Helmholtz Munich 推出认知模型 Centaur：精准预测人类决策与反应时间

过去几十年，心理学家一直面对一个尴尬的难题：能解释人类为什么这么想的理论模型，往往预测不准现实中的行为；而预测准确的机器学习工具，又解释不清背后的心理学机制。

慕尼黑亥姆霍兹中心（Helmholtz Munich）的研究人员试图打破这个僵局。他们开发了一个名为 Centaur 的基础认知模型，能够以极高的精度模拟人类在各种情境下的决策，甚至连人在做决定时犹豫了多久、反应时间是多少，它都能推算出来。

这项成果于 7 月 2 日发表在《自然》（Nature）期刊上。

喂给 AI 超千万条真实人类决策

Centaur 之所以能懂人类的心思，核心在于训练数据。

由 Marcel Binz 和 Eric Schulz 领导的研究团队专门搭建了一个名为 Psych-101 的数据集。他们收集整理了来自 160 项不同行为实验的数据，涵盖了 6 万多名真实人类参与者做出的超过 1000 万次独立决策。

这些实验包罗万象，从冒险行为、奖励学习到复杂的道德困境。研究团队手动清洗并标准化了所有实验数据，使其能够以自然语言的形式被大语言模型读懂。

最厉害的地方在于泛化能力。Centaur 不仅在熟悉的实验场景下表现出色，就算给它一个从未见过的全新陌生环境，只要用自然语言描述出来，它就能准确推测出人类大概会怎么选。

研究团队把它形容为一个「虚拟实验室」。科学家不再需要每次都招募成百上千名受试者，只需用自然语言描述情境，Centaur 就能模拟出群体决策。

探究抑郁与焦虑症患者的思维差异

研究团队并不仅想停留在做个预测工具，他们下一步计划看清 Centaur 内部的计算模式。

他们希望通过分析模型内部的激活状态，来理解人类大脑处理信息的方式，尤其是对比健康人群与抑郁症、焦虑症等心理障碍患者在决策策略上的根本差异。

未来，团队还计划在数据集中扩充人口统计学和更丰富的心理特征数据，推动临床心理学和精神医学研究。

Binz 强调，这项研究之所以诞生在公共学术机构而非大型商业科技公司，是因为公共科研环境允许他们专注于人类认知这一基础科学问题。为了保障数据主权和研究透明度，他们倾向于采用开源和本地运行的方式推进这类系统。

为什么重要

我们认为，Centaur 最聪明的地方在于把认知心理学真正带入了基础模型时代。

以往做行为学或心理学研究，设计实验、招募数千名受试者、清洗数据，不仅周期长，而且跨实验的理论往往很难互相通用。Centaur 用统一的自然语言把 160 个实验打通，证明了人类的各种非理性、偏见和直觉，也可以像语言一样被基础模型所拟合。对于科研人员、产品设计师乃至政策制定者来说，这相当于提供了一个低成本预演人类反应的数字沙盒。

但这里面的隐患同样不容忽视。既然 Centaur 能极其精准地预测人类的决策漏洞和反应时间，如果这套技术被滥用于商业推荐、成瘾机制设计，甚至是政治选民的情绪操纵，它的杀伤力会远高于现有的推荐算法。研究团队强调开源与责任伦理是好事，但如何防止精准的人类心理模拟器变成「收割机」，看起来会是全行业马上要面对的挑战。