Σε νέα μελέτη, το νέο γλωσσικό μοντέλο τεχνητής νοημοσύνης GPT-4 κατάφερε να… «προβλέψει» με εντυπωσιακή ακρίβεια τις μέσες απαντήσεις 600 συμμετεχόντων σε ερωτήσεις για την προσωπικότητά τους, βάζοντας στο ίδιο πείραμα ψυχιατρικά κριτήρια, ζώδια και ακόμη και… ένα εγχειρίδιο φούρνου.
Η έρευνα των Rotem Monsa, Aviv Zohar και Shahar Arzy, από το Hebrew University of Jerusalem και το Hadassah Medical School, δημοσιεύθηκε στο επιστημονικό περιοδικό iScience με τίτλο Generating and analyzing personality questionnaires using large language models.
Το εύρημα είναι εντυπωσιακό, αλλά χρειάζεται μια κρίσιμη διευκρίνιση: το GPT-4 δεν απέδειξε ότι μπορεί να «διαβάσει» την προσωπικότητα ενός συγκεκριμένου ανθρώπου. Αυτό που έδειξε είναι ότι μπορεί να αναπαράξει με σημαντική ακρίβεια συλλογικές τάσεις και στατιστικά μοτίβα που εμφανίζονται στις ανθρώπινες απαντήσεις.
Οι ερευνητές ζήτησαν από το GPT-4 να δημιουργήσει δύο ερωτηματολόγια προσωπικότητας, χρησιμοποιώντας δύο πηγές που βρίσκονται σχεδόν στα αντίθετα άκρα ως προς την επιστημονική τους τεκμηρίωση.
Το πρώτο βασίστηκε στο DSM-5, το ευρέως χρησιμοποιούμενο διαγνωστικό εγχειρίδιο της ψυχιατρικής, και ειδικότερα στις περιγραφές που αφορούν τις διαταραχές προσωπικότητας.
Το δεύτερο δημιουργήθηκε από ένα βιβλίο αστρολογίας, το οποίο απέδιδε συγκεκριμένα χαρακτηριστικά προσωπικότητας στα δώδεκα ζώδια.
Στη συνέχεια, 600 συμμετέχοντες συμπλήρωσαν και τα δύο ερωτηματολόγια, μαζί με το Ερωτηματολόγιο των Πέντε Μεγάλων Παραγόντων της Προσωπικότητας (Big Five Inventory), ένα από τα πλέον καθιερωμένα εργαλεία για τη μέτρηση βασικών διαστάσεων του χαρακτήρα.
Το κρίσιμο σημείο είναι ότι, πριν απαντήσουν οι συμμετέχοντες, οι ερευνητές είχαν ήδη ζητήσει από το GPT-4 να εκτιμήσει ποια θα ήταν η μέση απάντηση σε κάθε ερώτηση, σε κλίμακα πέντε βαθμών.
Οι εκτιμήσεις του μοντέλου παρουσίασαν υψηλή συσχέτιση με τις πραγματικές απαντήσεις: 0,71 στο ερωτηματολόγιο που βασίστηκε στο DSM-5 και 0,85 σε εκείνο που προήλθε από το αστρολογικό κείμενο.
Το GPT-4 κατάφερε επίσης να προβλέψει σε σημαντικό βαθμό τις σχέσεις μεταξύ διαφορετικών ερωτήσεων, με συσχετίσεις 0,74 για το DSM-5 και 0,69 για την αστρολογία.
Με άλλα λόγια, το μοντέλο δεν προέβλεπε απλώς ποια απάντηση θα ήταν πιθανότερη μεμονωμένα, αλλά είχε αποτυπώσει και ορισμένα από τα μοτίβα με τα οποία διαφορετικά χαρακτηριστικά εμφανίζονται μαζί στον πληθυσμό.
Το αποτέλεσμα, πάντως, δεν σημαίνει ότι η μελέτη επιβεβαιώνει τα ζώδια. Κάθε άλλο.
Το ερωτηματολόγιο που προέκυψε από το DSM-5 παρουσίασε αρκετά υψηλή εσωτερική συνοχή. Δηλαδή, χαρακτηριστικά που στην πραγματική ζωή συχνά συνδέονται μεταξύ τους εμφάνισαν αντίστοιχες σχέσεις και στις απαντήσεις των συμμετεχόντων.
Στο ερωτηματολόγιο της αστρολογίας, αντίθετα, η συνοχή ήταν αισθητά χαμηλότερη. Οι ομάδες χαρακτηριστικών που υποτίθεται ότι αντιστοιχούσαν στα ζώδια δεν σχημάτιζαν τις ψυχολογικές δομές που θα αναμένονταν εάν οι αστρολογικές κατηγορίες αντανακλούσαν πραγματικές και διακριτές διαστάσεις της προσωπικότητας.
Αντίθετα, αρκετές από τις απαντήσεις έτειναν να οργανώνονται γύρω από ευρύτερα και ήδη γνωστά χαρακτηριστικά προσωπικότητας.
Παρόμοια εικόνα προέκυψε και όταν οι ερευνητές εξέτασαν τη βαθύτερη στατιστική δομή των ερωτηματολογίων. Το εργαλείο των Πέντε Μεγάλων Παραγόντων πλησίασε περισσότερο την αναμενόμενη θεωρητική του διάρθρωση, ενώ τα ερωτηματολόγια που δημιουργήθηκαν από το DSM-5 και κυρίως από το αστρολογικό κείμενο εμφάνισαν σαφώς ασθενέστερη αντιστοίχιση.
