Проект «Пандора»: университеты создадут своих аватаров?

Личность человека можно довольно точно воссоздать с помощью языковой модели, оказывается, для этого хватает всего двухчасового структурированного интервью. В Стэнфорде сделали цифровых агентов, которые воспроизводят ответы «кожаных» с точностью около 85%.

В проекте участвовали 1052 человека, каждого из них опрашивала нейросеть — по 500 с лишним вопросов за сессию. Дальше ИИ собирал профиль личности: характер и эмоциональные реакции, привычный стиль решений и отношение к риску, ценности и социальные установки. Этот профиль загружали в память агента, чтобы он дальше отвечал в духе конкретного человека.

Чтобы проверить результат, людей и их аватаров прогнали по одним и тем же тестам. В опросе GSS, который измеряет устойчивые взгляды и установки, совпадение составило 85%. В тесте «Большая пятерка» на базовые черты личности совпадение было около 80%. А в экономических играх вышло 66% — там решения сильнее зависят от контекста и ситуативных факторов, поэтому разброс выше.

Затея продуманных ребят из Стэнфорда в том, чтобы собирать «виртуальные популяции». То есть проводить масштабные социальные эксперименты без участия реальных людей на каждой итерации — быстрее и дешевле, чем классические исследования. Можно прогнать продукт или политическое решение через сотни сценариев и заранее увидеть, где идея проваливается, а при каком условии сработает хорошо.

И вот тут возникает вопрос, поправьте, если ошибаюсь. Разве для университетов эта идея не золото? У вузов есть короткий доступ к тысячам студентов из разных факультетов и инфраструктура для опросов — то есть возможность относительно быстро собрать психометрические профили, если поставить для себя такую задачу. Разве это не почти готовая база, чтобы собирать армии синтетических личностей и тестировать на них образовательные продукты и политики.

Если приземлить это на практику, на первый взгляд университет может сделать три вещи. Во-первых, собрать библиотеку типичных учебных профилей — для этого понадобится специальный опрос студентов, но инфраструктура для этого уже есть — и на ее основе быстро гонять A/B-сценарии для курсов, заданий и интерфейсов, еще до пилота на реальных группах. Во-вторых, построить «песочницу» для новых методик, где можно отловить очевидные провалы — когда темп курса системно выбивает слабых студентов или формат заданий повышает тревожность — и отсеять их до живого пилота. В-третьих, запустить симулятор для подготовки преподавателей и тьюторов, где они учатся действовать в сложных ситуациях «на кроликах», подбирать тон общения и формат помощи и сразу видеть последствия своих решений.

#deep_scan