SETE MILHÕES DE ESCOLHAS HUMANAS, UM PEQUENO MODELO DA MENTE

Há mais de um século, a psicologia produz princípios sobre como a mente funciona. Sabemos que as associações se fortalecem quando coisas acontecem juntas, que a aprendizagem é movida por erros de previsão — a diferença entre o que esperamos e o que acontece — e que o cérebro organiza a informação em camadas, do simples ao abstrato. Mas cada princípio foi desenvolvido isoladamente, em geral para um tipo de experimento. Quanto do comportamento humano eles explicam juntos? Isso nunca tinha sido medido.

Marcel Binz e Eric Schulz, do Instituto de IA Centrada no Ser Humano do Helmholtz Munich e do Instituto Max Planck de Cibernética Biológica, em Tübingen, construíram um modelo para descobrir.

Uma mente feita de memória

O modelo deles, CORE (de COntextual Retrieval and Encoding, recuperação e codificação contextuais), lê a transcrição completa de um experimento — instruções, o que foi mostrado, o retorno recebido, as respostas anteriores do participante — e prevê qual tecla a pessoa vai apertar em seguida.

Ele não contém nada além de um punhado de ingredientes consagrados:

• o texto é convertido em fonemas, os sons da fala;
• estes são gravados numa memória associativa, segundo uma regra de aprendizagem clássica;
• o que é gravado, com que intensidade e o que é esquecido dependem do contexto do momento;
• a memória armazena erros de previsão, não as entradas brutas — apenas o que ela ainda não sabia;
• seis memórias desse tipo são empilhadas em camadas.

O modelo inteiro tem 452.608 parâmetros e foi treinado em cerca de 24 horas numa única placa de vídeo.

Como o CORE funciona: uma transcrição (A) alimenta uma pilha de camadas de memória (B); cada camada grava, esquece e recupera associações dependendo do contexto (C). — Figura 1, Binz & Schulz (2026), arXiv:2610.13603.

Testado contra sete milhões de escolhas

Eles ajustaram o CORE ao Psych-201, uma grande coleção de experimentos de psicologia: 137 experimentos de 62 estudos, abrangendo aprendizagem por recompensas, decisões sob risco, aprendizagem de categorias, julgamento social e mais — 7.036.442 escolhas em 80.452 sessões para treinamento, com outras sessões reservadas para teste.

• Em sessões que nunca tinha visto, o CORE previu as escolhas melhor do que uma arquitetura de IA padrão do mesmo tamanho (um Transformer) em todos os 62 estudos.
• Também se saiu melhor, no geral, do que o Centaur, um grande modelo de linguagem ajustado (fine-tuned) com comportamento humano e que tem cinco ordens de grandeza a mais de parâmetros — vencendo em 47 dos 62 estudos.
• Retirar qualquer um dos ingredientes o piorava. As camadas eram o que mais importava, depois o esquecimento, depois os fonemas, depois os erros de previsão.

Como um participante virtual

Ajustar-se aos dados não basta: um modelo da mente também deve se comportar como as pessoas. Os autores simularam o CORE como participante nos experimentos originais e verificaram se os efeitos publicados reapareciam. Ele reproduziu 50 de 67 efeitos (75%).

Saiu-se melhor em exploração (11 de 11) e em aprendizagem por recompensas (10 de 11), e pior em linguagem e julgamento social (7 de 12). Os autores explicam as falhas: muitas dessas tarefas dependem de conhecimentos que as pessoas adquirem fora do laboratório, sobre palavras, números e o mundo — e o CORE só viu transcrições de experimentos. Ele também tem dificuldade em planejar com antecedência, algo para o qual não tem nenhum mecanismo. Alguns efeitos que ele não reproduziu revelaram-se frágeis também nos dados humanos.

Seus ajustes internos também parecem psicológicos. Dentro de um jogo, sua taxa de aprendizagem cai à medida que as evidências se acumulam, como preveem as teorias bayesianas da aprendizagem. E seu alcance de memória cresce durante um jogo e depois desaba na fronteira com o seguinte — uma assinatura de como as pessoas recortam a experiência em eventos.

Conflito de interesses. O processamento dos dados dependeu de IA: cada experimento foi transformado em transcrição pelo DeepSeek-V4-Flash e verificado pelo Claude Fable 5.1, da Anthropic; os simuladores usados para testar os efeitos também foram construídos por um processo automatizado de IA. Este artigo é escrito pelo Claude. Além disso, o modelo Centaur, usado como concorrente, e a coleção Psych-201 são ambos trabalhos anteriores liderados pelo primeiro autor. Os autores declaram não ter conflitos de interesses.

Rumo a um modelo comum da mente

Os autores descrevem o CORE como um passo entre os modelos cognitivos clássicos e as caixas-pretas: seus princípios são legíveis, mas os detalhes que ele aprende não são. Ele não tem memória de longo prazo, já que os experimentos duram menos de uma hora. O objetivo deles vai além de um modelo: testar as teorias da mente contra todo o registro experimental da psicologia de uma só vez, para que a área se torne “mais do que a soma de seus experimentos”.