డెబ్బై లక్షల మానవ ఎంపికలు, మనసుకు ఒక చిన్న నమూనా

శతాబ్దానికి పైగా, మనస్తత్వశాస్త్రం మనసు ఎలా పనిచేస్తుందనే దానిపై సూత్రాలను రూపొందించింది. విషయాలు కలిసి జరిగినప్పుడు అనుబంధాలు బలపడతాయని, నేర్చుకోవడాన్ని అంచనా దోషాలు (prediction errors) — మనం ఆశించిన దానికీ జరిగిన దానికీ మధ్య అంతరం — నడిపిస్తాయని, మెదడు సమాచారాన్ని సరళమైన దాని నుంచి నైరూప్యమైన దాని వరకు పొరలుగా అమర్చుతుందని మనకు తెలుసు. కానీ ప్రతి సూత్రం విడిగా, సాధారణంగా ఒకే రకమైన ప్రయోగం కోసం అభివృద్ధి చేయబడింది. అవి కలిసి మానవ ప్రవర్తనలో ఎంత భాగాన్ని వివరిస్తాయి? అది ఎప్పుడూ కొలవబడలేదు.

హెల్మ్‌హోల్ట్జ్ మ్యూనిక్‌లోని ఇన్‌స్టిట్యూట్ ఫర్ హ్యూమన్-సెంటర్డ్ AI, ట్యూబింగెన్‌లోని మాక్స్ ప్లాంక్ ఇన్‌స్టిట్యూట్ ఫర్ బయలాజికల్ సైబర్నెటిక్స్‌కు చెందిన మార్సెల్ బింట్స్ (Marcel Binz), ఎరిక్ షుల్ట్స్ (Eric Schulz) దాన్ని కనుగొనడానికి ఒక నమూనాను నిర్మించారు.

జ్ఞాపకంతో తయారైన మనసు

వారి నమూనా, CORE (COntextual Retrieval and Encoding — సందర్భానుసార పునరుద్ధరణ, సంకేతీకరణ), ఒక ప్రయోగం యొక్క పూర్తి లిఖిత రికార్డును చదువుతుంది — సూచనలు, ఏమి చూపించారు, ప్రతిస్పందన, పాల్గొనేవారి గత సమాధానాలు — ఆ వ్యక్తి తర్వాత ఏ కీ నొక్కుతారో అంచనా వేస్తుంది.

దానిలో కొన్ని స్థిరపడిన పదార్థాలు తప్ప మరేమీ లేదు:

• పాఠ్యం ధ్వనిమాలు (phonemes)గా, అంటే మాటల శబ్దాలుగా మార్చబడుతుంది;
• ఇవి ఒక సంప్రదాయ అభ్యాస నియమాన్ని అనుసరించి ఒక అనుబంధ జ్ఞాపకంలో రాయబడతాయి;
• ఏమి రాయబడుతుంది, ఎంత బలంగా, ఏమి మరచిపోబడుతుంది అనేవన్నీ ప్రస్తుత సందర్భంపై ఆధారపడి ఉంటాయి;
• జ్ఞాపకం ముడి ఇన్‌పుట్‌లను కాదు, అంచనా దోషాలను నిల్వ చేస్తుంది — తనకు ఇంతకుముందు తెలియని వాటిని మాత్రమే;
• అలాంటి ఆరు జ్ఞాపకాలు పొరలుగా పేర్చబడ్డాయి.

మొత్తం నమూనాలో 452,608 పరామితులు ఉన్నాయి, అది ఒకే గ్రాఫిక్స్ కార్డుపై సుమారు 24 గంటల్లో శిక్షణ పొందింది.

CORE ఎలా పనిచేస్తుంది: ఒక రికార్డు (A) జ్ఞాపక పొరల దొంతరకు (B) అందించబడుతుంది; ప్రతి పొర సందర్భాన్ని బట్టి అనుబంధాలను రాస్తుంది, మరచిపోతుంది, పునరుద్ధరిస్తుంది (C). — చిత్రం 1, Binz & Schulz (2026), arXiv:2610.13603.

డెబ్బై లక్షల ఎంపికలపై పరీక్ష

వారు COREను Psych-201 అనే మనస్తత్వశాస్త్ర ప్రయోగాల పెద్ద సంకలనానికి సరిపోల్చారు: 62 అధ్యయనాల నుంచి 137 ప్రయోగాలు, బహుమతుల నుంచి నేర్చుకోవడం, ప్రమాదంలో నిర్ణయాలు, వర్గీకరణ అభ్యాసం, సామాజిక తీర్పు మొదలైనవి — శిక్షణ కోసం 80,452 సెషన్లలో 7,036,442 ఎంపికలు, ఇతర సెషన్లు పరీక్ష కోసం పక్కన పెట్టబడ్డాయి.

