Sustavi umjetne inteligencije, posebno veliki jezički modeli (LLM), pokazali su impresivnu sposobnost predviđanja kako bi pojedinci mogli odgovoriti na ankete i druge oblike ispitivanja.
Međutim, studija također podiže važne zabrinutosti o ograničenjima korištenja umjetne inteligencije za razumijevanje složenog ljudskog ponašanja. U studiji, Ashokkumar i njezin tim sastavili su podatke iz otprilike 70 postojećih eksperimenata provedenih u Sjedinjenim Državama, koji su zajedno uključili gotovo 120.000 sudionika. Zatim su koristili GPT-4 za analizu hipotetičkih scenarija, pružajući modelu detaljne opise potencijalnih ispitanika zajedno s specifičnim eksperimentalnim porukama i pitanjima ankete. AI je imao zadatak predvidjeti kako će ti pojedinci reagirati pod različitim uvjetima.
Model je bio u stanju razlikovati između intervencija koje su imale različite razine učinkovitosti, što ukazuje na to da bi LLM-ovi doista mogli uhvatiti značajne obrasce ponašanja u okviru eksperimentalnih istraživanja zasnovanih na tekstu. Unatoč ovim obećavajućim nalazima, studija naglašava da preciznost predviđanja ne znači istinsko razumijevanje.
Na primjer, studija je otkrila da, iako je GPT-4 izvrsno procijenio relativni utjecaj različitih intervencija, njegove veličine predviđenih učinaka dosljedno su bile oko dvostruko veće od stvarnih promatranih učinaka.
Ova početna istraživanja pomažu u usavršavanju intervencija i procjeni jesu li očekivani učinci dovoljno robusti da opravdaju daljnje istraživanje. U ovom kontekstu, prognoze generirane LLM-om mogle bi poslužiti kao dopunsko sredstvo. Na primjer, istraživači bi mogli simulirati kako bi različite demografske skupine reagirale na različite verzije poruke o cijepljenju, inicijative na radnom mjestu ili prijedloga politike.
Tako, najkorisnija budućnost možda ne leži u zamjeni ljudskih istraživača ili subjekata umjetnom inteligencijom, već u iskorištavanju umjetne inteligencije kako bi se učinkovito vodila raspodjela ograničenih ljudskih resursa.
Na primjer, politička figura koja razmišlja o reakciji javnosti na novu poreznu politiku ili korporacija koja procjenjuje odgovor potrošača na marketinšku strategiju, mogla bi se osloniti na uvide generirane umjetnom inteligencijom za brze odgovore. Ipak, predstavljanje ovih projekcija kao konačnih odraza javnog mišljenja rizikuje obmanjivanje dionika i narušavanje integriteta procesa donošenja odluka. Kako integracija umjetne inteligencije u istraživačke metodologije nastavlja evoluirati, postaje imperativno uravnotežiti inovacije s etičkim razmatranjima.
Iako alati umjetne inteligencije mogu poboljšati učinkovitost i pružiti vrijedne preliminarne uvide, ne smiju zamijeniti nijansirano razumijevanje izvedeno iz izravnog angažmana s ljudskim subjektima.
★
Neka vijesti ostanu poštene.
ObjectiveNews financiraju čitatelji i bez oglasa je – pristranost vam pokazujemo, ne skrivamo. Podržite neovisno novinarstvo za 5 €/mjesec.
Postani podupiratelj
Australia