Για να δουν μέχρι πού μπορεί να φτάσει αυτή η ικανότητα, οι επιστήμονες έκαναν ένα ακόμη πιο παράξενο πείραμα.
Έδωσαν στο GPT-4 ως πρώτη ύλη ένα εγχειρίδιο φούρνου Bosch και μια λογοτεχνική περιγραφή τοπίου από τον Άρχοντα των Δαχτυλιδιών.
Παρότι κανένα από τα δύο κείμενα δεν είχε γραφτεί με σκοπό να περιγράψει την ανθρώπινη προσωπικότητα, το μοντέλο κατάφερε και πάλι να δημιουργήσει ερωτήσεις που έμοιαζαν με κανονικό ψυχομετρικό ερωτηματολόγιο.
Εδώ βρίσκεται ίσως και ένα από τα σημαντικότερα προειδοποιητικά συμπεράσματα της έρευνας.
Το γεγονός ότι ένα γλωσσικό μοντέλο μπορεί να συντάξει μια ερώτηση που ακούγεται ψυχολογικά εύστοχη δεν σημαίνει ότι αυτή μετρά πράγματι το χαρακτηριστικό που υποτίθεται ότι εξετάζει.
Όταν το αρχικό κείμενο δεν είχε ουσιαστική σχέση με την προσωπικότητα, αρκετές από τις ερωτήσεις που παρήγαγε το GPT-4 ήταν περιορισμένες ως προς το νόημά τους ή δεν συνδέονταν με σαφή τρόπο με κάποιο συγκεκριμένο ψυχολογικό χαρακτηριστικό.
Η ερμηνεία που προτείνουν οι ερευνητές σχετίζεται άμεσα με τον τρόπο με τον οποίο εκπαιδεύονται τα μεγάλα γλωσσικά μοντέλα.
Ένα σημαντικό μέρος της σύγχρονης έρευνας για την προσωπικότητα στηρίζεται στην ιδέα ότι τα χαρακτηριστικά και οι συμπεριφορές των ανθρώπων αφήνουν το αποτύπωμά τους στη γλώσσα.
Τα μεγάλα γλωσσικά μοντέλα έχουν εκπαιδευτεί πάνω σε τεράστιους όγκους ανθρώπινου γραπτού λόγου. Είναι επομένως πιθανό να έχουν απορροφήσει, χωρίς να τους έχουν διδαχθεί ρητά, σχέσεις ανάμεσα σε γνωρίσματα του χαρακτήρα, συμπεριφορές και στους τρόπους με τους οποίους οι άνθρωποι περιγράφουν τόσο τον εαυτό τους όσο και τους γύρω τους.
Όπως σημειώνουν οι ερευνητές, το GPT-4 δεν χρειάστηκε να διδαχθεί ξεχωριστά κάποια ολοκληρωμένη θεωρία περί προσωπικότητας για να εμφανίσει αυτά τα μοτίβα. Μέρος αυτής της γνώσης μπορεί να βρίσκεται ήδη διάχυτο μέσα στη γλώσσα πάνω στην οποία εκπαιδεύτηκε.
Η δυνατότητα αυτή θα μπορούσε στο μέλλον να βοηθήσει τους επιστήμονες να σχεδιάζουν και να δοκιμάζουν προκαταρκτικά ερωτηματολόγια ταχύτερα, προτού περάσουν στο πιο δαπανηρό και χρονοβόρο στάδιο της συλλογής δεδομένων από πραγματικούς συμμετέχοντες.
Δεν υποκαθιστά, όμως, την ανάγκη για επιστημονικό έλεγχο και πραγματική ψυχομετρική αξιολόγηση. Το γεγονός ότι ένα μοντέλο μπορεί να προβλέψει με αρκετή ακρίβεια τον μέσο όρο των απαντήσεων μιας ομάδας δεν σημαίνει ότι μπορεί να αξιολογήσει αξιόπιστα την προσωπικότητα ενός συγκεκριμένου ανθρώπου, ούτε ότι ένα ερωτηματολόγιο που δημιουργεί είναι αυτομάτως έγκυρο.
Για να χρησιμοποιηθεί ένα τέτοιο εργαλείο στην ψυχολογική έρευνα απαιτείται να αποδειχθεί, με πραγματικά δεδομένα και επαναλαμβανόμενες δοκιμές, ότι οι ερωτήσεις του μετρούν πράγματι το χαρακτηριστικό που υποτίθεται ότι εξετάζουν και ότι δίνουν σταθερά αποτελέσματα σε διαφορετικούς ανθρώπους και πληθυσμούς.
Η μελέτη, επομένως, δεν δείχνει ότι το GPT-4 μπορεί να «διαβάζει» τον χαρακτήρα μας. Δείχνει κάτι πιο συγκεκριμένο: ότι μέσα στις τεράστιες ποσότητες ανθρώπινου λόγου πάνω στις οποίες έχει εκπαιδευτεί φαίνεται να έχει απορροφήσει μοτίβα για το πώς οι άνθρωποι περιγράφουν, συνδέουν και εκφράζουν στοιχεία της προσωπικότητάς τους. Και αυτό μπορεί να αποδειχθεί πολύτιμο εργαλείο για την έρευνα — αρκεί η στατιστική ομοιότητα να μη συγχέεται με πραγματική ψυχολογική κατανόηση.
Περισσότερες ειδήσεις
«Πείραξαν» δείγματα DNA με Τεχνητή Νοημοσύνη – Το κενό ασφαλείας που ανησυχεί τις Αρχές
Σάλος με το παιδικό «Πέππα: Το γουρουνάκι» — Ζητούν από παιδιά να παραχωρήσουν τη φωνή τους στην AI
