Исследователи СПбГУ изучили психологические особенности, воспроизводимые ИИ
Сотрудники Санкт-Петербургского государственного университета в сотрудничестве с Институтом искусственного интеллекта AIRI и Институтом психологии РАН провели обширное исследование цифровых моделей личности. Ученые выяснили, какие черты, ценности и установки современные языковые модели способны воспроизводить на основе интервью, а для каких характеристик требуются дополнительные методы и данные. Результаты работы опубликованы в журнале IEEE Access. Об этом сообщает сайт CNews.
Большие языковые модели (БЯМ) являются основой современных систем искусственного интеллекта, которые могут вести диалог, создавать тексты, переводить, писать код и взаимодействовать с пользователями. Исследователи, включая сотрудников Центра искусственного интеллекта и науки о данных СПбГУ, изучили более сложную задачу — создание персонализированной модели человека на основе его интервью.
Работа основывается на концепции цифрового двойника — компьютерной модели, использующей информацию о конкретном человеке для прогнозирования его ответов и поведения в различных ситуациях. В отличие от создания правдоподобного собеседника, здесь важно воспроизвести индивидуальные различия в измеримых и проверяемых параметрах. Поэтому ученые оценивали не только убедительность ответов ИИ, но и их соответствие реальным психометрическим данным участников.
В эксперименте участвовали 645 человек, с каждым из которых провели интервью, после чего они заполнили психометрические методики, оценивающие черты личности, ценности и установки. Всего было проанализировано 38 показателей. ИИ-модели получали интервью и прогнозировали ответы участников на тестовые вопросы, которые затем сравнивались с фактическими ответами.
Такой подход позволил впервые рассмотреть цифровую модель личности не как абстракцию «среднего человека», а как проверяемый индивидуальный прогноз. Результаты показали, что точность прогнозов зависит от психологической характеристики. Лучше всего воспроизводятся особенности, которые явно проявляются в речи и самоописании, такие как религиозность и экстраверсия. Моделям сложнее распознавать менее очевидные мотивы, скрытую тревожность и представления о справедливости.
Исследователи также обнаружили систематический эффект идеализации: модели склонны приписывать людям более высокие показатели доброты и честности, занижая оценки по темной триаде — нарциссизму, макиавеллизму и психопатии. Это открытие имеет практическое значение, так как указывает на оценки, которые требуют дополнительной калибровки.
Отдельная часть экспериментов была посвящена влиянию способа представления информации на качество прогнозов. Ученые изменяли объем доступных фрагментов интервью и добавляли сгенерированные психологические портреты. Выяснилось, что увеличение контекста не всегда приводит к более высокой точности: для некоторых показателей сокращенный и более релевантный контекст давал лучшие результаты.
В исследовании сравнили пять нейросетей, что позволило отделить общие ограничения подхода от особенностей отдельных моделей и сформировать ориентиры для дальнейшего улучшения персонализированного моделирования.
Полученные результаты открывают новые возможности как для научных, так и для прикладных задач. По словам научного сотрудника СПбГУ Анастасии Панфиловой, они позволяют проводить предварительное тестирование гипотез и моделировать альтернативные сценарии. В прикладном контексте такие технологии могут использоваться для персонализации обучения и взаимодействия человека с интеллектуальными системами. Результаты цифрового двойника следует рассматривать как прогноз с определенной вероятностью, который необходимо подтверждать для каждой конкретной задачи.
Работа продолжает направление СПбГУ по применению БЯМ для изучения поведения человека. Ранее ученые исследовали возможности ИИ в качестве интервьюера и оценили, насколько ИИ-модели могут формировать вопросы в ходе беседы. Новое исследование делает следующий шаг, проверяя, какую индивидуальную информацию можно извлечь из интервью и насколько точно на ее основе удается прогнозировать психологические показатели.
