محققان در پژوهشی جدید به سراغ این سوال رفتند که چگونه میتوان از مدلهای زبانی (LLMs) برای شبیهسازی نظرات متنوع انسانی استفاده کرد. نتایج این مطالعه چند نکته کلیدی و جالب دارد:
۱. «بیشتر، لزوماً بهتر نیست!»: برخلاف تصور، افزودن جزئیات زیاد به پرسونای هوش مصنوعی، همیشه باعث تنوع بیشتر در پاسخها نمیشود. در واقع، زیادهروی در جزئیات دموگرافیک گاهی نتیجه عکس میدهد.
۲. تنوع در معماری: به جای جستجوی یک «معماری واحد» برای رسیدن به بهترین پاسخ، محققان دریافتند که ترکیب معماریهای مختلف میتواند دیدگاههای گستردهتر و غیرهمپوشانی را تولید کند.
این مقاله علمی، دیدگاههای رایج در طراحی سیستمهای نظرسنجی مصنوعی و مدلسازی افکار عمومی را به چالش میکشد تا گامی به سوی واقعگرایی بیشتر در خروجیهای هوش مصنوعی برداریم.
منبع: arXiv AI