چت‌جی‌پی‌تی

هشدار کارشناسان: ChatGPT اکنون در حال پیش‌بینی افکار انسان است

پژوهشی تازه نشان می‌دهد که چت‌جی‌پی‌تی می‌تواند الگوهای پاسخگویی انسان به سوالات شخصیت‌شناسی را با دقت قابل توجهی پیش‌بینی کند، حتی پیش از آنکه افراد واقعی به آن‌ها پاسخ دهند.

مدل‌های زبانی بزرگ مانند چت‌جی‌پی‌تی (ChatGPT) با حجم وسیعی از داده‌های متنی آموزش می‌بینند و این قابلیت‌ها به آن‌ها اجازه می‌دهد تا فراتر از تولید متن عمل کنند. در مطالعه‌ای پیشگامانه، پژوهشگران دانشگاه عبری اورشلیم و مرکز پزشکی هداسا به رهبری روتم مونسا، اویو زوهر و شهار آرزی نشان دادند که مدل زبانی GPT-4 قادر است پیش‌بینی کند که ۶۰۰ نفر چگونه به سوالات شخصیت‌شناسی پاسخ خواهند داد. این کشف، ابعاد جدیدی از درک هوش مصنوعی از روان‌شناسی انسان را آشکار می‌سازد و سوالات مهمی را درباره توانایی این مدل‌ها در درک پویایی‌های پیچیده افکار و احساسات مطرح می‌کند.

چت‌جی‌پی‌تی چگونه افکار انسان را پیش‌بینی می‌کند؟

تیم تحقیقاتی برای انجام این پژوهش، از GPT-4 برای ساخت پرسشنامه‌های شخصیت‌شناسی از دو منبع متنی کاملاً متفاوت استفاده کرد: یکی DSM-5، دفترچه راهنمای استاندارد بالینی برای تشخیص اختلالات شخصیتی، و دیگری کتابی درباره اخترشناسی که ویژگی‌های شخصیتی را به دوازده نشانه زودیاک اختصاص می‌دهد. این پرسشنامه‌ها سپس به ۶۰۰ شرکت‌کننده داده شد و پاسخ‌های آن‌ها با ابزار معتبر Big Five Inventory مقایسه شد. نکته قابل توجه اینجاست که پیش از جمع‌آوری پاسخ‌های انسانی، GPT-4 میانگین امتیازات را برای هر سوال با استفاده از مقیاس پاسخ پنج‌نقطه‌ای لیکرت (Likert) تخمین زده بود.

چت‌جی‌پی‌تی

نتایج نشان داد که تخمین‌های مدل GPT-4 همبستگی قوی با میانگین‌های واقعی شرکت‌کنندگان داشت؛ این همبستگی برای سوالات برگرفته از DSM به ۰٫۷۱ و برای سوالات برگرفته از اخترشناسی به ۰٫۸۵ رسید. همچنین، GPT-4 توانست روابط بین سوالات فردی را نیز تخمین بزند که به همبستگی‌های ۰٫۷۴ برای پرسشنامه DSM و ۰٫۶۹ برای پرسشنامه اخترشناسی منجر شد. این یافته‌ها حاکی از آن است که چت‌جی‌پی‌تی ظاهراً می‌تواند تمایلات پاسخگویی در سطح جمعیت را که در محتوای زبان و پرسشنامه نهفته‌اند، درک کند. با این حال، پژوهشگران تاکید می‌کنند که پیش‌بینی پاسخ‌های میانگین به این معنی نیست که پرسشنامه نهایی می‌تواند تفاوت‌های شخصیتی فردی را به دقت اندازه‌گیری کند.

بیشتر بخوانید

فراتر از داده‌های مستقیم: مدل‌های زبانی بزرگ چه می‌آموزند؟

چت‌جی‌پی‌تی

برای آزمودن بیشتر قابلیت‌های GPT-4، پژوهشگران این مدل را با متونی که حاوی اطلاعات صریح درباره شخصیت نبودند، مانند دفترچه راهنمای یک فر اجاق گاز بوش و توصیف ادبی یک منظره از کتاب ارباب حلقه‌ها، تغذیه کردند. با کمال تعجب، GPT-4 همچنان توانست مواردی شبیه به ارزیابی‌های شخصیت‌شناسی تولید کند، حتی با اینکه هیچ‌یک از این منابع بر اساس ویژگی‌های روان‌شناختی طراحی نشده بودند. این نتیجه نشان می‌دهد که مدل چت‌جی‌پی‌تی ارتباطات قوی بین الگوهای زبانی، توصیفات شخصیت و ساختارهای پرسشنامه‌ای آشنا را آموخته است.

مونسا اضافه کرد: «با توجه به اینکه ویژگی‌های شخصیتی در زبان منعکس می‌شوند، مدل‌های زبانی بزرگ (LLMs) ممکن است ساختار شخصیت انسان را به عنوان محصول طبیعی فرآیند آموزش خود فراگرفته باشند.» او تاکید کرد که «بنابراین، در حالی که به طور خاص روان‌شناسی یا نظریه‌های شخصیت به آن‌ها آموزش داده نشده است، این موارد از پیش در زبانی که LLMs از آن می‌آموزند، گنجانده شده‌اند.» این یافته‌ها نشان می‌دهد که هوش مصنوعی در حال توسعه توانایی‌هایی است که مرزهای درک ما از دانش و آگاهی را جابجا می‌کند.

 

0 دیدگاه
جدیدترین
قدیمی ترین بیشترین رای
بازخورد درون خطی
مشاهده همه نظرات