Большие языковые модели (БЯМ), такие как модель, лежащая в основе функционирования известной диалоговой платформы ChatGPT, показали себя очень перспективными для обобщения и генерации письменных текстов. Однако они также могут быть интересными инструментами для проведения исследований в области психологии, поведенческих наук и других научных дисциплин.
Исследователи из Университета Индианы недавно использовали БЯМ для изучения сложного и многогранного ландшафта человеческих убеждений путём анализа дебатов между интернет-пользователями на онлайн-платформах. Их методология, описанная в статье в журнале Nature Human Behaviour, позволила им создать подробную карту человеческих убеждений, выявив закономерности, указывающие на поляризацию (то есть крайние разделения между группами с противоположными точками зрения) и когнитивный диссонанс (то есть дискомфорт, испытываемый при столкновении с убеждениями, противоречащими нашим собственным).
«Моя фундаментальная исследовательская цель — понять, почему люди ведут себя определённым образом, используя данные и искусственный интеллект/НЛП (обработка естественного языка)», — рассказала Phys.org старший автор статьи Джисун Ан. «В ходе этого исследования я осознала, что убеждения лежат в основе человеческих действий, поскольку они глубоко влияют на процесс принятия решений и поведение. Кроме того, я заметила, что языковые встраиваемые пространства эффективно сохраняют семантический смысл, а современные большие языковые модели (БЯМ) содержат огромный объём информации о языке, знаниях и людях».
После появления первых БЯМ Ан постепенно пришла к убеждению, что эти продвинутые модели, основанные на машинном обучении, могут быть использованы для изучения человеческих убеждений и поведения. Это стало основным источником вдохновения для её недавней статьи, в которой конкретно анализировались убеждения, выраженные людьми в интернете.
«Наше исследование предлагает новую методологию для построения „пространства встраивания убеждений“, чтобы понять сложную систему человеческих убеждений», — объяснила Ан. «Проще говоря, этот метод предполагает размещение бесчисленного количества отдельных убеждений на непрерывной многомерной карте».
Ан и её коллеги создали свою «карту человеческих убеждений», настроив S-BERT (Sentence-BERT), специализированную модель для генерации высококачественных встраиваний предложений и измерения семантического сходства. Несмотря на то, что эта модель относительно небольшая, S-BERT широко используется для практических приложений благодаря своей эффективности.
«Хотя предыдущие исследования часто были сосредоточены на конкретных темах или ограниченном числе убеждений, мы использовали обширное понимание языка и обширные знания, заложенные в БЯМ, для создания всеобъемлющей карты, охватывающей гораздо более широкий спектр убеждений», — сказала Ан. «Это пространство встраивания убеждений выходит за рамки простой классификации; оно обеспечивает мощную основу для количественного анализа сложного взаимодействия между убеждениями и тем, как люди принимают или отвергают новую информацию (то есть процесс принятия решений)».
Используя свои методы, основанные на БЯМ, исследователи смогли проанализировать обширный и разнообразный спектр убеждений, которые ранее было трудно отобразить коллективно в едином пространстве. Кроме того, они могли численно рассчитать семантическое сходство или расстояние между конкретными убеждениями, выявляя сложные отношения между ними, которые трудно обнаружить с помощью традиционных качественных методов исследования.
«Даже когда появляются новые убеждения или происходят социальные изменения, наш метод позволяет непрерывно обновлять и расширять карту убеждений с помощью БЯМ, обеспечивая её соответствие меняющейся социальной динамике», — сказала Ан. «Мы показали, что наша методология успешно использует БЯМ для построения сложной „карты“ человеческих убеждений, или „встраивания убеждений“. Это открывает новые возможности для систематического и количественного анализа сложной системы человеческих убеждений и, таким образом, обеспечивает основу для качественного и систематического изучения процессов принятия решений людьми».
Когда исследователи изучили карту убеждений, созданную с помощью БЯМ, они сделали несколько интересных открытий. Во-первых, они обнаружили, что «относительный диссонанс» существенно влияет на процесс принятия решений людьми. Это означает, что, когда онлайн-пользователи сталкиваются с новой информацией или убеждениями, они склонны выбирать или принимать те, которые вызывают у них меньший «дискомфорт» или наиболее соответствуют их существующим убеждениям.
