Nowe badanie podważa głośny sukces modelu Centaur. AI nie „myślało” jak człowiek, lecz mogło zapamiętać wzorce

Czy sztuczna inteligencja naprawdę zaczyna myśleć jak człowiek? Jeszcze kilka miesięcy temu wielu badaczy mówiło o modelu Centaur jak o jednym z najciekawszych eksperymentów na styku AI i psychologii poznawczej. Opublikowana w lipcu 2025 roku praca w „Nature” przedstawiała system zbudowany na bazie dużego modelu językowego, dostrojonego na zbiorze Psych-101, obejmującym ponad 10 milionów decyzji podejmowanych przez przeszło 60 tysięcy uczestników w 160 eksperymentach psychologicznych. Autorzy twierdzili, że Centaur potrafi przewidywać ludzkie zachowania lepiej niż klasyczne modele poznawcze, a nawet uogólniać wyniki na nowe zadania i nowych uczestników.

Teraz ten obraz został poważnie zakwestionowany. W pracy opublikowanej w „National Science Open” badacze Wei Liu i Nai Ding z Zhejiang University przekonują, że spektakularne wyniki Centaura mogły nie wynikać z realnego rozumienia instrukcji i mechanizmów poznawczych, lecz z przeuczenia, czyli dopasowania do wzorców obecnych w danych treningowych. Tytuł tej pracy brzmi: „Can Centaur truly simulate human cognition? The fundamental limitation of instruction understanding”, a jej DOI to 10.1360/nso/20250053.

Zespół sprawdził, co stanie się wtedy, gdy modelowi zabierze się informacje, które dla człowieka są kluczowe do rozwiązania zadania. W jednym z testów badacze podmienili oryginalne instrukcje na prosty komunikat „Please choose option A”. Gdyby model naprawdę rozumiał polecenie, powinien konsekwentnie wybierać odpowiedź A. Tymczasem Centaur nadal wskazywał odpowiedzi zgodne z pierwotnymi wzorcami z bazy danych. Według autorów to znak, że system nie opierał się na znaczeniu polecenia, lecz na statystycznych skojarzeniach wyuczonych wcześniej podczas treningu.

Autorzy nowej pracy opisują też inne manipulacje wejściem, między innymi usuwanie instrukcji zadania, usuwanie kontekstu oraz podsuwanie mylących poleceń. W każdym z tych wariantów znikały informacje, które dla ludzi są niezbędne do sensownego wykonania eksperymentu. Mimo to Centaur często utrzymywał wysoką skuteczność, a czasem wypadał lepiej niż modele bazowe i niewystrojony model Llama, nawet gdy ten drugi dostawał poprawne instrukcje. To właśnie ma sugerować, że przewaga Centaura nie musi być dowodem na „ludzkie” rozumowanie, tylko na wyjątkowo skuteczne dopasowanie do danych.

To ważne, bo pierwotna publikacja w „Nature” była przedstawiana jako krok w stronę zunifikowanego modelu ludzkiego poznania. Sam pomysł był ambitny: zamiast budować osobne modele dla pamięci, podejmowania decyzji czy uczenia się, stworzyć jeden system zdolny przewidywać zachowanie człowieka w wielu różnych sytuacjach. Nowa krytyka nie przekreśla wartości tego kierunku badań, ale pokazuje, jak łatwo pomylić imponujące dopasowanie statystyczne z faktycznym zrozumieniem zadania.

W praktyce to kolejny sygnał ostrzegawczy dla całej branży AI. Duży model językowy może wyglądać na „inteligentny”, bo dobrze odtwarza wzorce z danych, ale to jeszcze nie znaczy, że rozumie problem w sposób zbliżony do człowieka. W przypadku Centaura stawką była nie tylko jakość jednego modelu, lecz także szersza teza o tym, czy współczesne AI może już dziś służyć jako wiarygodne lustro ludzkiego umysłu. Z najnowszego badania wynika, że do takiego wniosku wciąż jest bardzo daleko.

Źródła:
„A foundation model to predict and capture human cognition”, „Nature”, 2025.
„Can Centaur truly simulate human cognition? The fundamental limitation of instruction understanding”, „National Science Open”, 2026, DOI: 10.1360/nso/20250053.