توی این مقاله میخوام براتون تعریف کنم که چطور هوش مصنوعی پیشبینی میکنه ما آدما چه شخصیتی داریم و نتایج تستهای شخصیتشناسی رو چطور حدس میزنه!
چکیده
یک مطالعه جدید روش جدیدی رو با استفاده از چتجیپیتی (GPT-4) ارائه داده که میتونه پرسشنامههای ارزیابی شخصیت رو از روی هر متن منبعی بسازه، اعتبارسنجی کنه و حتی پاسخهای مردم رو پیشبینی کنه. تیم تحقیقاتی این مدل رو با ساختن پرسشنامه از دو متن کاملاً متفاوت امتحان کرد: یکی کتاب تخصصی و بالینی «راهنمای تشخیصی و آماری اختلالات روانی» (DSM-5) و دیگری یک کتاب رمل و اسطرلاب و طالعبینی غیرعلمی! پرسشنامههایی که توسط این مدل زبانی بزرگ ساخته شد، تونستن سیگنالهای روانشناختی باارزشی رو از هر دو متن بیرون بکشن.
پرسشنامهای که از کتاب DSM-5 استخراج شده بود، ثبات داخلی بسیار بالایی داشت که کاملاً با استاندارد طلایی «پنج عامل بزرگ شخصیت» (BFI) برابری میکرد. مدل GPT-4 حتی قبل از اینکه پرسشنامهها به آدما داده بشه، با دقت بالایی پیشبینی کرد که شرکتکنندهها چه پاسخی به سوالات میدن و همبستگی بین سوالات رو هم درست حدس زد. این یافتهها نشون میده که مدلهای زبانی بزرگ، ساختار و روانشناسی شخصیت انسان رو به صورت عمیق و در حد یک متخصص از دل دادههای متنی اینترنت یاد گرفتن. این دستاورد، یک ابزار تحولآفرین برای ساخت سریع ابزارهای روانسنجی و ارزیابی خودکار ارزیابیها به حساب میاد.
نکات کلیدی
-
درک عمیق شخصیت در زبان طبیعی: مدل GPT-4 نشون داد که بدون نیاز به آموزش تخصصی در حوزه روانشناسی، تونسته ساختار شخصیت انسان رو فقط از طریق یادگیری از دادههای عمومی اینترنت درک کنه.
-
مقایسه اعتبار DSM-5 و طالعبینی: پرسشنامهای که از DSM-5 ساخته شده بود، ثبات داخلی بسیار بالایی داشت که با تست استاندارد «پنج عامل بزرگ» همخوانی میکرد؛ اما پرسشنامه طالعبینی ثبات درونی ضعیفی بین ویژگیهای مربوط به ماه تولد داشت که واقعیتهای روانسنجی دنیای واقعی رو منعکس میکنه.
-
حفظ سیگنالهای روانشناختی در متون غیرعلمی: با وجود اینکه دستهبندیهای ماه تولد پایه علمی ندارن، چتجیپیتی تونست ادبیات مرتبط با ویژگیهای شخصیتی رو ازش بیرون بکشه. این سوالات تونستن پیامدهایی مثل افسردگی، اضطراب و رفاه افراد رو در حد و اندازهی تست معتبر BFI پیشبینی کنن.
-
پیشبینی پاسخهای مردم بدون تجربه قبلی (Zero-Shot): چتجیپیتی قبل از اینکه ۶۰۰ نفر شرکتکننده بخوان تستها رو پر کنن، میانگین پاسخها و ارتباط بین سوالات رو دقیق پیشبینی کرد؛ یعنی مثل یک ارزیاب خودکار برای خروجیهای روانسنجی خودش عمل کرد.
-
مرزهای فرهنگی و زبانی: پژوهشگران هشدار میدن که این دقت پیشبینی فعلاً وابستگی زیادی به دادههای متنی انگلیسی و غربی داره و تحقیقات برای بررسی عملکرد آن در زبانها و فرهنگهای دیگه ادامه داره.
