在预测通过 fMRI 扫描测量的人类大脑活动方面表现出了更佳的能力。

这种意想不到的神经排列表明，该模型可能揭示了人类大脑信息处理方式的真正奥秘。一个纯粹基于行为选择训练的模型竟然能够预测神经反应，这表明行为和大脑活动之间存在着共同的计算原理。

这一发现表明，人类的决策可能比我们之前认为的更具可预测性。Centaur 从人类选择中学习到的模式揭示了我们处理信息和决策的底层结构。这些模式在各种类型的决策中都能观察到，从简单的记忆任务到复杂的问题解决场景。

研究还表明，人工智能能够捕捉人类的认知偏差。当 Centaur 进行预测时，它会表现出与人类决策中相同的系统性错误和捷径。这一发现表明，这些偏差并非人类思维的缺陷，而是我们认知系统运作方式的组成部分。它们代表了我们的大脑在资源有限的情况下应对复杂环境的有效策略。

“半人马”揭示了我们的选择并非随机或纯粹逻辑。它们遵循可学习和预测的模式，但这些模式复杂且依赖于具体情境。“半人马”表明，人类的决策过程涉及各种认知过程的复杂相互作用，这些认知过程以复杂的方式相互作用。

了解人类思维的新窗口

传统心理学长期以来一直试图通过孤立的研究和理论模型来理解人类的决策。Centaur 方法代表了一条不同的路径。通过利用海量人类行为数据训练人工智能，研究人员如今能够以前所未有的规模检验决策理论。当人工智能对人类行为做出预测时，研究人员可以将这些预测与人类的实际选择进行比较，从而找出现有心理学理论的不足之处。这个过程形成了一个反馈循环，人工智能帮助我们更好地理解自身。

除了反馈之外，Centaur 还可以用于科学发现。研究人员通过将该模型与以下语言模型结合使用，证明了这一点： DeepSeek-R1，我们可以对人类的决策策略提出新的假设。这种方法被称为 科学的遗憾最小化，使研究人员能够识别现有理论无法解释的人类行为模式。

Centaur 代表了认知科学的新范式，其中人工智能模型既是研究对象，也是生成新理论见解的工具。大规模行为数据与人工智能能力的结合，为单靠传统实验方法无法实现的发现开辟了可能性。

挑战和未来方向

虽然 Centaur 的开发是认知科学领域的一项重大进步，但关键挑战依然存在。该模型的预测基于心理实验的模式，可能无法完全捕捉现实世界决策的复杂性。人类在实验室环境中的选择可能与自然环境中的选择不同，因为自然环境中的风险更高，环境也更复杂。

这些研究结果在不同人群和文化中的普遍性也存在疑问。用于训练“半人马”的心理学研究主要涉及特定人口群体的参与者。理解决策模式在不同文化和背景下的差异仍然是一个活跃的研究领域。

能够预测人类行为的人工智能系统的伦理影响也需要仔细考量。虽然这些工具可以提供宝贵的洞见，但它们也引发了隐私和操纵可能性的问题。随着人工智能越来越能够理解人类的决策，我们需要建立框架来确保这些能力得到负责任的使用。

Centaur 的开发代表着认知科学新时代的开始。研究人员计划扩展数据集，涵盖更多样化的人群、人口统计信息和心理特征。未来的版本可能会整合多模态数据，包括视觉和听觉信息，以更全面地展现人类认知。

Centaur 的成功也预示着更复杂的认知架构的开发，该架构将结合特定领域和通用领域的模块。这或许能够催生出不仅能预测人类行为，还能展现更接近人类推理能力的人工智能系统。

底线

Centaur 代表了我们研究人类认知方式的一次变革。它将现代人工智能的规模和威力与丰富的心理学研究传统相结合，为人类决策提供了新的见解。尽管挑战依然存在，但该模型在预测不同领域行为方面的成功表明，我们正在进入一个人工智能与认知科学能够携手合作，揭开人类思维奥秘的新时代。