Ученые заставили ИИ обдумывать диалоги и свои размышления

Мы привыкли, что искусственный интеллект мгновенно выдаёт ответ. Задаёшь вопрос — получаешь результат. Но что, если правильный ответ требует не скорости, а глубины? И, похоже, российские ученые нашли способ заставить машину «думать» совсем иначе, как это делает человек-эксперт, когда берётся за сложную задачу.

Если попросить ИИ проанализировать разговор между людьми — выявить скрытые мотивы, понять, почему собеседники не договорились, заметить когнитивные искажения, — модель часто буксует. Она выдаёт гладкий, уверенный текст, который при ближайшем рассмотрении оказывается поверхностным, а то и просто выдуманным. Чем сложнее запрос, тем выше шанс, что нейросеть начнёт «галлюцинировать», то есть уверенно говорить вещи, не имеющие отношения к реальности.

Команда из МИФИ подошла к проблеме нетрадиционным способом. Ученые изменили сам процесс размышления, ориентируясь на то, как это делают люди. Человек-аналитик, получив сложный диалог, не выдает заключение сходу. Он читает, выписывает факты, замечает аргументы, ищет противоречия, пытается понять скрытые мотивы, а потом формулирует вывод. Именно этот путь — от простого к сложному, от фактов к интерпретации — исследователи воспроизвели в архитектуре нейросети.

Получилось четыре уровня. На первом модель просто раскладывает диалог на структурные элементы: кто участвует, о чём говорит, какие факты на столе. На втором — анализирует процесс: какими стратегиями пользуются собеседники, где начинаются противоречия. На третьем ищет скрытые мотивации, когнитивные искажения, повторяющиеся паттерны поведения. И только на четвёртом уровне система синтезирует всё собранное в практические рекомендации. Ключевая деталь, что каждый следующий шаг опирается на результаты предыдущего. Модель не начинает с нуля на каждом этапе, а накапливает контекст, как человек, ведущий заметки по ходу анализа. В научной среде такие методы называют метакогнитивными — от слова, означающего «мышление о мышлении».

Проверяли подход на десяти диалогах из совершенно разных сфер, таких как маркетинг, IT-разработка, медицина, управление кризисами. Базовая модель для тестирования GigaChat-Pro показала рост точности выявления инсайтов на 28%. Полнота анализа увеличилась почти на 20%. А качество распознавания скрытых паттернов — тех самых мотивов и искажений, которые обычно ускользают от поверхностного анализа — выросло более чем в два раза.

Конечно, десять диалогов — это проба. Исследователи сами это признают и уже планируют масштабное тестирование на пятистах диалогах. Но даже на такой небольшой выборке результаты говорят сами за себя, ведь дело не в объёме данных, а в том, как именно модель с ними работает. И если подход подтвердится на большом материале, применения можно представить самые разные — от анализа переговоров и клиентских обращений до работы психотерапевтов и медиаторов.