منبع: Cell Press دانشمندان در مقالهای که ۶ آگوست در مجله iScience (از انتشارات Cell Press) منتشر شد، روشی رو توضیح دادن که با استفاده از چتجیپیتی میشه از هر متن مبدئی، پرسشنامههای ارزیابی شخصیت ساخت.
آنها برای امتحان کردن این روش، اون رو هم روی کتاب مرجع DSM-5 و هم به عنوان یک مثال غیرمعمول، روی یک کتاب طالعبینی پیاده کردن. چتجیپیتی نه تنها تونست این پرسشنامهها رو بسازه و اعتبارسنجی کنه، بلکه حتی قبل از توزیع پرسشنامهها، تونست پاسخهای مردم رو با دقت پیشبینی کنه!
چتجیپیتی و سایر مدلهای زبانی بزرگ (LLM) با جمعآوری ترابایتها داده متنی از وبسایتها و شبکههای اجتماعی آموزش میبینن. به خاطر همین آموزشهای گسترده، محققان میخواستن ببینن آیا این مدلها درک عمیق و متخصصانهای از زبان انسان و به تبع آن، شخصیت انسان در الگوریتمهای خود دارن یا نه.
روتم منسا (Rotem Monsa) نویسنده اصلی این مقاله از دانشگاه عبری اورشلیم میگه: «از اونجایی که ویژگیهای شخصیتی خودشون رو در زبان بازتاب میدن، مدلهای زبانی ممکن هست ساختار شخصیت انسان رو به عنوان یک محصول جانبی طبیعی از آموزشهاشون یاد گرفته باشن. بنابراین، با اینکه بهشون مستقیماً روانشناسی یا نظریههای شخصیت آموزش داده نشده، این مفاهیم قبلاً در زبانی که یاد گرفتن نهادینه شده.»
برای اینکه ببینن مدلهای زبانی چقدر میتونن به طور طبیعی شخصیت انسان رو ارزیابی کنن، محققان از GPT-4 برای ساخت دو پرسشنامه شخصیت استفاده کردن. در مرحله اول، از بخش اختلالات شخصیت کتاب DSM-5 (که یک متن شناختهشده برای تشخیص اختلالات روانی توسط پزشکان است) استفاده کردن، با این فرض که ویژگیهای شخصیتی در ادامه طیف اختلالات شخصیتی قرار دارن.
به عنوان یک نمونه کنترلی، پرسشنامه دیگری هم از یک کتاب طالعبینی ساخته شد. برای مورد اول، چتجیپیتی پرسشنامهای با گزارههای شخصیتی بر اساس توصیفهای اختلالات شخصیت در DSM-5 ساخت. مثلاً بر اساس بخش اختلال شخصیت پارانوئید، پرسشنامه از شرکتکنندگان میخواست میزان موافقت خود (از ۱ = کاملاً مخالفم تا ۵ = کاملاً موافقم) رو با جملاتی مثل «غالباً به انگیزه دیگران شک دارم» یا «اعتماد کردن به دیگران برایم آسان است» مشخص کنن.
پرسشنامه طالعبینی هم جملات مشابهی رو تولید کرد، اما این جملات بر اساس انتساب ویژگیهای شخصیتی به ماه های مختلف تولد در کتاب طالعبینی ساخته شده بودن.
منسا میگه: «ما میخواستیم متونی رو انتخاب کنیم که شخصیت انسان رو با جزئیات خیلی غنی توصیف کنن، اما از نظر پایه علمی در دو نقطه کاملاً متضاد قرار داشته باشن. کتاب DSM-5 طی دههها تحقیقات بالینی اصلاح شده و راهنمای تشخیصی استاندارد در روانپزشکی است که در سراسر جهان شناخته شده. در مقابل، متن طالعبینی کاملاً ریشه فرهنگی داره و از نظر علمی تأیید نشده.»
بعد از اینکه پرسشنامههای برپایه هوش مصنوعی ساخته شدن، آنها رو همراه با تست شخصیت پنج عامل بزرگ (BFI) – که معتبرترین تست شخصیتشناسی تا به امروزه – به ۶۰۰ شرکتکننده دادن تا کاراییشون رو بررسی کنن.
