Der Herausgeber von Downcodes erfuhr, dass Forschungsteams der Stanford University, der University of Washington und Google DeepMind gemeinsam einen neuen Typ von KI-Agenten entwickelt haben, der menschliches Verhalten genau simulieren und beeindruckende Ergebnisse in sozialen Experimenten erzielen kann. Diese Forschung stellt ein leistungsstarkes Laborwerkzeug für die Theorieprüfung in sozialwissenschaftlichen Bereichen wie Wirtschaft, Soziologie, Organisationen und Politikwissenschaft dar und eröffnet neue Wege für ein tieferes Verständnis des menschlichen Verhaltens. Das Forschungsteam nutzte Interviewdaten von mehr als 1.000 amerikanischen Wählern und kombinierte sie mit dem GPT-4o-Modell, um einen KI-Agenten zu trainieren, der menschliche Reaktionen in hohem Maße wiederherstellen kann. Die Ergebnisse und Daten dieser Forschung wurden öffentlich veröffentlicht und stellen eine wertvolle Ressource für Wissenschaftler auf der ganzen Welt dar.
Kürzlich hat ein Forschungsteam der Stanford University, der University of Washington und Google DeepMind einen neuen Typ von Künstlicher Intelligenz (KI) entwickelt, der menschliches Verhalten in sozialen Experimenten genau simulieren kann. Ihrer Forschung zufolge verspricht diese Simulationstechnik eine Laborbasis für Theorietests in Bereichen wie Wirtschaft, Soziologie, Organisationen und Politikwissenschaft zu bieten.
Die Forscher bauten diese KI-Agenten anhand von Interviewdaten von mehr als 1.000 US-Wählern. Alter, Geschlecht, Bildungshintergrund und politische Ansichten dieser Befragten repräsentieren die Vielfalt der amerikanischen Gesellschaft. Der KI-Agent analysiert diese Interviewaufzeichnungen und reproduziert mithilfe des GPT-4o-Modells die wahren Reaktionen der Befragten, wenn Benutzer Fragen stellen.
Im Hinblick auf die konkrete Umsetzung führte das Forschungsteam für jeden Teilnehmer ein zweistündiges Tiefeninterview durch und nutzte das Whisper-Modell von OpenAI, um die Interviewinhalte in Text umzuwandeln. Diese Methode verbessert die Genauigkeit von KI-Agenten erheblich. In einem Test zur Vorhersage menschlichen Verhaltens konnte ein auf Interviewdaten basierender KI-Agent erfolgreich menschliche Reaktionen auf allgemeine soziale Umfragen mit einer Genauigkeit von 85 % vorhersagen, was deutlich besser ist als ein KI-Agent, der sich ausschließlich auf grundlegende demografische Informationen stützte.
Die Forscher führten außerdem fünf sozialwissenschaftliche Experimente durch, und die Ergebnisse zeigten, dass in vier Experimenten die von den KI-Agenten erzeugten Ergebnisse mit einem Korrelationskoeffizienten von 0,98 in hohem Maße mit den Antworten menschlicher Teilnehmer übereinstimmten. Dies deutet darauf hin, dass interviewbasierte Methoden eine größere Genauigkeit und eine bessere Ausgewogenheit bei der Analyse der Antworten verschiedener politischer Ideologien und ethnischer Gruppen aufweisen.
Um die Folgeforschung zu erleichtern, hat das Forschungsteam den Datensatz von 1.000 von ihm erstellten KI-Agenten zur Nutzung durch andere Wissenschaftler auf GitHub hochgeladen. Um die Privatsphäre der Teilnehmer zu schützen, führte das Team ein zweistufiges Zugangssystem ein.
Wissenschaftler haben für bestimmte Aufgaben freien Zugriff auf aggregierte Antwortdaten, während für den Zugriff auf einzelne Antwortdaten in offenen Studien besondere Berechtigungen erforderlich sind. Dieses System soll Forschern dabei helfen, menschliches Verhalten besser zu untersuchen und gleichzeitig die Privatsphäre der ursprünglichen Interviewteilnehmer zu schützen.
Projekteingang: https://github.com/joonspk-research/genagents
Die bahnbrechende Bedeutung dieser Forschung liegt in ihrer Genauigkeit bei der Simulation menschlichen Verhaltens und ihrem potenziellen Beitrag zur sozialwissenschaftlichen Forschung. Durch die Veröffentlichung des Datensatzes soll diese Forschung mehr Forschung über menschliches Verhalten und soziale Phänomene fördern und neue Perspektiven für ein genaueres Verständnis und eine genauere Vorhersage der sozialen Entwicklung bieten. Der Herausgeber von Downcodes freut sich darauf, dass diese Technologie in Zukunft weitere überraschende Ergebnisse bringen wird.