Une machine qui invente des théories sur la pensée express
Un cercle vertueux : la machine émet une idée, la teste sur des humains, constate les échecs et génère une nouvelle hypothèse, plus précise. C'est ainsi que fonctionne AutoCog, le scientifique cognitif automatique. Auparavant, dans la science de l'esprit (les sciences cognitives), la partie la plus difficile — inventer une théorie — était réservée aux humains. Les données étaient collectées par des machines, les modèles calculés par des ordinateurs, mais l'étape créative restait humaine. AutoCog boucle ce cycle pour la première fois de manière complète.
Le système est conçu comme un débat entre plusieurs agents basés sur de grands modèles de langage. Chaque agent propose son propre modèle de prise de décision — non pas un simple texte, mais un programme fonctionnel. Ensuite, AutoCog conçoit l'expérience qui départagera le mieux les débatteurs, recrute des volontaires en ligne et recueille leurs réponses. Les théories sont évaluées selon leur capacité à prédire le comportement humain. Les modèles perdants sont analysés pour leurs erreurs et renaissent en versions améliorées. Le cycle se répète.
Cette découverte n'était pas programmée à l'avance. Lorsque le système a été lancé sur des données simulées, il a même reconstitué des stratégies inhabituelles qui contredisaient le « bon sens » du modèle de langage. Cela montre qu'AutoCog écoute réellement les données, et ne se contente pas de répéter des schémas appris. Dans des expériences avec de vrais participants, ses théories se sont révélées plus précises que les modèles conventionnels et ont fonctionné dans deux tâches différentes. La validation finale a porté sur la nouvelle théorie : ses prédictions ont été confirmées lors d'une expérience pré-enregistrée avec de nouveaux participants.
La boucle est bouclée. AutoCog transforme la construction de théories sur l'esprit, d'un art flou en une science transparente, reproductible et cumulative.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2606.26448
Across the sciences, autonomous systems are increasingly being used in closed-loop discovery, proposing new theories and designing and running experiments to test them. This approach is yet to be applied in the field of cognitive science, where the central bottleneck is theory-building: the creative step of turning the accumulated failures of existing models into better ones. Theory generation has remained manual even as data collection, modeling, and experiment design have been automated. We present the Automated Cognitive Scientist (AutoCog), a fully autonomous agentic-AI system that closes this loop. Large-language-model agents advocate competing theories, each expressed as an executable cognitive model, design experiments that best discriminate them, collect behavioral data from participants recruited online, score theories against collected data based on their generative performance, diagnose why they fail, and synthesize a better successor. Repeating this cycle allows them to search the space of theories, models, and experiments. In the domain of decision-making, AutoCog recovered known decision-making strategies from simulated behavior, including unconventional ones, showing that its discoveries are ultimately driven by the data rather than strictly bound by the priors of the underlying language models. When run with human participants, it produced theories that outperformed the established theories it was seeded with and generalized to held-out studies in two different experimental settings. It also surfaced a novel theory of multi-cue decision-making in which choices show diminishing sensitivity to feature values. The distinctive predictions of this theory were confirmed in a preregistered study with new participants. AutoCog demonstrates how an automated discovery system can be used to turn cognitive theory-building into an explicit, executable, and cumulative science.
Le système AutoCog est conçu comme un débat : plusieurs modèles de langage rivalisent pour savoir quelle théorie explique le mieux le comportement humain, puis les perdants « mutent » en de nouvelles versions.
Une approche similaire est décrite dans la nouvelle « La Dernière Question » d'Isaac Asimov, où une machine améliore itérativement ses réponses jusqu'à atteindre une percée.