İnsan subyektlərinin süni intellekt surroqatları və ya rəqəmsal əkizlərlə əvəz edilməsi bəzi sosial elm adamlarının arzu siyahılarında yer alır. İnsan subyektləri bahalıdır, asanlıqla yorulur və bəzi tədqiqatlardan psixoloji sıxıntı çəkə bilər.

Lakin Science Advances jurnalında 2 sentyabrda dərc olunmuş bir araşdırma göstərir ki, bu arzuların gerçəkləşməsi daha çox vaxt apara bilər . Tədqiqatçılar qeyd edirlər ki, müəyyən bir fərdin davranışını təqlid etmək üçün hazırlanmış süni intellekt əkizləri, əvəzində , onların surroqat anasının baxışlarını təhrif edərək “əyləncə evi güzgüsü” effekti yaradır.

Nyu-York şəhərindəki Kolumbiya Biznes Məktəbinin hesablama sosial elmləri üzrə alimi Olivye Tubia deyir: “Bəzi ümidlər var. Amma [əkizlərin performansı] ümumilikdə bir az məyusedici idi.”

Marketinq Elmləri jurnalında keçən il dərc olunmuş işlərdə Tubia və həmkarları ABŞ-ın hər yerindən 2000-dən çox insanı işə götürüblər. Respondentlər yaş, etnik mənsubiyyət, gəlir, təhsil, dini etiqadlar, siyasi üstünlüklər, şəxsiyyət xüsusiyyətləri, xərcləmə vərdişləri, riyazi qabiliyyətlər və lüğət bacarıqları da daxil olmaqla xüsusiyyətlər haqqında 500-dən çox sualı cavablandırıblar . Sualların çoxu psixologiya, iqtisadi və biznes tədqiqatlarında geniş istifadə olunan şkalalardan gəlir. Respondentlər həmçinin düşüncə tərzlərini və qərəzləri qiymətləndirmək üçün hazırlanmış müxtəlif onlayn testləri tamamlayıblar.

Rəqəmsal əkizlərin dəyərini sınaqdan keçirən tədqiqatlar məhdud olduğundan, layihənin məqsədi başqalarının istifadə etməsi üçün açıq mənbəli məlumat dəsti yaratmaq idi, deyə Tubia bildirir. “Düşünürəm ki, bu, hazırda təxminən 25.000 dəfə yüklənib.”

Yeni dərc olunmuş tədqiqatda əkizləri inkişaf etdirmək üçün tədqiqatçılar hər bir fərd üçün bütün məlumatları böyük bir dil modelinə daxil etdilər və LLM-i sanki həmin şəxs kimi cavab verməyə sövq etdilər. 19 sosial elm təcrübəsi ərzində komanda fərdlərin və onların əkizlərinin həm Respublikaçı, həm də Demokrat partiya namizədlərinə ianə verən insanlara necə reaksiya verməsindən tutmuş alqoritmik işə qəbul haqqında “düşüncələrinə” qədər hər şeyi qiymətləndirdi.

Komanda bu rəqəmsal əkizlərin təsadüfi məlumatlardan daha yaxşı nəticə göstərdiyini aşkar etdi, lakin onlar orta hesabla dörddə birində səhv edirdilər. Onlar yalnız demoqrafik məlumat alan çatbotlar ilə təxminən eyni səviyyədə nəticə göstərdilər.

Lakin rəqəmsal əkizlər, yalnız demoqrafik məlumatları bilən LLM-lərlə müqayisədə insanların cavablarındakı real dəyişiklikləri daha yaxşı əks etdirə bildilər. Məsələn, bir nəfər özünənəzarət şkalasında özünü 2, digəri isə 4 kimi qiymətləndirə bilər. Daha məhdud məlumata malik LLM hər bir şəxs üçün 3 bal verə bilər və bu da hər hansı fərqi aradan qaldırır. Lakin rəqəmsal əkizlər 3 və 5 bal verə bilər. Hələ də səhv olsalar da, proqnozlar qrup daxilində potensial fərqlər barədə daha yaxşı təsəvvür yaradır.

Tubia və həmkarları rəqəmsal əkizlərin ümumi zəif performansını bir neçə əsas təhriflə əlaqələndirirlər: Əkizlərin cavabları insanların cavablarından daha homogen olmağa meylli idi və tez-tez demoqrafik stereotiplərə meylli idi. Və onların dəqiqliyi daha varlı və təhsilli iştirakçılarla artdı. Onlar həmçinin başqalarına daha çox etibar etmək və texnoloji təhdidlərə daha az narahatlıq göstərmək kimi müəyyən qərəzliliklər nümayiş etdirdilər. İnsan surroqatları ilə müqayisədə əkizlər daha rasional görünürdülər.

Penn Dövlət Universitetinin süni intellekt tədqiqatçısı və iqtisadçısı Hadi Hüseyni, resursların məhdud olduğu zaman süni intellekt agentlərinin səhiyyə qərarlarını necə qəbul etməsi ilə bağlı öz tədqiqatında oxşar bir təsir görüb : “LLM-lər insan mühakiməsini insanların əslində olduğundan daha çox rasional [və] daha ağlabatan bir şeyə doğru çox spesifik bir istiqamətdə təhrif edirlər.”

Lakin o, rəqəmsal əkizlərin təkmilləşdirilməsinin yollarının olduğunu deyir. Tədqiqatçılar “çox statik suallar dəstindən” istifadə ediblər, deyə o bildirir. O, deyir ki, daha dinamik yanaşmaların əlavə edilməsi, məsələn, çatbotun gün ərzində bir fərdə kölgə salması və ya artıq geniş yayıldığı kimi, bir şəxslə müntəzəm söhbət etməsi daha yaxşı məlumat dəsti yarada bilər.

Tubia daha mürəkkəb təlim metodlarını sınamaq istəyir. Buna baxmayaraq, o deyir ki, hətta bu tədqiqatda sınaqdan keçirilmiş rəqəmsal əkizlərin belə faydalı olacağı hallar var. Məsələn, bəzən tədqiqatçıların bir suala ətraflı cavab verməsi lazımdır. Yorğun insanlar tək cümləlik cavablar verə bilər, yorulmaz rəqəmsal əkizlər isə esselər yazır. Eynilə, rəqəmsal əkizlərlə bir təcrübəni əvvəlcədən sınaqdan keçirmək, tədqiqatçılara insan respondentlərinin məhdud bant genişliyini pozmadan əvvəl dizaynlarının işlədiyinə əmin olmağa kömək edə bilər.

Lakin Tubia həmçinin təvazökarlığa çağırır. O deyir ki, sosial elm adamları miqyasların və sorğuların insan təcrübəsinin bütün spektrini əhatə etdiyini düşünürlər. Lakin insan davranışını maşınla proqnozlaşdırmaq olduqca çətindir. “Sintetik məlumatlardan gözləntilərimiz baxımından real olmalıyıq.”