خب رفقا، امروز میخوام براتون یه تحقیق واقعاً باحال و متفاوت رو تعریف کنم که همین تازگیها منتشر شده و در مورد ترکیب بازی نقشآفرینی و هوش مصنوعیه. موضوع اصلیش اینه که چجوری میشه با بازی کردن سناریوهای اخلاقی ــ مخصوصاً تو زمینه «حریم خصوصی دیجیتال» ــ بفهمیم هرکسی چه ارزشها و ترجیحاتی تو تصمیمگیری اخلاقیش داره.
حالا بریم ببینیم ماجرا چیه:
یه سری دانشمند جمع شدن و گفتن آقا ما همیشه وقتی راجع به اخلاق صحبت میکنیم، بین دو مدل اخلاق تفاوت هست:
۱. “Hard ethics” یعنی قوانین سخت که قانونها و چهارچوبهای رسمی رو میسازن.
۲. “Soft ethics” یعنی اون بخش اخلاقی که به ترجیح و رفتار شخصی افراد ربط داره، تو فضایی که قانون توش کاری نداره. مثلاً شما ممکنه یه کاری بکنی که خلاف قانون نیست، اما حال خودت باهاش خوب نباشه یا برعکس.
این تیم تمرکزشون روی همین مدل دوم بوده، یعنی بفهمن هرکسی تو دل خودش چه ارزشهایی داره.
روش کارشون چی بوده؟
اومدن یه بازی نقشآفرینی (RPG) راه انداختن. حالا نقشآفرینی یعنی تو یه سناریوی داستانی قرار میگیری و باید خودتو جای یه شخصیت تو اون شرایط بذاری و انتخابها و کارهای اخلاقی انجام بدی. اینجا هم سناریوها همه مربوط به چالشهای حریم خصوصی دیجیتالی بودن.
وقتی افراد بازی کردن و واکنش نشون دادن، دادههایی که تولید شد رو انداختن گردن یه LLM ویژه، اسمشم گذاشتن “GPT Anthropologist”! حالا LLM یعنی مدلهای زبانی خیلی بزرگ مثل ChatGPT که قدرت تحلیل و تفسیر زیادی دارن. اینجا این مدل خاص، نقش یه انسانشناس (anthropologist) رو بازی کرد. انسانشناس یعنی کسی که رفتار، فرهنگ و ارزشهای آدمها رو بررسی و تحلیل میکنه.
حالا چه نتیجهای گرفتن؟
تحلیلها نشون دادن که:
- هم دادههایی که توی این نقشآفرینی جمع میشه خیلی غنی و باحالتره نسبت به روشهای ساده پرسشنامهای.
- هم اینکه LLM سفارشیشده واقعاً میتونه رفتار آینده آدمها رو پیشبینی کنه و بفهمه فلانی چه تصمیمهایی موقع دوگانگی اخلاقی میگیره.
از همه خفنتر اینه که این روش به درد اول کار توسعه نرمافزار هم میخوره! یعنی اگه یه شرکت میخواد یه اپ یا شبکه اجتماعی بسازه، میتونه اول با این مدل بفهمه کاربراش چه حساسیتهایی دارن و چی براشون مهمه، بعد بر اساسش کد بزنه.
در کل، این تحقیق نشون داده که ترکیب بازی نقشآفرینی داستانی + هوش مصنوعی تحلیلگر میتونه به فهم ترجیحات اخلاقی آدمها کمک کنه، اونم خیلی دقیقتر و عمیقتر از روشهای قدیمی.
منبع: +