Способен ли ИИ воссоздать черты личности человека, показало исследование российских ученых
Команда исследователей из Санкт-Петербургского государственного университета вместе с коллегами из Института искусственного интеллекта AIRI и Института психологии РАН проверила, насколько ИИ умеет воссоздавать индивидуальный психологический профиль человека. Как передает ТАСС, выяснилось, что нейросети неплохо справляются с глобальными личностными чертами, но при этом тяготеют к «идеализации».
В практическом плане подобные технологии могут пригодиться для персонализации обучения, психологической и мотивационной поддержки, организационных коммуникаций и взаимодействия человека с интеллектуальными системами. Еще одно перспективное направление — моделирование поведения не только отдельных людей, но и целых команд.
В рамках масштабного исследования ученые оценивали, способны ли большие языковые модели создавать «цифровых двойников». Задача отличалась от простой имитации собеседника: требовалось измеримо воспроизвести конкретные индивидуальные различия человека на основе материалов его интервью. В эксперименте приняли участие 645 человек. Исследователи проанализировали 38 показателей, среди которых черты личности, ценности, моральные установки и отношение к материальным благам. После этого ИИ-модели получали материалы интервью и предсказывали ответы конкретного участника на тестовые вопросы, а затем прогнозы сверяли с реальными ответами.
Оказалось, что точность моделирования во многом определяется самой психологической характеристикой. Легче всего нейросети даются глобальные черты «Большой пятерки» — у них выражена поведенческая составляющая, и они ярче проявляются в речи и самоописании. Труднее приходится с глубинными мотивами, ценностями и специфическими установками.
Помимо этого, ученые обнаружили устойчивый эффект «идеализации»: нейросети склонны завышать людям доброжелательность и добросовестность, одновременно занижая нейротизм и черты «темной триады» — нарциссизм, макиавеллизм и психопатию. Фиксация таких систематических смещений важна на практике: она подсказывает, какие оценки нельзя применять без дополнительной калибровки.
Кроме того, эксперименты продемонстрировали, что механическое наращивание объема информации не всегда улучшает точность прогноза. Для части показателей более короткий и релевантный контекст давал лучший результат. Этот вывод указывает практическое направление дальнейшей работы — не просто копить данные о человеке, а отбирать сведения, действительно связанные с прогнозируемой характеристикой.
В пресс-службе отметили, что в ходе исследования протестировали пять разных нейросетевых архитектур. Это позволило выявить общие ограничения технологии и наметить пути совершенствования персонализированного моделирования. Полученные данные могут пригодиться как в фундаментальной науке, так и в прикладных задачах, связанных с созданием высокоточных цифровых моделей поведения.
Ранее стало известно, что туристы при планировании горного восхождения доверились советам ИИ. В результате они оказались в ловушке, один человек получил травму.