Model AI, który „rozumiał” ludzkie myślenie? Nowe badania studzą entuzjazm

👁 126 przeczytań

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.

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.