A mai mesterséges intelligenciát meghatározza, hogy a neurális hálók mennyire különböznek az emberi agytól. Egy kisgyerek napi ezer kalóriával és rendszeres beszélgetéssel tanulja meg a hatékony kommunikációt, míg technológiai cégek újranyitnak atomerőműveket, közösségeket szennyeznek és terabájtnyi könyvet használnak fel a szerzői jogokat figyelmen kívül hagyva nagy nyelvmodelljeik (LLM) gyakoroltatásához, működtetéséhez.
Mindezek ellenére a mesterséges neurális hálók mégiscsak neurálisak, az agy által inspiráltak. Különböző energia- és adatétvágyuk ellenére az LLM-ek és az emberi agy között sok a közös vonás. Mindkettő sokmilliónyi alegységből, biológiai és szimulált neuronokból áll, folyékonyan és rugalmasan használják a nyelvet, pedig alig értjük a működésüket.
Idegtudósok között bevett agyszerű neurális hálók építése, és ez a megközelítés egyre elterjedtebb a pszichológiában. A hálózatokkal az ember és más állatok viselkedése előrejelezhető pszichológiai kísérletekben. Kellő mértékben begyakoroltatva segíthetnek az emberi elmeműködés megértésében. Csakhogy a viselkedés előrejelzése és magyarázata nagyon nem ugyanaz.
Amerikai kutatók egy LLM-et, a Meta nyílt forrású Llama 3.1-ét az „emberi kogníció alapmodelljévé” alakították át, és a Kentaur nevet adták neki. Az LLM-ek nem túl jók viselkedésünk modellezésében, viszont képesek akkor is logikusan cselekedni, amikor mi nem, például kaszinóban. Százhatvan pszichológiai kísérlet adatain finomhangolták. Többek között „nyerőgépek” adatkészletéből válogathattak a maximális nyereséghez vagy betűsorok megjegyzéséhez.
Egyszerű matematikai egyenleteket használó hagyományos pszichológiai modellekkel összehasonlítva, Kentaur jobban prognosztizálta a viselkedést. Emberek pszichológiai kísérletekben mutatott viselkedésének előrejelzése önmagában is értékes, de Kentaur hatékonyan utánozhatja is azt. Tanulmányozásával új elméletek dolgozhatók ki elménk belső működéséről, a benne lejátszódó folyamatokról.
Egyesek viszont szkeptikusak, hogy Kentaur képes-e egyáltalán mondani valamit az elméről. Valóban jobb a hagyományos modelleknél, csakhogy milliárdszor több paraméterrel működik. És ha külsőre úgy is viselkedik, mint az ember, egyáltalán nem biztos, hogy belül is ugyanúgy funkcionál. Matematikai műveleteket abszolváló számológéphez is hasonlítják, és az emberi elméről valóban nem azokat tanulmányozva tudunk meg újdonságokat. De ha mégis, akkor a sokmillió neuronból problémás lehet kivonatolni az infókat. Gondoljunk bele: MI-kutatók csak kapirgálják a „fekete dobozt”, hogy mi történik a modell belsejében, amíg az inputból output lesz. Az emberi idegháló megértése pedig sokkal bonyolultabb.
A kicsinyítés lehet az egyik alternatíva. A New York Egyetem kutatói apró neurális hálókra fókuszáltak, egyik-másik mindössze egyetlen idegsejtet tartalmazott, de ennek ellenére prognosztizálják egerek, patkányok, majmok, sőt, emberek viselkedését is. Mivel a hálózatok kicsik, minden egyes neuron aktivitása nyomon követhető, és az így szerzett adatokból kikövetkeztethető, hogyan generál viselkedés-előrejelzéseket a hálózat. Nincs garancia arra, hogy ezek a modellek úgy működnek, mint az utánzott agyak, viszont tesztelhető hipotéziseket generálnak a kognícióról, de ellentétben Kentaurral, mindig csak egy speciális feladattal kapcsolatban, például arról, hogyan döntünk a különböző nyerőgépek közül.
Az előrejelzés és a megértés közötti kompromisszum a neurális hálókon alapuló tudomány kulcsa. A New Yorki és hasonló kutatásokkal, hiába kicsik a hálók, a viselkedés pontosabban prognosztizálható, mint a hagyományos pszichológiai modellekkel. Komplex rendszerekre vonatkozó tudásunk viszont egyre jobban elmarad a velük kapcsolatos előrejelző képességünktől.
