Учёные Aalto University создали ИИ-модель чтения для AR и персонализации текстов

Исследователи Aalto University (Финляндия) совместно с международными партнёрами создали наиболее точную на сегодня вычислительную модель человеческого чтения. Новая система использует обучение с подкреплением — разновидность ИИ из мира робототехники — чтобы воспроизводить и объяснять решения, которые читатель принимает, двигаясь по тексту.

Почему читать «по-человечески» так сложно смоделировать?

Движения глаз при чтении — одни из самых сложных для моделирования когнитивных процессов: человек за секунду принимает десятки неосознанных решений. Исследователи воспроизвели три ключевых типа таких движений: саккады (быстрые перемещения взгляда между словами), фиксации (остановки для обработки информации) и регрессии (возвраты назад при непонимании фрагмента).

Предыдущие модели строились на статистике и фиксированных правилах психолингвистики — и плохо справлялись с индивидуальными различиями между читателями. RL-агент работает иначе: он учится методом проб и получения обратной связи, постепенно формируя адаптивную стратегию, чувствительную к контексту — длине и частотности слова, синтаксической сложности, цели читателя.

• Разработчик: Aalto University (Финляндия) совместно с международными партнёрами
• Метод: reinforcement learning — обучение с подкреплением
• Объект: саккады, фиксации и регрессии глаз при чтении
• Результат: наиболее точная вычислительная модель чтения на август 2026 года
• Применения: персонализация текстов, дополненная реальность, доступность и диагностика

«Новая модель использует обучение с подкреплением — разновидность ИИ

из мира робототехники — чтобы объяснять и воспроизводить решения, которые читатели принимают, двигаясь по тексту», — говорится в описании исследования Aalto University.

Для чего применят новую модель?

Персонализация контента: если система знает, как конкретный читатель воспринимает текст, она может динамически подстраивать длину предложений, форматирование и расстановку акцентов. Для образовательных платформ это влияет на усвоение материала; для медиа — на глубину и удержание читателя.

Дополненная реальность: AR-очки и шлемы должны знать, куда пользователь смотрит прямо сейчас, чтобы накладывать информацию точно в фокус без задержки и смещения. Аппаратные айтрекеры точны, но дороги и энергоёмки. Предиктивная модель на уровне ПО снижает зависимость от специализированного железа.

Доступность и диагностика: у людей с дислексией или дефицитом внимания стратегии чтения системно отличаются от нормы. Точная модель способна выявить эти отличия и помочь проектировать текстовые интерфейсы, которые читаются легче для таких пользователей.

Согласно описанию исследования Aalto University, применение RL впервые позволило воспроизвести именно механизм принятия решений при чтении — а не усреднённый паттерн движений глаз из набора данных.

Что это значит

Академические модели чтения существуют со времён классических психолингвистических исследований 1980-х. Переход к RL-подходу меняет их природу: из описательных они становятся объяснительными и потенциально индивидуально адаптивными. Для разработчиков AR-интерфейсов, EdTech-платформ и издателей это новый инструмент персонализации без дорогостоящих датчиков. Открытый вопрос — насколько хорошо модель обобщается на разные языки, системы письма и типы текста.

Частые вопросы

Что такое обучение с подкреплением в контексте чтения?

Обучение с подкреплением (reinforcement learning) — метод ИИ, при котором агент учится путём проб и ошибок, получая обратную связь от среды. Ту же технологию используют в робототехнике и обучении игровых агентов; исследователи Aalto University применили её к моделированию того, как читатель принимает решения при движении по тексту.

Чем новая модель отличается от предыдущих?

Предыдущие модели давали усреднённые предсказания на основе статистики и фиксированных правил. Новая воспроизводит адаптивный механизм принятия решений — контекстно-зависимый и ближе к поведению конкретного человека, а не усреднённой группы испытуемых.