Машина придумывает теории о мышлении экспресс
Замкнутый круг: машина выдвигает идею, проверяет её на людях, видит провалы и рождает новую, более точную догадку. Так работает AutoCog — автоматический когнитивный учёный. Раньше в науке о мышлении (когнитивной науке) самое сложное — придумать теорию — делали только люди. Данные собирали автоматы, модели считали компьютеры, а творческий шаг оставался за человеком. AutoCog впервые замыкает этот цикл целиком.
Система устроена как спор нескольких агентов на базе больших языковых моделей. Каждый агент предлагает свою модель принятия решений — не просто текст, а работающую программу. Затем AutoCog придумывает эксперимент, который лучше всего рассудит спорщиков, набирает добровольцев через интернет и собирает их ответы. Теории оцениваются по тому, насколько хорошо они предсказывают поведение людей. Проигравшие модели анализируют ошибки и перерождаются в улучшенные версии. Цикл повторяется.
Это открытие не было заложено заранее. Когда систему запустили на симулированных данных, она восстановила даже необычные стратегии, которые противоречили «здравому смыслу» языковой модели. Значит, AutoCog действительно слушает данные, а не повторяет заученные шаблоны. В экспериментах с живыми людьми её теории оказались точнее общепринятых и сработали в двух разных задачах. Финальную проверку прошла новая теория: её предсказания подтвердились в заранее зарегистрированном опыте с новыми участниками.
Круг замкнулся. AutoCog превращает построение теорий о мышлении из туманного искусства в прозрачную, воспроизводимую и накопительную науку.
Оригинальная аннотация
как её написали авторы, на английском 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.
Система AutoCog устроена как спор: несколько языковых моделей соревнуются, чья теория лучше объяснит поведение людей, а затем проигравшие «мутируют» в новые версии.
Похожий подход описан в рассказе «Последний вопрос» Айзека Азимова, где машина итеративно улучшает свои ответы, пока не достигает прорыва.