德国AI模型’半人马’突破人类行为预测精度 登《自然》杂志封面

德国亥姆霍兹慕尼黑研究中心近日发布了一项突破性研究成果，其开发的人工智能模型“半人马”（Centaur）在人类行为预测领域展现出前所未有的精准度。该成果已发表于最新一期《自然》杂志，标志着AI与心理学的交叉研究取得重要进展。

这一AI系统的核心创新在于其采用的Psych-101数据集，该数据集整合了160项心理学实验中6万余名参与者超过1000万次的决策数据，涵盖从基础记忆测试到复杂道德判断的广泛场景。研究团队对Meta公司Llama 3.1语言模型进行针对性微调，仅用5天时间便完成模型训练。值得注意的是，所有实验数据均被转化为自然语言描述，使AI能够理解并学习人类决策模式。

在验证阶段，“半人马”与十余种传统认知模型进行对比测试。结果显示，在32项行为预测任务中，该模型在31项任务中的表现优于现有方法，仅在语法判断任务中稍逊一筹。其突出优势体现在情境泛化能力——无论是将实验场景从“太空寻宝”调整为“魔毯探险”，还是增加决策选项数量，模型均能保持稳定预测精度。

神经科学层面的发现更令人瞩目。研究人员观察到，模型内部的信息处理模式与人类脑电图数据存在显著相关性，尽管训练过程中从未引入任何神经活动数据。这种自发性形成的类脑处理机制，为理解AI如何模拟人类认知提供了新视角。

实际应用方面，“半人马”已展现出辅助科研的潜力。在模拟实验中，该模型自主提出了一种优于现有理论的探索策略，证实其具备推动心理学理论发展的可能性。研究负责人马塞尔·宾茨博士指出，这种技术未来或可应用于心理健康评估、教育方案优化等领域。

学术界对该成果反应不一。支持者认为这开辟了整体理解人类思维的新途径，而质疑者则指出模型在短期记忆等任务中表现出“超人类”特性（如准确回忆256位数字），其机制与真实认知存在本质差异。目前，研究团队正着手扩大数据集规模，以进一步提升模型在跨文化场景中的预测可靠性。