La mentalització, la capacitat d'inferir què pensa, què vol o què sap una altra persona per anticipar com actuarà, és una de les habilitats socials més estudiades en psicologia i neurociència, i cada cop més investigadors es pregunten si els models de llenguatge en desenvolupen alguna forma pròpia quan s'entrenen amb quantitats ingents de text escrit per humans.
Un equip encapçalat per Aamir Sohail, amb Xintong Zhong, Arkady Konovalov, Patricia L. Lockwood i Lei Zhang, del Centre for Human Brain Health de la Universitat de Birmingham, ha posat a prova aquesta pregunta amb jocs econòmics de decisió estratègica, el tipus d'experiment que la psicologia fa servir habitualment amb persones per mesurar el raonament social, combinats amb models computacionals que permeten quantificar-ne els resultats. Van comparar 2.099 «agents» generats amb quatre famílies de models de llenguatge (DeepSeek, GPT-4.1, GPT-5 i Gemini 2.0 Flash) amb 251 participants humans reals. Els resultats mostren que els models presenten «senyals conductuals i computacionals clars de mentalització que difereixen marcadament segons el fabricant i la mida del model», i que un simple canvi en la manera de formular la instrucció (el «prompt») millora el rendiment de manera desigual segons la tasca, amb GPT-5 mostrant una profunditat de raonament adaptativa que en alguns escenaris supera la de les persones.
L'interès de l'estudi no és només si els models «endevinen» bé les intencions alienes, sinó que fa servir el mateix marc de modelització computacional amb què la neurociència social estudia el cervell humà per comparar-hi directament un sistema d'IA, cosa que permet distingir si un model arriba al resultat correcte pel mateix «camí» de raonament que una persona o per una drecera estadística diferent. Entendre-ho té implicacions pràctiques directes per als usos on un model d'IA ha d'anticipar com respondrà un usuari real, des d'assistents de negociació fins a eines educatives o terapèutiques.
Es tracta d'un preprint penjat aquesta mateixa setmana a arXiv, encara no revisat per parells, i els autors adverteixen que les diferències de rendiment entre models comercials poden canviar d'una versió a l'altra sense cap avís previ per part de les empreses que els fabriquen, cosa que dificulta comparar-los de manera estable al llarg del temps. Els autors tampoc afirmen que els models «entenguin» les intencions alienes en el sentit humà del terme, només que en reprodueixen certs patrons conductuals i computacionals mesurables.