AI读心术登上Nature：Centaur模型深度解析 | AIGC导航

type

status

date

slug

summary

Centaur的诞生：不止于语言的大模型

传统的认知模型往往是“专才”，比如AlphaGo精于围棋，但无法应用于其他领域。心理学研究迫切需要一个“通才”模型，能够处理各种情境下的认知任务。Centaur正是为此而生。

为了训练这个模型，德国的研究团队首先构建了史上最大规模的人类行为数据集Psych-101。这个数据集堪称人类认知行为的百科全书，涵盖了：

160项 经典的心理学实验。

超过 6万名 参与者的海量数据。

累计超过 1000万次 的决策选择。

涉及多臂老虎机、决策制定、记忆、逻辑推理等多种认知任务。

研究团队将所有实验范式统一转化为自然语言格式，为大模型的训练铺平了道路。

模型本身基于强大的开源LLM——Llama 3.1 70B构建，但并非从零开始。研究人员采用了名为QLoRA（量化低秩适应）的高效微调技术。这项技术在冻结大部分模型参数的基础上，仅增加了相当于原模型0.15%的微小参数进行训练。令人难以置信的是，整个训练过程在一块A100 GPU上仅耗时5天。短短五天，一个通用的语言模型就蜕变成了一个深刻理解人类的认知模型。

超越传统：Centaur如何精准“读心”？

Centaur的能力远超预期，在多项测试中展示了其对人类行为的惊人洞察力。

精准的行为预测：在预测人类选择方面，Centaur的负对数似然值为0.44，显著优于其基础模型Llama的0.58，也全面超越了包括前景理论、强化学习模型在内的14种经典认知模型。这证明它能更准确地拟合人类的决策模式。

逼真的行为模拟：当模型根据自身的输出来模拟连续决策时，它在著名的“两步任务”（Two-Step Task）中复现了与人类高度相似的行为轨迹，甚至能区分出哪些行为是人类做出的，哪些是其他AI做出的，准确率高达64%。

捕捉决策时间特征：根据著名的希克定律（Hick's Law），选项越多，反应时间越长。Centaur不仅能预测选择结果，还能预测反应时间。其响应熵解释了87%的反应时间方差（R²=0.87），远高于Llama（0.75）和领域特定模型（0.77）。

惊人的泛化与神经对齐

Centaur最令人震撼的特性在于其强大的泛化能力和与人类神经活动的对齐性，这标志着它可能触及了认知的底层逻辑，是迈向AGI（通用人工智能）的重要体现。

强大的泛化能力

研究人员设计了三个“刁钻”的实验来考验它：

表面变化，核心不变：将实验的故事情节从“太空船寻宝”改为“魔毯探险”，任务核心不变。Centaur的预测能力丝毫未受影响，表现依旧出色。

任务结构扩展：将原来的“两臂老虎机”增加为“三臂”，增加了任务复杂性。Centaur迅速适应，预测准确性远超其他模型。

全新认知领域：让模型处理一个从未在训练数据中出现过的全新任务——逻辑推理。Centaur的表现依然显著优于基础模型Llama，证明了其强大的跨领域推理能力。

与大脑活动的神秘吻合

最关键的发现是，Centaur的内部表征与人类大脑的真实活动高度相关。研究人员让参与者执行任务并记录其fMRI数据，结果发现：

Centaur模型各层的表征与全脑神经活动的关联性，均显著高于Llama和传统认知模型。

在与奖励处理（如伏隔核）和运动控制相关的脑区，Centaur的预测能力尤其突出。

在语言理解任务中，模型中间层的表征与大脑语言处理区域的活动最为匹配。

这意味着，Centaur在学习模拟人类行为的过程中，无意间发展出了一种类似于人脑处理信息的内部结构。它不仅仅是知其然（预测行为），更做到了知其所以然（模拟了底层的神经计算过程）。

结论：开启理解心智的“计算望远镜”

Centaur的出现，证明了构建一个跨领域的、统一的人类认知计算模型是完全可行的。它不仅是一个强大的AI工具，更像一架“计算望远镜”，能帮助心理学家和神经科学家从海量行为数据中洞察人类心智的奥秘，为建立统一的认知理论提供了前所未有的数据驱动路径。

人工智能的发展日新月异，从ChatGPT到Claude，再到如今的Centaur，我们正以前所未有的速度接近理解智能的本质。想要获取更多关于AI、大模型的前沿AI资讯和深度解读，欢迎访问AIGC导航（https://aigc.bar），这里是您探索人工智能世界的最佳门户。