De integratie van de theorie van Vloeiende en Gekristalliseerde intelligentie (Gf-Gc) van Raymond B. Cattell en John L. Horn en Carroll's Drie-Stratum theorie leidde tot de Cattell-Horn-Carroll (CHC) intelligentietheorie. Dit is momenteel de meest geaccepteerde en empirisch ondersteunde theorie over de structuur van menselijke cognitieve vermogens. De CHC-theorie biedt een gestructureerde en hiërarchische kijk op intelligentie, waarbij algemene intelligentie wordt opgesplitst in een reeks van brede en specifieke cognitieve vaardigheden die relevant zijn voor diagnose, onderzoek en onderwijs. Het is wetenschappelijk onderbouwd door decennia van factoranalyse en onderzoek, waardoor het de meest empirisch ondersteunde theorie van cognitieve vaardigheden is.
Ondanks de brede acceptatie blijven twijfels bestaan over de toepasbaarheid van het CHC-model. De kritiek op traditionele cognitieve modellen is dat testen vaak gericht op één specifiek aspect van menselijk gedrag (bijv. besluitvorming in een risicovolle situatie, of geheugenprocessen voor lijsten met woorden). Ze zijn uitstekend in het verklaren van gedrag binnen hun specifieke domein, maar hebben moeite met generaliseren over verschillende cognitieve taken heen. Dit doet geen recht aan de menselijke denkprocessen die diep met elkaar verweven zijn.
Een andere benadering om menselijk gedrag te voorspellen is het ontwikkelen van een allesomvattend model — een zogeheten grand theory. Alle pogingen daartoe zijn echter op niets uitgelopen. In het laatste deel van de twintigste eeuw zijn deze inspanningen dan ook grotendeels gestaakt. Wetenschappers zijn overgestapt van het formuleren van causale verklaringen naar het aantonen van (op zichzelf staande) correlaties op basis van statistische analyses.
Door het ontbreken van een grand theory zijn onderzoekers — van wie wordt verwacht dat zij voortdurend maatschappelijk relevante kennis produceren — genoodzaakt hun bewijsvoering om te keren: zij proberen op basis van data ‘aan te tonen’ dat er een relatie bestaat tussen twee variabelen. Het starten vanuit statistiek blijft echter een surrogaatoplossing. Statistiek kan immers geen oorzaak-gevolgrelaties vaststellen; alleen een sluitende voorspellende theorie kan dat. Of zoals Thomas S. Kuhn stelt: “... het is moeilijk om de natuur in een paradigma (model) samen te vatten. Daarom zijn de puzzels van de normale wetenschap zo uitdagend. Het is ook de reden waarom metingen die zonder een paradigma zijn uitgevoerd, zelden leiden tot enige conclusie.”13-2Thomas S. Kuhn 1962, 1970 The Structure of Scientific Revolutions blz. 135
Kunstmatig intelligentie (AI) heeft de speurtocht naar een grand theory weer nieuw leven ingeblazen. Bijvoorbeeld Dr. Marcel Binz en zijn team probeert een volledig gedragssysteem na te bootsen in het AI-model Centaur.13-3Marcel Binz, Akata, E., Bethge, M., Brändle, F., Callaway, F., Coda-Forno, J., ... & Schulz, E.) (2025) Centaur: a foundation model of human cognition Nature Het is ontworpen als een universeel model van het menselijke denken en is in staat om menselijk gedrag te simuleren, voorspellen en verklaren, niet alleen binnen één domein, maar over een breed scala aan cognitieve taken.13-4https://osf.io/v9w37_v2/download/?format=pdf Centaur: A model without a theory 1 2 Jeffrey S. Bowers*, ...
Binz's onderzoekt geavanceerde machine learning methoden (zoals die gebruikt worden in Foundation Models) om de fundamentele principes te ontdekken die ten grondslag liggen aan menselijke kennis en beslissingen. Het idee is dat net zoals grote taalmodellen algemene taalpatronen leren, het AI-model Centaur algemene gedragspatronen en cognitieve mechanismen leert uit een breed scala aan psychologische data. Het Centaur-model is getraind op meer dan tien miljoen beslissingen die zijn verzameld uit psychologische experimenten. Door te trainen op zo'n diverse en omvangrijke dataset, kan Centaur patronen en relaties in menselijk gedrag vastleggen die kleinere, domein-specifieke modellen niet kunnen oppikken. Het model is ontworpen om niet alleen gedrag te voorspellen in de specifieke experimenten waarop het is getraind, maar ook om te generaliseren naar volledig nieuwe experimenten die geen deel uitmaakten van de trainingsdata. Dit wijst op zijn aard als een "Foundation Model": de geleerde kennis is fundamenteel en breed toepasbaar.
Het Centaur-model is getraind op een enorme dataset genaamd Psych-101, die bestaat uit meer dan 10 miljoen individuele beslissingen van meer dan 60.000 deelnemers uit 160 verschillende psychologische experimenten.13-5https://huggingface.co/datasets/marcelbinz/Psych-101/blob/main/README.md13-6https://www.modelscope.cn/datasets/AI-ModelScope/Psych-101/summary De 160 experimenten bestrijken een breed scala aan cognitieve en gedragsdomeinen, waaronder besluitvorming, geheugen, leren met terugkoppeling en complexe besluitvormingsprocessen in een reeks van met elkaar verbonden staten en acties omvatten, waarbij de uitkomst van een actie de volgende staat beïnvloedt.
De kracht van de Psych-101 dataset en het Centaur-model ligt in de schaal en diversiteit. In plaats van honderden afzonderlijke modellen te bouwen voor elk van deze taken, probeert Centaur een uniform model te zijn dat in al deze verschillende contexten menselijk gedrag kan voorspellen en verklaren. Dit is een enorme stap richting een "verenigde theorie van cognitie", waar de psychologie al lang naar streeft. Het laat zien dat er onderliggende, algemene principes zijn in hoe de mens informatie verwerkt, leert en beslissingen neemt, die een Foundation Model kan leren.
Vorige pagina Volgende pagina Naar inhoudsopgave