هوش مصنوعی الگوهای پنهان شبکه‌ های اجتماعی را بهتر از انسان می‌ بیند

01

از 04

هوش مصنوعی از انسان جلو زد

مدل MiniLM توانست خوشه‌هایی ایجاد کند که برای بازبین‌های انسانی قابل تفسیرتر و متمایزتر بودند. در مقابل، مدل‌های سنتی دسته‌بندی‌هایی ارائه دادند که معنا و انسجام مشخصی نداشتند. در مواردی که انسان‌ها در تفسیر یک خوشه شکست خوردند، ChatGPT توانست با موفقیت نام‌گذاری و تحلیل را انجام دهد.

برای مثال، در یکی از خوشه‌ها که بازبین‌های انسانی آن را «عمومی» نامیده بودند و هیچ الگوی مشترکی در آن نیافتند، ChatGPT تشخیص داد که این دسته، نمایانگر نوع خاصی از خودبیانگری مبهم است؛ بیوهایی که افراد در آنها خود را به‌ صورت کلی و غیرخاص معرفی می‌کنند. همچنین ChatGPT یک خوشه شامل نقل‌قول‌های انگیزشی را به‌ درستی شناسایی کرد؛ الگویی که بسیاری از انسان‌ها آن را نادیده گرفته بودند.

02

از 04

ماشین در برابر توهم انسان

یکی از یافته‌های جالب این پژوهش، برتری ChatGPT در تشخیص داده‌های بی‌الگو بود. در حالی که انسان‌ها در مواجهه با داده‌های تصادفی نیز سعی در یافتن معنا و الگو داشتند (پدیده‌ای به نام آپوفنیا یا معنا‌بینی در بی‌نظمی)، هوش مصنوعی توانست نبود الگوی واقعی را به‌درستی تشخیص دهد و از ارائه تفسیر نادرست خودداری کند.

همچنین انسان‌ها تمایل داشتند تنها به یک بُعد از اطلاعات (مانند گرایش سیاسی) توجه کنند و سایر ابعاد مانند سبک نوشتاری، استفاده از ایموجی، یا وضعیت خانوادگی را نادیده بگیرند. در مقابل، ChatGPT توانست خوشه‌هایی را بر اساس نشانه‌های زبانی ظریف‌تر شناسایی کند، که ترکیبی از ابعاد مختلف بودند.

03

از 04

مزایا و چالش‌ها

با وجود توانایی بالای هوش مصنوعی در شناسایی الگوهای پنهان، محققان نسبت به «ماهیت جعبه سیاه» این مدل‌ها هشدار دادند. الگوریتم‌هایی مانند ChatGPT از سوی شرکت‌های خصوصی مدیریت می‌شوند و شفاف نیست که چگونه به تفسیرها و تصمیم‌های خود می‌رسند. همچنین نسخه‌های مختلف این مدل‌ها ممکن است تفسیرهای متفاوتی از یک داده واحد ارائه دهند که مسئله «پایداری نتایج» را زیر سؤال می‌برد.

علاوه بر این، برخی عناصر معنایی مانند استفاده از نقل‌قول یا ایموجی‌ها به‌عنوان ابزارهای بیانی، ممکن است از دید الگوریتم‌ها پنهان بماند، در حالی که انسان‌ها می‌توانند این ظرایف را درک کنند.

04

از 04

ترکیب هوش مصنوعی با قضاوت انسانی

محققان در پایان، یک راهکار ترکیبی را پیشنهاد دادند، که استفاده از هوش مصنوعی برای شناسایی اولیه الگوها و دسته‌بندی‌ها، همچنین بهره‌گیری از قضاوت انسانی برای بررسی معناداری نتایج و شناسایی سوگیری‌های احتمالی بود. این ترکیب می‌تواند دقت الگوریتم‌ها را با درک انسانی از بافت فرهنگی و معنایی همراه کند و تحلیل داده‌های اجتماعی را به سطح بالاتری برساند.