Исследователи Санкт‑Петербургского государственного университета совместно с коллегами из Института искусственного интеллекта AIRI и Института психологии РАН провели масштабную проверку цифровых моделей личности. Ученые определили, какие черты, ценности и установки современные языковые модели уже способны восстанавливать по интервью, а для каких характеристик необходимы дополнительные методы и данные. Результаты работы опубликованы в научном журнале IEEE Access.
Большие языковые модели (БЯМ) лежат в основе современных систем искусственного интеллекта, способных поддерживать диалог, создавать тексты, выполнять перевод, писать программный код и взаимодействовать с пользователями. Специалисты Университета, в том числе сотрудники Центра искусственного интеллекта и науки о данных СПбГУ, исследовали более сложную возможность таких систем — построение персонализированной модели человека по материалам его интервью.
Исследование основано на концепции цифрового двойника — компьютерной модели, которая использует информацию о конкретном человеке, чтобы прогнозировать его ответы и поведение в ситуациях выбора, общения и принятия решений. В отличие от задачи создать правдоподобного собеседника, здесь важно воспроизвести индивидуальные различия измеримо и проверяемо. Поэтому ученые оценивали не внешнюю убедительность ответов ИИ, а их соответствие реальным психометрическим данным каждого участника.
В эксперименте приняли участие 645 человек. С каждым было проведено интервью, после чего участники заполнили психометрические методики, оценивающие черты личности, ценности, моральные и социальные установки и отношение к материальным благам. Всего исследователи проанализировали 38 показателей. Затем ИИ‑модели получали материалы интервью и прогнозировали ответы конкретного участника на вопросы тестов, а прогнозы сопоставлялись с его фактическими ответами.
Такой дизайн позволил впервые рассмотреть цифровую модель личности не как абстрактную имитацию «среднего человека», а как проверяемый индивидуальный прогноз. Результаты показали, что точность существенно зависит от психологической характеристики. Лучше воспроизводятся особенности, которые сравнительно прямо проявляются в речи и самоописании, в частности религиозность и экстраверсия. Сложнее моделям распознавать менее очевидные мотивы, скрытую тревожность, гедонистические установки и представления о справедливости.
Исследователи также выявили систематический эффект идеализации: модели склонны приписывать людям более высокие доброту и честность и занижать показатели по темной триаде — нарциссизму, макиавеллизму и психопатии, а также по шкалам, связанным с материальными ценностями. Выявление таких устойчивых смещений имеет практическую ценность: оно показывает, какие оценки нельзя использовать без дополнительной калибровки и в каких направлениях следует совершенствовать цифровые модели человека.
Отдельная серия экспериментов была посвящена тому, как способ представления информации влияет на качество прогноза. Ученые изменяли объем фрагментов интервью, доступных модели, и добавляли сгенерированные психологические портреты участников. Выяснилось,
что увеличение контекста само по себе не гарантирует более высокую точность: для некоторых показателей сокращенный и более релевантный контекст давал лучший результат. Этот вывод задает практическое направление дальнейшей работы — не просто накапливать данные о человеке, а отбирать информацию, действительно связанную с прогнозируемой характеристикой.
В исследовании сравнили пять нейросетей. Сопоставление нескольких архитектур позволило отделить общие ограничения подхода от особенностей отдельных моделей и сформировать ориентиры
для дальнейшего улучшения персонализированного моделирования.
Полученные результаты открывают возможности как для научных,
так и для прикладных задач. По словам научного сотрудника СПбГУ Анастасии Панфиловой, в научных исследованиях они позволяют проводить предварительное тестирование гипотез, моделировать альтернативные экспериментальные сценарии и определять, какие воздействия целесообразно затем проверить на реальных участниках.
«В прикладном контексте такие технологии могут использоваться
для персонализации обучения, психологической и мотивационной поддержки, организационных коммуникаций и взаимодействия человека с интеллектуальными системами. Отдельное перспективное направление — моделирование поведения не только отдельных людей, но и целых команд. Результаты цифрового двойника следует интерпретировать не как достоверное утверждение о том, что сделает человек, а как прогноз с определенной вероятностью и измеренной неопределенностью. Надежность такого прогноза должна подтверждаться для каждой конкретной задачи», — сказала научный сотрудник СПбГУ Анастасия Панфилова.
Работа продолжает научное направление СПбГУ, связанное с применением БЯМ для изучения поведения человека. Ранее ученые Университета исследовали возможности искусственного интеллекта в качестве интервьюера и оценили, насколько ИИ‑модели способны самостоятельно формировать вопросы в ходе беседы. Новое исследование делает следующий шаг: проверяет, какую индивидуальную информацию можно извлечь из такого интервью и насколько точно на ее основе удается прогнозировать психологические показатели человека.
