В новой работе утверждается, что неравномерные, «рваные» способности современных систем ИИ проистекают из отсутствующего обучающего сигнала, который авторы называют «когнитивной тёмной материей» (КTМ) — функций мозга, формирующих поведение, но почти невидимых при одном лишь поведенческом наблюдении.
Исследование
Опубликованная на arXiv 3 марта 2026 года (пересмотрена 31 июля 2026 года), статья написана Патриком Дж. Мино, Томасом Л. Гриффитсом и Шоном Эсколой. Гриффитс — профессор психологии и информатики Принстонского университета и ведущий исследователь в области вычислительной когнитивной науки; Мино и Эскола работают на стыке нейробиологии и машинного обучения.
Авторы определяют когнитивную тёмную материю как функции мозга, которые содержательно формируют поведение, но с трудом выводятся из поведения как такового. Они выделяют шесть ключевых областей КТМ:
- Метапознание (размышление о собственном мышлении)
- Когнитивная гибкость (адаптация к новым правилам или контекстам)
- Непрерывное обучение (накопление знаний с течением времени)
- Абдуктивное рассуждение (вывод наилучшего объяснения из неполной информации)
- Социальное и житейское рассуждение
- Эмоциональный интеллект
Команда представляет доказательства того, что эти насыщенные КТМ функции в значительной степени не измеряются в современных тестах ИИ и что крупномасштабные нейробиологические обучающие наборы данных, необходимые для их привития, пока не существуют. Они описывают исследовательскую программу, построенную на трёх взаимодополняющих типах данных, призванных выявить КТМ для обучения моделей: (i) латентные переменные из крупномасштабных когнитивных моделей, (ii) данные трассировки процессов, такие как айтрекинг и протоколы «думай вслух», и (iii) парные нейро-поведенческие данные.
«Эти данные позволят обучать ИИ на основе когнитивных процессов, а не только поведенческих результатов, создавая модели с более общим, менее рваным интеллектом», — пишут авторы.
Почему это важно
Те же слепые зоны, которые делают тесты ИИ неполными, вероятно, применимы и к тому, как мы измеряем человеческий интеллект. Стандартные тесты IQ и большинство когнитивных оценок сосредоточены на результатах — правильных ответах, времени реакции, баллах, — а не на процессах, стоящих за ними. Если такие функции КТМ, как метапознание и когнитивная гибкость, так важны, как предполагает эта работа, то их понимание и тренировка могут стать ключом к улучшению вашего собственного обучения, принятия решений и адаптивности. Исследователи отмечают «двойную выгоду»: те же данные, которые могли бы улучшить ИИ, также продвинули бы наше понимание самого человеческого интеллекта.
Что вы можете сделать
- Практикуйте метапознание: после выполнения задачи спросите себя, какую стратегию вы использовали и что изменили бы в следующий раз.
- Тренируйте когнитивную гибкость, переключаясь между разными типами головоломок или задач в рамках одной сессии.
- Занимайтесь решением задач методом «думай вслух» — проговаривание своих рассуждений может выявить скрытые мыслительные паттерны.
- Бросайте себе вызов социальными и эмоциональными задачами на рассуждение, например упражнениями на принятие перспективы.
Источник: arXiv q-bio.NC
Любопытно узнать о собственном мозге? Пройдите наш бесплатный адаптивный тест IQ или попробуйте 306 уровней тренировки мозга.