Képzeljünk el egy önvezető autót, amely a zsúfolt városi forgalomban navigálva próbálja eldönteni, hogy egy gyalogos át akar-e kelni az úton, vagy egy befektetési algoritmust, amely a legfrissebb hírek alapján igyekszik előre jelezni a piac reakcióit. Az ilyen rendszerek működéséhez mély és pontos megértésre van szükség az emberi viselkedésről – és ez az, amire a jelenlegi általános célú mesterséges intelligencia modellek, mint például a GPT vagy a Llama, még mindig csak erős határok mellett képesek.

A Michigani Egyetem, a Stanford Egyetem és a MobLab kutatói viszont most bemutattak egy új mesterséges intelligencia modellt, amelyet kifejezetten az emberi viselkedés megértésére, szimulálására és ez alapján a viselkedésünk előrejelzésére fejlesztettek ki. Az általuk Be.FM-nek (Behavioral Foundation Model) nevezett rendszert egy nemrégiben megjelent tanulmány mutatja be az SSRN felületén – ezt a cikket szemlézte a TechXplore. A Be.FM abban különbözik a hagyományos, általános szöveges adatbázisokon (mint például a Wikipédia) tanított MI-modellektől, hogy kifejezetten viselkedéstudományi adatokon képezték ki.

„Nem a Wikipédiával etetjük”

– magyarázza Yutong Xie, a Michigani Egyetem vezető kutatója. Ehelyett a modell több mint 68 ezer résztvevővel végzett kontrollált kísérletek, mintegy 20 ezer kérdőíves válasz és széles körű tudományos tanulmányok adataira támaszkodva sajátítja el az emberi viselkedés finomabb mintázatait.

Ez a célzott képzés lehetővé teszi, hogy a Be.FM túllépjen azokon a korlátokon, amelyekkel a hagyományos MI-modellek gyakran szembesülnek – például amikor figyelmen kívül hagyják az emberi viselkedés sokszínűségét, vagy félreértelmezik a társas helyzetekben megjelenő bonyolult jelzéseket. A kutatócsoport korábbi munkáiból az már kiderült, hogy a jelenlegi mesterséges intelligencia rendszerek gyakran csak az „átlagos” viselkedést “majmolják”, és az szóba sem jön, hogy az emberi döntések tényleges sokszínűségéről képük legyen.

A Be.FM négy kulcsfontosságú képességgel rendelkezik: Először is, képes megbízhatóan előre jelezni az emberi döntéseket a gyakorlati szituációkban – például meg tudja jósolni, hogyan reagálnának befektetők különböző pénzügyi lehetőségekre. Ez hasznos lehet a gazdasági modellezés, a terméktesztelés vagy a politikai döntések előkészítése során, mivel lehetőséget ad a csoportos döntések valósághű szimulálására. Másodszor, a modell képes viselkedési adatok alapján következtetni a pszichológiai jellemzőkre vagy demográfiai tényezőkre, ami lehetővé teszi a személyre szabott beavatkozásokat és a felhasználók pontosabb szegmentálását. Harmadszor, a Be.FM hatékonyan azonosítja azokat a kontextuális tényezőket – például szezonális változásokat vagy alkalmazásfrissítéseket –, amelyek befolyásolhatják az emberi viselkedést.

Végül, a Be.FM segítheti a kutatómunkát is: képes összefoglalni szakirodalmakat, sőt akár új hipotéziseket is generálni, vagy épp az alkalmazott viselkedési közgazdaságtani problémák megoldásában is támogatást nyújthat. Olyan feladatok esetében, mint a személyiségjegyek előrejelzése vagy szcenáriók szimulálása, a Be.FM következetesen felülmúlta a vezető kereskedelmi modelleket, például akár az OpenAI GPT-4o-ját.

„A célunk az, hogy a Be.FM minden olyan területen hasznos legyen, ahol emberek hoznak döntéseket” – mondta Qiaozhu Mei, a Michigani Egyetem professzora.

A kutatócsoport már dolgozik azon, hogy a modell működését kiterjesszék olyan területekre, mint az egészségügy, az oktatás vagy a geopolitikai elemzések.