Model AI nowej generacji Be.FM przewidzi ludzkie zachowania z niespotykaną precyzją

Współczesne modele sztucznej inteligencji, takie jak GPT czy Llama, zrewolucjonizowały wiele dziedzin, ale ich zdolność do precyzyjnego przewidywania ludzkich zachowań pozostaje ograniczona. Te narzędzia, bazując na ogromnych korpusach tekstowych, często nie są w stanie uchwycić subtelności ludzkiej psychiki i diversyfikacji decyzji. Powstaje więc pytanie: czy możliwe jest stworzenie AI, która myśli w sposób bardziej zbliżony do ludzkiego i autentycznie rozumie motywacje stojące za działaniami?

Be.FM – klucz do zrozumienia ludzkich decyzji

Odpowiedzią na to zapotrzebowanie jest Be.FM (Behavioral Foundation Model) – nowy system AI opracowany przez zespół naukowców z Uniwersytetu Michigan, Uniwersytetu Stanforda oraz MobLab. Be.FM to jeden z pierwszych modeli, który od samego początku został zaprojektowany z myślą o przewidywaniu, symulowaniu i wnioskowaniu o ludzkich działaniach. Publikacja wyników badań na serwerze preprintów SSRN sygnalizuje nowy etap w rozwoju AI.

Kluczową różnicą, która wyróżnia Be.FM, jest jego podejście do danych treningowych. Zamiast standardowych korpusów tekstowych, model został „nakarmiony” obszernymi zbiorami danych pochodzących z behawiorystyki. Jak podkreśla Yutong Xie, doktorantka z U-M i główna autorka badania, nie było to „karmienie Wikipedią”. Zespół stworzył unikatowy zestaw danych behawioralnych obejmujący ponad 68 000 uczestników eksperymentów, około 20 000 respondentów ankiet oraz tysiące badań naukowych. To specjalistyczne szkolenie ma na celu nauczenie modelu, dlaczego ludzie zachowują się w określony sposób, a nie tylko jak się zachowują.

Przewaga nad ogólnymi modelami AI

Ta specyficzna baza danych daje Be.FM znaczną przewagę nad ogólnymi modelami AI. Wcześniejsze prace zespołu, opublikowane w „Proceedings of the National Academy of Sciences”, wykazały, że standardowe modele AI często naśladują przeciętne zachowania, pomijając, a wręcz nie dostrzegając różnorodności ludzkich postaw i decyzji, szczególnie tych reprezentujących mniejszości. Be.FM, dzięki swojemu niszowemu treningowi, skuteczniej radzi sobie z interpretacją złożonych sygnałów społecznych i pozwala na przewidywanie szerszego spektrum ludzkich reakcji.

Cztery kluczowe obszary zastosowań

Be.FM wykazuje szereg nowatorskich zdolności, które nie zostały wprost zaprogramowane przez twórców, ale są wynikiem jego specjalistycznego treningu. Można je pogrupować w cztery główne obszary zastosowań:

• Prognozowanie zachowań w rzeczywistych scenariuszach: Model może przewidzieć, jakie decyzje podejmą ludzie w konkretnych sytuacjach, np. jakie opcje inwestycyjne wybiorą, czy będą współpracować, czy podejmą ryzyko. To otwiera drogę do symulacji zachowań grupowych w ekonomii, testowaniu produktów czy analizie polityki publicznej, pozwalając na weryfikację pomysłów bez konieczności kosztownych, rzeczywistych wdrożeń.
• Wnioskowanie o cechach psychologicznych i demograficznych: Be.FM potrafi wywnioskować takie cechy jak ekstrawersja czy ugodowość na podstawie danych demograficznych (wiek, płeć) oraz wcześniejszych zachowań. Może również oszacować wiek na podstawie cech osobowości. Ta zdolność może pomóc badaczom w segmentacji użytkowników, personalizacji interwencji czy projektowaniu produktów.
• Analiza czynników kontekstowych: Ludzkie zachowanie jest mocno zależne od kontekstu. Be.FM potrafi identyfikować i rozumieć czynniki wpływające na zmiany w zachowaniu, takie jak timing, normy społeczne czy sygnały środowiskowe. Może np. wyjaśnić, dlaczego zachowanie użytkowników aplikacji zmienia się w zależności od miesiąca, wskazując na wpływ aktualizacji, trendów sezonowych czy sposobu prezentacji informacji.
• Wsparcie dla badań naukowych: Zbudowany na architekturze dużego modelu językowego (LLM), Be.FM może generować nowe pomysły badawcze, streszczać literaturę naukową czy rozwiązywać problemy z zakresu ekonomii behawioralnej. Dla naukowców i specjalistów stanowi potężne narzędzie do burzy mózgów, planowania badań czy symulacji scenariuszy przed testami terenowymi.

Ograniczenia i przyszłość

W testach porównawczych Be.FM konsekwentnie przewyższał komercyjne i open-source’owe modele, takie jak GPT-4o i Llama, w dopasowaniu do ludzkich zachowań, zwłaszcza w zadaniach związanych z przewidywaniem osobowości i symulacją scenariuszy. Jego prognozy dokładniej odzwierciedlały rzeczywiste wzorce, szczególnie na poziomie populacji.

Mimo tych imponujących wyników, model ma swoje ograniczenia. Jego wydajność poza wspomnianymi czterema obszarami pozostaje nieprzetestowana. Nie jest jeszcze przystosowany do prognozowania na dużą skalę wydarzeń politycznych ani przewidywania wyników wyborów czy porozumień pokojowych. Zespół badawczy już pracuje nad rozszerzeniem zakresu zastosowań Be.FM. Jak podkreśla Qiaozhu Mei, profesor informacji z U-M i współautor badania, „celem jest, aby Be.FM był użyteczny wszędzie tam, gdzie ludzie podejmują decyzje – w zdrowiu, edukacji, a nawet geopolityce”.

Modele Be.FM są dostępne na żądanie dla badaczy i praktyków, którzy są zachęcani do ich wykorzystania i dzielenia się swoimi uwagami. To otwartość sugeruje, że przyszłość przewidywania ludzkich zachowań może być bardziej zrozumiała i precyzyjna, niż kiedykolwiek wcześniej.