نتایج پرسشنامه استخراجشده از DSM-5 نشاندهنده ثبات درونی بالایی در دستههای شخصیتی بود؛ یعنی ویژگیهایی که در دنیای واقعی معمولاً با هم همبستگی دارن (مثل اجتناب و وابستگی)، در پاسخهای شرکتکنندگان هم با هم همبستگی داشتند. نکته مهم این بود که این نتایج کاملاً منعکسکننده نتایج تست معتبر BFI بود؛ یافتهای که به تأیید قدرت این پرسشنامه در سنجش الگوهای واقعی روانشناسی انسان کمک میکنه.
همونطور که پیشبینی میشد، پرسشنامه طالعبینی برعکس عمل کرد و ثبات درونی ضعیفی رو بین ویژگیها نشان داد. منسا میگه: «دادههای ما نشان میده که عناصر طالعبینی ابعاد روانشناختی منسجمی رو منعکس نمیکنن. ویژگیهای شخصیتی که مثلاً در عناصر آتش کنار هم قرار گرفته بودند، در جمعیت واقعی انسانها واقعاً کنار هم قرار نمیگیرند.»
با وجود این محدودیت، هر دو پرسشنامه تونستن نتایج زندگی مثل افسردگی، اضطراب و رفاه رو از روی پاسخها در سطحی کاملاً قابل مقایسه با تست BFI پیشبینی کنن. این موضوع نشان میده که حتی اگر نسبت دادن ویژگیهای شخصیتی به ماههای تولد پایه علمی نداشته باشه، محتوای مرتبط با شخصیتی که مدلهای زبانی از این متون استخراج میکنند، همچنان حاوی سیگنالهای روانشناختی باارزشی است.
اما شگفتانگیزترین نتیجه این بود که چتجیپیتی میتونست پیشبینی کنه که شرکتکنندگان قبل از دادن تست، چطور به پرسشنامهها پاسخ میدن! برای هر دو پرسشنامه، چتجیپیتی میانگین پاسخها و همبستگی بین سوالات رو با دقت بسیار بالایی در دنیای واقعی حدس زد. این موضوع نشون میده که مدلهای زبانی بزرگ، درک و بینش ذاتی از دینامیک شخصیت در سطح جامعه دارند.
منسا میگه: «این حقیقت که مدلهای زبانی میتونن الگوهای پاسخدهی انسان رو قبل از دیدن هرگونه داده انسانی پیشبینی کنن، نشون میده این مدلها چیزهای بسیار ارزشمند و عمومی درباره روانشناسی انسان مشاهده و درک کردن. این نتایج به ما میگه که مدلهای زبانی فقط یک ابزار خوب برای تولید محتوا نیستن، بلکه مثل یک ارزیاب آگاه برای خروجیهای خودشون هم عمل میکنن.»
با این حال، نویسندگان مقاله اشاره میکنن که اگر این روشها در زبانها و فرهنگهای دیگه تکرار بشن، ممکن هست نتایج یکسانی نداشته باشن. روتم میگه: «ما حدس میزنیم که در سایر زبانها و فرهنگها، نتایج به این محکمی نباشه، چون مدلهای زبانی بیشتر روی متون انگلیسی و فرهنگهای غربی آموزش دیدن. به نظرمون این موضوع بسیار جذابه و چند نفر از همکاران ما در آزمایشگاه در حال حاضر مشغول تست اون با استفاده از مدلهای زبانی در زبانهای دیگه هستند.»
در مجموع، این نتایج نشان میده که مدلهای زبانی بزرگ میتونن به محققان کمک کنن تا به سرعت از هر متن مبدئی، پرسشنامههای مبتنی بر شخصیت بسازن و مستقیماً اعتبار اونها رو برای کاربردهای بالینی تست کنن. علاوه بر این، ترکیب بینشهای بالینی و روانشناختی با قدرت ابزارهای مبتنی بر هوش مصنوعی، یک مرحله تحولآفرین در توسعه روانشناسی بالینی و تجربی است که میتونه تأثیر عمیقی بر این حوزه بگذاره.