«Более важно то, что мы показываем: выбор убеждений людьми определяется не только тем, насколько близко убеждение к их собственным, но и тем, насколько ближе это убеждение по сравнению с конкурирующим убеждением», — объяснила Ан. «Когда два противоположных убеждения по определённому вопросу одинаково далеки, люди с одинаковой вероятностью выберут любое из них. Однако когда одно убеждение явно ближе, чем другое, люди с гораздо большей вероятностью выберут его».
Ан и её коллеги описали эффект, который они наблюдали при анализе своей карты убеждений, как «относительный диссонанс». Этот термин предполагает, что на решения людей влияет относительная разница между убеждениями, которые ближе и дальше от их собственных. Исследователи обнаружили, что чем больше эта разница, тем сильнее предпочтение человека убеждениям, более соответствующим его собственным.
«Другими словами, люди не только избегают разногласий, но и активно минимизируют разницу в разногласиях между доступными вариантами», — сказала Ан. «Этот вывод подчёркивает, что процесс принятия решений определяется не только абсолютным расстоянием, но и относительным дискомфортом принятия убеждения, которое кажется гораздо более далёким, что перекликается с ключевыми идеями теории когнитивного диссонанса».
Результаты этого недавнего исследования могут иметь различные последствия. Во-первых, они дают объяснение тому, почему некоторые люди с лёгкостью принимают определённую информацию, а другие категорически отвергают её, проливая новый свет на процессы, лежащие в основе формирования и поддержания социальных перспектив.
«Наша работа также предлагает рекомендации по тому, как следует составлять сообщения для эффективной доставки целевой аудитории, тщательно учитывая её существующие убеждения», — сказала Ан. «Это также может помочь в разработке усовершенствованного дизайна политик или кампаний, направленных на поощрение изменений в поведении в различных областях, таких как здравоохранение или экологические инициативы, путём лучшего понимания сложного взаимодействия убеждений».
Новое понимание, полученное Ан и её коллегами, может способствовать разработке новых поведенческих научных вмешательств, направленных на то, чтобы побудить людей принимать более ответственные решения, которые могут принести пользу их здоровью, финансам или окружающей среде на Земле. Тем временем исследователи планируют продолжать использовать БЯМ для изучения убеждений людей и их поведения в интернете.
«Хотя в нашем текущем исследовании использовались ограниченные данные с Debate.org (DDO) для построения карты убеждений, наш непосредственный проект предполагает использование более крупных и разнообразных наборов данных из социальных сетей, таких как Reddit, для создания ещё более подробной, богатой и отражающей реальную жизнь карты убеждений», — сказала Ан. «Это позволит нам уловить более тонкие различия в индивидуальных убеждениях и более точно проанализировать взаимодействие убеждений в различных контекстах».
После создания более подробной карты человеческих убеждений исследователи планируют использовать её для планирования новых исследований и экспериментов. Они также хотели бы связать свои наблюдения с результатами другого проекта, проводимого в Университете Индианы, под названием BRAIN (Belief Resonance and AI Narratives).
«Этот новый проект будет глубже изучать, как система убеждений человека взаимодействует с новой поступающей информацией и механизмами, с помощью которых эта информация либо принимается, либо отвергается», — сказала Ан. «Например, мы хотим понять, почему сообщество может быстро принять новую практику устойчивого ведения сельского хозяйства, в то время как другое, с другими основными убеждениями о традиционных методах, может решительно сопротивляться ей».
Пока Ан и её коллеги использовали БЯМ для анализа комментариев и постов людей в популярных социальных сетях. В будущем они также хотели бы изучить взаимосвязь между убеждениями, которые люди выражают в интернете, и их решением присоединиться к определённым онлайн-сообществам или покинуть их.
«Мы надеемся, что эти дальнейшие исследования позволят нам лучше понять, как убеждения связаны с реальным поведением людей, включая социальные взаимодействия и принятие решений», — добавила Ан. «Мы считаем, что это внесёт значительный вклад в понимание и прогнозирование различных социальных явлений».