Kan GPT Menselijke Besluitvorming en Intuïtie Repliceren?

In recente jaren hebben neurale netwerken zoals GPT-3 aanzienlijke vooruitgang geboekt en produceren ze tekst die bijna niet te onderscheiden is van door mensen geschreven inhoud. Verbazingwekkend is dat GPT-3 ook bedreven is in het aanpakken van uitdagingen zoals wiskundige problemen en programmeertaken. Deze opmerkelijke vooruitgang leidt tot de vraag: beschikt GPT-3 over menselijke cognitieve vaardigheden?

Om deze intrigerende vraag te beantwoorden, hebben onderzoekers van het Max Planck Instituut voor Biologische Kybernetica GPT-3 onderworpen aan een reeks psychologische tests die verschillende aspecten van algemene intelligentie beoordeelden.

Het onderzoek werd gepubliceerd in PNAS.

Het Ontrafelen van het Linda-Problem: Een Blik in de Cognitieve Psychologie

Marcel Binz en Eric Schulz, wetenschappers van het Max Planck Instituut, onderzochten de capaciteiten van GPT-3 op het gebied van besluitvorming, informatiezoekacties, causale redenering en de mogelijkheid om zijn eerste intuïtie in twijfel te trekken. Zij gebruikten klassieke cognitieve psychologietests, waaronder het bekende Linda-probleem, dat een fictieve vrouw introduceert genaamd Linda, die gepassioneerd is over sociale rechtvaardigheid en tegen kernenergie is. Deelnemers worden vervolgens gevraagd om te beslissen of Linda een bankmedewerker is, of dat ze een bankmedewerker is en tegelijkertijd actief is in de feministische beweging.

De reactie van GPT-3 was opvallend vergelijkbaar met die van mensen, aangezien het dezelfde intuïtieve fout maakte door de tweede optie te kiezen, ondanks dat deze minder waarschijnlijk was vanuit een probabilistisch oogpunt. Dit resultaat suggereert dat het besluitvormingsproces van GPT-3 mogelijk beïnvloed wordt door zijn training op menselijke taal en reacties op prompts.

Actieve Interactie: De Weg naar het Behalen van Menselijke Intelligentie?

Om de mogelijkheid uit te sluiten dat GPT-3 simpelweg een gememoriseerde oplossing reproduceerde, creëerden de onderzoekers nieuwe taken met soortgelijke uitdagingen. Hun bevindingen toonden aan dat GPT-3 bijna op hetzelfde niveau presteerde als mensen bij besluitvorming, maar achterbleef bij het zoeken naar specifieke informatie en causale redenering.

De onderzoekers geloven dat de passieve ontvangst van informatie uit teksten door GPT-3 mogelijk de primaire oorzaak is van deze discrepantie, aangezien actieve interactie met de wereld essentieel is voor het bereiken van de volledige complexiteit van menselijke cognitie. Zij zeggen dat naarmate gebruikers meer interactie hebben met modellen zoals GPT-3, toekomstige netwerken kunnen leren van deze interacties en progressief meer menselijke intelligentie kunnen ontwikkelen.

“Dit fenomeen kan worden verklaard door het feit dat GPT-3 mogelijk al bekend is met deze specifieke taak; het kan toevallig weten wat mensen typisch antwoorden op deze vraag,” zegt Binz.

Het onderzoeken van de cognitieve capaciteiten van GPT-3 biedt waardevolle inzichten in de potentie en beperkingen van neurale netwerken. Terwijl GPT-3 indrukwekkende menselijke besluitvormingsvaardigheden heeft getoond, worstelt het nog steeds met bepaalde aspecten van menselijke cognitie, zoals informatiezoekacties en causale redenering. Naarmate AI blijft evolueren en leert van gebruikersinteracties, zal het fascinerend zijn om te zien of toekomstige netwerken echte menselijke intelligentie kunnen bereiken.