AI认知模型突破人类行为模拟，Centaur模型结合fMRI神经活动登Nature，推动统一认知理论发展

当然可以！以下是对原始文章进行SEO优化后的整理版本，保留了原文的核心信息与技术细节，同时更符合搜索引擎抓取习惯，并增强可读性与关键词密度。

## （由多段落组成）：

AI新突破：Centaur模型精准模拟人类大脑行为，登顶《Nature》

近日，一项发表在国际权威期刊《Nature》上的研究引发广泛关注。来自德国的研究团队成功开发出首个能够跨领域精准预测人类认知行为的通用AI模型——Centaur。该模型不仅能在极短时间内完成训练，还能准确模拟人类在多种心理学任务中的决策过程和神经反应，甚至具备超越传统认知模型的能力。

这项研究标志着人工智能在理解人类思维机制方面迈出了重要一步，为未来构建统一的人类认知理论提供了新的计算工具。

Centaur模型的核心创新点

Centaur模型基于开源语言模型Llama 3.1 70B进行微调，采用了参数高效训练方法QLoRA（量化低秩适应），仅使用基础模型0.15%的参数量，就能实现对人类行为的高度拟合。整个训练过程仅耗时5天，在A100 GPU上即可完成。

研究人员构建了一个包含160项心理学实验、超过1000万次选择和2亿文本token的大规模数据集Psych-101，用于训练和验证模型。这些实验涵盖了从决策制定、记忆测试到逻辑推理等多个认知领域，确保了模型的广泛适用性。

模拟人类行为，准确率领先

在多项行为预测任务中，Centaur展现出优于传统模型的表现。例如在负对数似然值指标上，Centaur得分为0.44，显著低于Llama的0.58以及14种经典认知模型的平均得分。这表明其能更精确地捕捉人类在各种任务中的选择倾向。

此外，模型还能有效区分人类与AI代理的行为特征。它预测人类行为的准确率达到64%，而预测AI行为的准确率仅为35%，说明其具备“读懂”人类心理状态的独特能力。

泛化能力强，适应多种任务变化

为了测试模型的泛化性能，研究人员对其进行了多轮挑战：

– 修改任务背景描述：将“太空船寻宝”改为“魔毯探险”，模型依旧保持高预测精度；
– 调整任务结构：从两臂老虎机扩展为三臂老虎机，Centaur表现稳定；
– 面对全新任务：即使处理未包含在训练集中的逻辑推理任务，其表现仍优于基准模型。

这一系列实验证明，Centaur具备出色的适应能力和跨任务迁移能力，是真正的多领域全能型AI模型。

与人类神经活动高度吻合

最令人惊讶的是，Centaur的内部表征与真实人类大脑的fMRI扫描结果高度一致。在94名参与者执行“两步任务”时，研究人员记录下他们的脑部活动，并与模型各层输出进行比对。

结果显示，Centaur在多个关键脑区（如伏隔核、运动皮层等）的预测相关系数显著高于Llama和其他传统模型。尤其在奖励处理和语言理解相关的区域，其表现尤为突出。

尽管模型并未直接接受神经数据训练，但通过行为数据的微调，它似乎“无意中”捕捉到了人类大脑的认知加工机制。这种隐式对齐现象为未来探索意识与思维的本质提供了全新的思路。

展望未来：迈向统一认知理论的起点

Centaur的出现不仅是人工智能领域的重大进展，也为心理学、神经科学等领域带来了前所未有的工具。它有望成为科学家们探索人类认知规律的“计算望远镜”，帮助我们从海量行为数据中提炼出核心认知模式。

正如论文作者所言：“现在是时候将这种通用模型转化为统一的人类认知理论了。”

##

本文来源： 量子位【阅读原文】