Model AI, który „rozumiał” ludzkie myślenie? Nowe badania studzą entuzjazm
Model AI, który rzekomo rozumiał ludzkie myślenie, okazał się po prostu bardzo dobry w uczeniu się wzorców. Nowe badanie z Zhejiang University pokazuje różnicę między skutecznością a prawdziwym poznaniem.
pl.
👁 127 przeczytań
- Badanie z stycznia 2026 roku w National Science Open podważa wyniki z Nature, według których model Centaur przewidywał ludzkie decyzje z dokładnością 64 procent.
- Centaur był trenowany na ponad 10 milionach decyzji z 160 eksperymentów z udziałem 60 tysięcy osób, ale krytycy zarzucają mu przeuczenie (overfitting), a nie prawdziwe rozumienie.
- Gdy badacze Nai Ding i Wei Liu dodali do pytań instrukcję 'Wybierz opcję A', Centaur ignorował ją i nadal powtarzał wyuczone wzorce.
Czy sztuczna inteligencja naprawdę rozumie, co robi, czy jedynie udaje, że tak jest? Od miesięcy w środowisku naukowym trwa spór o możliwości dużych modeli językowych. Najnowsze badanie rzuca cień na głośne wyniki opublikowane w 2025 roku w Nature, które sugerowały, że model AI o nazwie Centaur potrafi przewidywać ludzkie decyzje z dokładnością do 64 procent. Zamiast przełomu w rozumieniu umysłu mamy do czynienia ze znacznie przyziemniejszym zjawiskiem - błyskotliwym zapamiętywaniem wzorców.
Model Centaur budził nadzieje. Aż do teraz
W 2025 roku zespół badaczy ogłosił, że Centaur - model wyszkolony na ponad 10 milionach ludzkich decyzji pochodzących ze 160 eksperymentów z udziałem 60 tysięcy osób - jest w stanie symulować ludzkie myślenie. Wyniki opublikowane w Nature zrobiły furorę. Sugerowały, że AI może nie tylko odtwarzać, ale i przewidywać zachowania człowieka w zupełnie nowych sytuacjach.
Teraz jednak badanie opublikowane w styczniu 2026 roku w czasopiśmie National Science Open podaje te wnioski w wątpliwość. Zamiast prawdziwego rozumienia, model - zdaniem krytyków - stosował wyuczone skróty statystyczne, czyli przeuczenie (overfitting).
Uczeń, który zakuł test, ale nie umie odpowiedzieć na pytanie
Współautor badania, Nai Ding, profesor z Zhejiang University, obrazowo opisuje przeuczenie. - Jeśli uczeń jest nadmiernie przygotowany do egzaminu, może nauczyć się sztuczek pozwalających zgadywać poprawne odpowiedzi bez zrozumienia materiału - tłumaczy w rozmowie z Live Science. - Gdy dane treningowe i testowe mają ten sam rozkład statystyczny, przeuczenie może pozostać niewykryte, a wyniki modelu zostaną przeszacowane.
Ding i współautor Wei Liu przeprowadzili prosty, ale demaskatorski test. Do pytań, na których trenował Centaur, dodali instrukcję: „Wybierz opcję A”. Gdyby model rozumiał polecenie, za każdym razem wskazywałby A - niezależnie od treści. Zamiast tego Centaur nadal podawał poprawne odpowiedzi, powtarzając wyuczone wcześniej wzorce. - Wysoka skuteczność nie mówi nam, dzięki jakiemu mechanizmowi modele językowe osiągają te wyniki - czy naprawdę rozumieją zadanie, czy wykorzystują statystyczne skróty - podkreśla Ding.
Pułapka benchmarków i poszukiwanie prawdziwego poznania
Spór o Centaura wpisuje się w szerszą debatę naukową o granicach obecnej architektury AI. Modele takie jak GPT-4 czy Claude osiągają imponujące wyniki w testach, ale Chris Burr, starszy badacz z Alan Turing Institute, zwraca uwagę na kluczowy problem. - Większość modeli jest wystarczająco elastyczna, by dopasować się do prawie każdego wzorca, a najważniejsze metryki nagradzają dopasowanie i postępy w benchmarkach, a nie głębsze zrozumienie - komentuje Burr. - Model uchwyci coś znaczącego o poznaniu tylko wtedy, gdy robi coś więcej niż przewidywanie zachowania. W najlepszym razie Centaur oferuje behawiorystyczny dowód na językowo zredukowany wycinek poznania.
Badacze z Zhejiang University nie twierdzą, że Centaur jest bezwartościowy. - Nasza praca nie ma na celu zaprzeczenia wartości Centaura, ale podkreślenie, że przy ocenie takich modeli musimy odróżniać „osiąganie dobrych wyników” od „osiągania dobrych wyników z właściwych powodów” - zaznacza Ding.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Co dalej? Sztuczna inteligencja na zakręcie
Wyniki krytycznego testu nie obalają całkowicie tezy, że AI może wspomagać badania nad ludzkim poznaniem. Burr przyznaje, że „szerszy program nie został obalony, ale uważam, że zrobili wystarczająco dużo, by przenieść ciężar dowodu”. Kluczowe pozostaje pytanie: czy obecna architektura sieci neuronowych jest w stanie kiedykolwiek wyjść poza sprytną analizę statystyczną? Luty 2026 przyniósł kolejne badanie sugerujące, że modele językowe są zasadniczo ograniczone przez „awarie rozumowania” wynikające z ich architektury. To nie koniec historii - ale na pewno jej nowy, znacznie bardziej złożony rozdział.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Czy model AI Centaur naprawdę rozumie ludzkie myślenie?
Nie - według badania z 2026 roku Centaur stosuje wyuczone skróty statystyczne, a nie prawdziwe rozumienie. Nai Ding z Zhejiang University wskazuje, że model potrafi zgadywać poprawne odpowiedzi bez rozumienia materiału, podobnie jak uczeń zakuwający do egzaminu.
Gdzie zostały opublikowane pierwotne wyniki badań nad modelem Centaur?
Oryginalne wyniki opublikowano w 2025 roku w czasopiśmie Nature. Kwestionujące je badanie ukazało się w styczniu 2026 roku w National Science Open.
Na czym polegał test demaskujący słabości modelu Centaur?
Badacze dodali do pytań treningowych instrukcję 'Wybierz opcję A', na którą model powinien zawsze odpowiadać A. Centaur ignorował tę instrukcję i nadal podawał odpowiedzi zgodne z wyuczonymi wcześniej wzorcami.
Czy modele językowe takie jak GPT-4 mają podobne ograniczenia jak Centaur?
Tak - Chris Burr z Alan Turing Institute wskazuje, że większość modeli jest na tyle elastyczna, by dopasować się do prawie każdego wzorca, a metryki nagradzają dopasowanie do benchmarków, a nie głębsze rozumienie. W lutym 2026 roku kolejne badanie potwierdziło, że modele językowe są ograniczone przez 'awarie rozumowania' wynikające z ich architektury.
FLUX Kontext - pierwszy model który naprawdę rozumie co chcesz zmienić w obrazieArtykuły
AI napisało 80% własnego kodu. Model, który strawi sam siebie, już tu jestNauka
2,4 biliona parametrów: Alibaba prezentuje model, który ma dogonić czołówkę USANewsyPodobne tematy na Promptowym
