В статье рассматриваются возможности методологического влияния современной области машинного обучения на психологию и нейронауку для улучшения предсказывающего потенциала нейропсихологических моделей. Обсуждается аргумент сторонников предиктивных теорий, что преодоление проблем исследований, вызвавших кризис воспроизводимости в психологии, может быть достигнуто посредством использования больших датасетов, аккуратной оценки предсказательных ошибок модели, а также упрощения модели за счет устранения несущественных коэффициентов. В этой связи указывается, что критикуемые предиктивистами исследования с небольшой выборкой не являются образцом объяснительных психологических моделей. Теории в когнитивной психологии, когнитивной нейронауке, нейропсихологии и психофизиологии в большей степени имеют отношение к идентификации причинных механизмов познания и поведения. Вероятно, в большей степени точности и в бо́льших возможностях манипуляции каузальными факторами познания и поведения кроется важнейшее различие между теориями механистических объяснений и вдохновленными машинным обучением предиктивными моделями. Последние в отрыве от поиска реальных причинных механизмов могут ухватывать только поверхностные корреляции между событиями. При принятии важных решений в контексте образовательной, биомедицинской и правовой деятельности лучше опираться на знание каузальных механизмов познания и поведения. Соответственно, предиктивные модели не могут вытеснить теории, ищущие механистические объяснения познания и поведения. Вместо выбора между предсказательной и объяснительной методологиями более продуктивным было бы нахождение оптимального баланса между ними.
психология; машинное обучение; предсказание; объяснение; методология науки.