پاسخ به سوالات کلیدی
چتجیپیتی چطور بدون اینکه آموزش تخصصی روانشناسی دیده باشه، پرسشنامه شخصیت میسازه؟
پاسخ: از اونجایی که ویژگیهای شخصیتی انسان مستقیماً در زبان روزمره کدگذاری میشن، مدلهای زبانی بزرگ روابط ساختاری زیربنایی روانشناسی انسان رو به عنوان یک محصول جانبی طبیعی از آموزش روی ترابایتها کلمه متنی یاد میگیرن. این ویژگی به مدل اجازه میده تا متون پیچیده رو به سوالات پرسشنامهای با ساختار روانسنجی تبدیل کنه.
چرا پرسشنامه طالعبینی با وجود اینکه ثبات درونی نداشت، اما تونست وضعیت رفاه و سلامت روان رو خوب پیشبینی کنه؟
پاسخ: پرسشنامه طالعبینی ثبات درونی نداشت چون ویژگیهایی که زیر مجموعه ماههای تولد قرار گرفته بودن، در دنیای واقعی و در جامعه انسانها همزمان اتفاق نمیافتن. با این حال، از اونجایی که سوالات فردی تولیدشده توسط چتجیپیتی همچنان ادبیات واقعی و مرتبط با شخصیت رو در بر میگرفت، پاسخهای افراد به اون سوالات خاص هنوز سیگنالهای روانشناختی کافی برای همبستگی با پیامدهایی مثل اضطراب و رفاه رو داشت.
اهمیت بالینی اصلی پیشبینی پاسخهای پرسشنامه توسط هوش مصنوعی قبل از دادن اون به انسانها چیست؟
پاسخ: توانایی مدلهای زبانی در پیشبینی میانگین پاسخهای جامعه و همبستگی سوالات، به محققان این امکان رو میده که قبل از هزینههای سنگین و صرف زمان برای آزمایشهای انسانی، پرسشنامههای روانسنجی رو پیشاعتبارسنجی و اصلاح کنن. این موضوع هوش مصنوعی رو نه فقط به یک تولیدکننده محتوا، بلکه به یک ارزیاب سریع و خودکار برای تحقیقات بالینی و روانشناسی تبدیل میکنه.
یادداشتهای تحریریه: این مقاله توسط ادیتور Neuroscience News ویرایش شده است. مقاله ژورنال به طور کامل بررسی شده است. توضیحات تکمیلی توسط پرسنل ما اضافه شده است.
کلام انتهایی
علمی ساخت و تحلیل پرسشنامههای شخصیت با استفاده از مدلهای زبانی بزرگ مدل پنج عاملی شخصیت («پنج عامل بزرگ») بر اساس این فرضیه زبانی استوار است که ویژگیهای شخصیتی در خودِ زبان کدگذاری میشوند. مدلهای زبانی بزرگ (LLM) روشهای جدیدی رو برای کاوش در شخصیت از طریق متن ارائه میدهند. ما روشی مبتنی بر مدلهای زبانی برای ساخت و اعتبارسنجی پرسشنامههای شخصیت از منابع متنی توسعه دادیم.
با استفاده از بخش اختلالات شخصیت DSM-5 و یک کتاب محبوب طالعبینی، دو پرسشنامه ساختیم و آنها رو همراه با تست پنج عامل بزرگ (BFI) روی ۶۰۰ فرد بزرگسال اجرا کردیم. ثبات درونی برای تست BFI و پرسشنامه مبتنی بر DSM بالا بود، اما برای پرسشنامه مبتنی بر طالعبینی پایین بود. مدل زبانی توانست الگوهای پاسخدهی انسان رو برای هر دو پرسشنامه ساختهشده پیشبینی کنه. سوالات فردی هر دو پرسشنامه (هم DSM و هم طالعبینی) تونستن پیامدهای مختلف زندگی رو در سطوحی قابل مقایسه با BFI پیشبینی کنند. این یافتهها نشان میدهد که مدلهای زبانی بزرگ میتوانند ابزارهای سنجش شخصیت رو بسازند و الگوهای پاسخدهی رو پیشبینی کنند و یک چارچوب مقیاسپذیر برای تحقیقات شخصیت مبتنی بر متون ارائه دهند.
