menu
close

Τα Μοντέλα Τεχνητής Νοημοσύνης Εμφανίζουν Ανθρώπινες Κοινωνικές Δεξιότητες σε Τεστ Θεωρίας Παιγνίων

Ερευνητές ανακάλυψαν ότι τα μεγάλα γλωσσικά μοντέλα (LLMs) επιδεικνύουν εξελιγμένες ικανότητες κοινωνικής λογικής όταν δοκιμάζονται σε πλαίσια θεωρίας παιγνίων. Μελέτη υπό την ηγεσία του Dr. Eric Schulz αποκαλύπτει ότι, ενώ αυτά τα συστήματα ΤΝ διαπρέπουν στη λήψη αποφάσεων με βάση το ατομικό συμφέρον, δυσκολεύονται σε καθήκοντα συντονισμού και ομαδικής εργασίας. Η έρευνα παρουσιάζει μια υποσχόμενη τεχνική με την ονομασία Social Chain-of-Thought (SCoT), η οποία βελτιώνει σημαντικά τη συνεργατική συμπεριφορά της ΤΝ, προτρέποντας τα μοντέλα να λαμβάνουν υπόψη τις οπτικές των άλλων.
Τα Μοντέλα Τεχνητής Νοημοσύνης Εμφανίζουν Ανθρώπινες Κοινωνικές Δεξιότητες σε Τεστ Θεωρίας Παιγνίων

Τα μεγάλα γλωσσικά μοντέλα, όπως το GPT-4, ενσωματώνονται όλο και περισσότερο στην καθημερινότητά μας, από τη σύνταξη email έως τη λήψη αποφάσεων στην υγειονομική περίθαλψη. Καθώς αυτά τα συστήματα ΤΝ γίνονται πιο διαδεδομένα, η κατανόηση των κοινωνικών τους δυνατοτήτων είναι κρίσιμη για την αποτελεσματική συνεργασία ανθρώπου-μηχανής.

Μια πρωτοποριακή μελέτη που δημοσιεύτηκε στο Nature Human Behaviour από ερευνητές των Helmholtz Munich, Ινστιτούτου Max Planck για τη Βιολογική Κυβερνητική και του Πανεπιστημίου της Τυβίγγης αξιολόγησε συστηματικά την απόδοση των LLMs σε κοινωνικά σενάρια, χρησιμοποιώντας πλαίσια συμπεριφορικής θεωρίας παιγνίων.

Η ερευνητική ομάδα, με επικεφαλής τον Dr. Eric Schulz, έβαλε διάφορα μοντέλα ΤΝ να συμμετάσχουν σε κλασικά σενάρια θεωρίας παιγνίων, σχεδιασμένα να δοκιμάσουν τη συνεργασία, τον ανταγωνισμό και τη στρατηγική λήψη αποφάσεων. Τα ευρήματά τους αποκαλύπτουν μια σύνθετη εικόνα των κοινωνικών ικανοτήτων της ΤΝ.

«Σε ορισμένες περιπτώσεις, η ΤΝ φαινόταν σχεδόν υπερβολικά ορθολογική για το δικό της καλό», εξηγεί ο Dr. Schulz. «Μπορούσε να εντοπίσει αμέσως μια απειλή ή μια εγωιστική κίνηση και να απαντήσει με αντίποινα, αλλά δυσκολευόταν να δει τη μεγαλύτερη εικόνα της εμπιστοσύνης, της συνεργασίας και του συμβιβασμού.»

Η μελέτη διαπίστωσε ότι τα LLMs αποδίδουν ιδιαίτερα καλά σε παιχνίδια ατομικού συμφέροντος, όπως το επαναλαμβανόμενο Δίλημμα του Φυλακισμένου, όπου η προστασία των δικών τους συμφερόντων είναι πρωταρχικής σημασίας. Ωστόσο, συμπεριφέρονται υποβέλτιστα σε παιχνίδια που απαιτούν συντονισμό και αμοιβαίο συμβιβασμό, όπως το Battle of the Sexes.

Το πιο ελπιδοφόρο εύρημα είναι η ανάπτυξη από την ομάδα μιας τεχνικής που ονομάζεται Social Chain-of-Thought (SCoT), η οποία προτρέπει την ΤΝ να λαμβάνει υπόψη τις οπτικές των άλλων πριν λάβει αποφάσεις. Αυτή η απλή παρέμβαση βελτίωσε σημαντικά τη συνεργασία και την προσαρμοστικότητα, ακόμα και όταν η ΤΝ αλληλεπιδρούσε με ανθρώπινους παίκτες. «Μόλις ωθήσαμε το μοντέλο να σκεφτεί κοινωνικά, άρχισε να ενεργεί με τρόπους που έμοιαζαν πολύ πιο ανθρώπινοι», σημείωσε η Elif Akata, πρώτη συγγραφέας της μελέτης.

Οι συνέπειες ξεπερνούν κατά πολύ τη θεωρία παιγνίων. Καθώς τα LLMs ενσωματώνονται όλο και περισσότερο στην υγεία, τις επιχειρήσεις και τις κοινωνικές αλληλεπιδράσεις, η ικανότητά τους να κατανοούν την ανθρώπινη κοινωνική δυναμική θα είναι καθοριστική. Η έρευνα αυτή προσφέρει πολύτιμες γνώσεις για το πώς τα συστήματα ΤΝ μπορεί να λειτουργούν σε σύνθετα κοινωνικά περιβάλλοντα και προτείνει πρακτικές μεθόδους για την ενίσχυση της κοινωνικής τους νοημοσύνης.

Source:

Latest News