ИИ-персоны исследуют психологическую основу шкалы осознанности Лангера

ИИ-персоны помогли изучить шкалу осознанности Лангера

ИИ-персоны в психологии

Генеративный ИИ и большие языковые модели можно применять для изучения шкалы осознанности Лангера — известного психологического инструмента, созданного почти 15 лет назад. LMS используют, чтобы оценивать когнитивную осознанность отдельных людей, а также анализировать это свойство на уровне организаций и общества.

ИИ-персона — это созданная генеративным ИИ симуляция, которая вычислительно воспроизводит возможные человеческие мысли и поведение. Исследователь может задействовать одну такую персону, десятки, сотни или тысячи экземпляров, а при необходимости — гораздо больше.

ИИ-персоны уже становятся отдельным направлением в психологии. Будущие психологи и психиатры могут с их помощью тренироваться, работая с симуляциями людей с разными чертами личности и психическими состояниями. Можно использовать и обратный сценарий — создать ИИ-персону, которая играет роль терапевта, чтобы изучать опыт клиента или пациента.

Другой вариант — применять ИИ-персон в исследованиях человеческой психологии. Они могут выступать «участниками» экспериментов в интернете, проходить тесты и заполнять опросы. При этом ИИ-персоны не заменяют людей как испытуемых, однако могут использоваться в ряде исследовательских задач.

С методологической точки зрения они добавляют ещё один вариант организации психологических экспериментов — наряду с исследованиями на людях и гибридными схемами, где участвуют и люди, и ИИ-персоны. В последнем случае остаётся вопрос, как оценивать вклад синтетической части эксперимента: считать ли её подготовительной работой или полноценным исследованием. Особенно интересны результаты, которые можно сопоставить с данными, полученными от людей.

Что измеряет LMS

Шкала осознанности Лангера связана со способностью воспринимать вещи заново. Осознанный человек не ограничивается автоматической реакцией на окружающий мир, а замечает происходящее и формирует новые различия. LMS состоит из 14 вопросов. Каждый оценивается по шкале от 1 до 7, после чего баллы суммируются и дают общий показатель осознанности.

Автор выделяет четыре возможных применения ИИ-персон в работе со шкалой.

Во-первых, с их помощью можно заранее опробовать исследование, которое затем планируется провести на людях. Набор людей обычно требует денег, времени и сложной организации, поэтому предварительная проверка на ИИ-персонах помогает подготовиться к основному эксперименту.

Во-вторых, ИИ-персоны позволяют быстро проверять новые гипотезы об осознанности как теоретической конструкции. Исследователь может менять подход, сравнивать варианты, а затем вынести наиболее перспективные идеи на проверку с участием людей.

В-третьих, таким способом можно изучать саму LMS — её особенности и принцип работы как психологического инструмента.

В-четвёртых, шкала может служить способом исследовать сам ИИ, показывая особенности его вычислительного и математического поведения.

Мини-эксперимент с 1 000 ИИ-персон

В качестве примера автор провёл небольшой эксперимент. Он создал синтетическую популяцию из 1 000 психологически разнообразных ИИ-персон, стремясь получить неоднородный набор участников.

С помощью подходящих запросов ИИ-персон можно создавать практически в любой крупной языковой модели. Кроме того, популярные модели часто уже содержат заранее подготовленные ИИ-персоны, созданные разработчиками. Для психологических исследований автор рекомендует опираться на предложенную им таксономию.

При создании таких персонажей легко заранее заложить нужный результат. LMS включает три основных измерения: поиск нового, создание нового и вовлечённость. Если сделать всех ИИ-персон только на основе склонности искать новое, шкала, скорее всего, покажет у всей популяции выраженную ориентацию на новизну. Исследователь может ошибочно решить, что ИИ-персоны в целом склонны к такому поведению, хотя результат будет отражать лишь способ их создания.

Поэтому ИИ-персон нужно формировать сбалансированно и внимательно отслеживать, какие свойства были в них заложены. Если же задача исследования состоит в том, чтобы проверить эффект намеренного смещения, это тоже допустимо — при условии, что исследователь открыто описывает свои действия и их влияние на результаты.

Автор отдельно отмечает, что в запросе не стоит упоминать осознанность, если исследователь не хочет заранее внушить это свойство всей популяции. Если прямо попросить ИИ-персон быть осознанными, модель начнёт специально добавлять осознанность в их характеристики, что исказит эксперимент.

После создания 1 000 персонажей автор попросил модель, чтобы каждый из них заполнил LMS и дал ответы по шкале от 1 до 7 на все вопросы. Исходные данные выгрузили в файл, затем перенесли в электронную таблицу и обработали с помощью статистического инструмента.

Исследователь ожидал увидеть распределение, похожее на колоколообразную кривую: при неоднородной популяции значения должны были распределиться относительно равномерно. Однако результаты сместились к средней и верхней части шкалы осознанности.

Влияние RLHF

Автор предполагает, что на результат повлияла настройка современных языковых моделей. При обучении с подкреплением на основе обратной связи от людей разработчики привлекают людей для оценки ответов ИИ, после чего модель математически корректирует своё поведение.

Обычно такие оценщики положительно реагируют на любознательность, гибкость и похожие свойства. По мнению автора, LMS могла уловить эту склонность, уже встроенную в языковую модель. Поэтому созданная синтетическая популяция показала более высокую осознанность, чем, вероятно, показала бы случайно выбранная группа людей.

Это означает, что создание ИИ-персон требует контроля за скрытыми смещениями. Их можно изменить или создать заново с помощью запроса, который будет компенсировать влияние RLHF.

Дальше автор планирует статистически разобрать результаты 1 000 ИИ-персон: изучить среднее значение, стандартное отклонение, асимметрию, эксцесс, корреляции и альфу Кронбаха. Затем ИИ-персонам предложат выполнить задачу на обнаружение новизны.

Следующий вопрос — сможет ли балл LMS для каждой ИИ-персоны надёжно предсказать, как она поведёт себя в такой задаче.