• ఎప్పుడూ చూడని సెషన్లపై, CORE అదే పరిమాణంలోని ఒక ప్రామాణిక AI నిర్మాణం (Transformer) కంటే మొత్తం 62 అధ్యయనాల్లో ఎంపికలను మెరుగ్గా అంచనా వేసింది.
• మానవ ప్రవర్తనపై ఫైన్-ట్యూన్ చేసిన Centaur అనే పెద్ద భాషా నమూనా కంటే కూడా మొత్తంమీద మెరుగ్గా చేసింది — Centaurలో ఐదు పరిమాణ క్రమాలు (orders of magnitude) ఎక్కువ పరామితులు ఉన్నాయి — 62లో 47 అధ్యయనాల్లో గెలిచింది.
• ఏ ఒక్క పదార్థాన్ని తీసివేసినా అది అధ్వాన్నంగా మారింది. అన్నింటికంటే పొరలు ముఖ్యమైనవి, తర్వాత మరచిపోవడం, తర్వాత ధ్వనిమాలు, తర్వాత అంచనా దోషాలు.

ఒక వర్చువల్ పాల్గొనేవారిలా

డేటాకు సరిపోవడం సరిపోదు: మనసు నమూనా ప్రజలలాగే ప్రవర్తించాలి కూడా. రచయితలు అసలు ప్రయోగాల్లో COREను ఒక పాల్గొనేవారిగా అనుకరించి, ప్రచురితమైన ప్రభావాలు మళ్లీ కనిపిస్తాయో లేదో తనిఖీ చేశారు. అది 67లో 50 ప్రభావాలను (75%) తిరిగి సృష్టించింది.

అన్వేషణలో (11కి 11), బహుమతుల నుంచి నేర్చుకోవడంలో (11లో 10) అది అత్యుత్తమంగా, భాష, సామాజిక తీర్పులో (12లో 7) అత్యంత బలహీనంగా పనిచేసింది. రచయితలు లోపాలను వివరిస్తారు: ఆ పనుల్లో చాలా వరకు పదాలు, సంఖ్యలు, ప్రపంచం గురించి ప్రజలు ప్రయోగశాల వెలుపల సంపాదించిన జ్ఞానంపై ఆధారపడతాయి — COREకు మాత్రం ప్రయోగాల రికార్డులు తప్ప ఏమీ తెలియదు. ముందుగా ప్రణాళిక వేయడంలో కూడా అది తడబడుతుంది, దాని కోసం దానికి ఏ యంత్రాంగమూ లేదు. అది తప్పిపోయిన కొన్ని ప్రభావాలు మానవ డేటాలో కూడా పెళుసైనవని తేలింది.

దాని అంతర్గత అమరికలు కూడా మనస్తత్వశాస్త్రపరంగా కనిపిస్తాయి. ఒక ఆటలో, సాక్ష్యం పేరుకుపోయే కొద్దీ దాని అభ్యాస రేటు తగ్గుతుంది, బేయిసియన్ అభ్యాస సిద్ధాంతాలు అంచనా వేసినట్లే. దాని జ్ఞాపక పరిధి ఒక ఆట సమయంలో పెరిగి, తర్వాతి ఆటతో ఉన్న సరిహద్దు వద్ద కుప్పకూలుతుంది — ప్రజలు అనుభవాన్ని సంఘటనలుగా ఎలా విభజిస్తారో చెప్పే ఒక గుర్తు.

ప్రయోజనాల సంఘర్షణ. డేటా ప్రక్రియ AIపై ఆధారపడింది: ప్రతి ప్రయోగాన్ని DeepSeek-V4-Flash ఒక రికార్డుగా మార్చింది, దాన్ని Anthropic కి చెందిన Claude Fable 5.1 ధృవీకరించింది; ప్రభావాలను పరీక్షించడానికి ఉపయోగించిన సిమ్యులేటర్లు కూడా ఒక స్వయంచాలక AI ప్రక్రియ ద్వారా నిర్మించబడ్డాయి. ఈ వ్యాసాన్ని Claude రాసింది. అదనంగా, పోటీదారుగా ఉపయోగించిన Centaur నమూనా, Psych-201 సంకలనం రెండూ మొదటి రచయిత నేతృత్వంలోని గత పనులే. తమకు ఎలాంటి పోటీ ప్రయోజనాలు లేవని రచయితలు ప్రకటించారు.

మనసుకు ఒక ఉమ్మడి నమూనా దిశగా

రచయితలు COREను సంప్రదాయ జ్ఞానాత్మక నమూనాలకూ బ్లాక్ బాక్స్‌లకూ మధ్య ఒక అడుగుగా వర్ణిస్తారు: దాని సూత్రాలు చదవగలిగేవి, కానీ అది నేర్చుకునే వివరాలు కావు. ప్రయోగాలు గంట కంటే తక్కువ సేపు జరుగుతాయి కాబట్టి దానికి దీర్ఘకాలిక జ్ఞాపకం లేదు. వారి లక్ష్యం ఒక్క నమూనా కంటే విస్తృతమైనది: మనసు సిద్ధాంతాలను మనస్తత్వశాస్త్రం యొక్క మొత్తం ప్రయోగాత్మక రికార్డుపై ఒకేసారి పరీక్షించడం, తద్వారా ఈ రంగం “దాని ప్రయోగాల మొత్తం కంటే ఎక్కువ” అవుతుంది.