A mesterséges intelligencia 60 százalékos pontossággal jelzi előre a személyiségjegyeket, például a barátságosságot és az érzelmi stabilitást – derül ki egy új kutatásból.
Egy új tanulmány szerint a mesterséges intelligencia a csevegési előzmények alapján képes megjósolni a felhasználók személyiségét.
HIRDETÉS
HIRDETÉS
Egy előzetesen közzétett tanulmányban (forrás: angol) az ETH Zürich kutatói 668, az Egyesült Államokban és az Egyesült Királyságban élő ChatGPT-felhasználót kértek meg, hogy osszák meg velük beszélgetési előzményeik másolatát, majd egy MI-modellt tanítottak be arra, hogy ezekből a csevegésekből következtessen a személyiségjegyekre.
A kutatók több mint 62 ezer beszélgetést gyűjtöttek össze és elemeztek, témák szerint csoportosítva azokat.
A betanított MI-modell ezután azt próbálta megbecsülni, mekkora eséllyel rendelkezik az adott felhasználó az úgynevezett „Big Five” személyiségvonásokkal: barátságossággal, lelkiismeretességgel, érzelmi stabilitással, extraverzióval és nyitottsággal.
A résztvevők egy standard pszichológiai teszten is átestek, hogy meghatározzák főbb személyiségvonásaikat.
undefined
A jelentés szerint a finomhangolt MI-modell akár 61 százalékos pontossággal is képes volt azonosítani a felhasználók személyiségjegyeit. Különösen jól jósolta meg a barátságosságot és az érzelmi stabilitást, a lelkiismeretességgel azonban nehezebben boldogult.
Az MI akkor bizonyult a legeredményesebbnek, amikor hosszabb beszélgetési előzmény állt rendelkezésére elemzésre, ami arra utal, hogy minél többet használ valaki MI-t, annál nagyobb eséllyel azonosítható a személyisége, áll a tanulmányban.
Bár az egyénekre leselkedő kockázat viszonylag csekély, a kutatók szerint „nagyszabású kockázatokkal” kell számolni, ha rosszindulatú szereplők felhasználják ezeket a személyiségi adatokat.
Úgy vélik például, hogy ezek az adatok „nagyszabású manipulációs kampányokat” tehetnek lehetővé, amelyek dezinformációt és/vagy politikai propagandát terjesztenek.
A kutatók abban bíznak, hogy eredményeik hozzájárulhatnak olyan eszközök kidolgozásához, amelyek csökkentik a személyes adatok túlzott megosztásának kockázatát az MI-vel, például egy olyan rendszer révén, amely automatikusan eltávolítja az azonosításra alkalmas részleteket.