AI agents: మానవ ప్రవర్తనపై పరిశోధనల్లో మనుషుల స్థానాన్ని భర్తీ చేసే స్థాయికి AI ఏజెంట్లు..?
ఈ వార్తాకథనం ఏంటి
మానవ ప్రవర్తనపై పరిశోధనల్లో మనుషుల స్థానంలో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ఆధారిత సరోగేట్లను లేదా 'డిజిటల్ ట్విన్స్'ను ఉపయోగించాలని కొందరు సామాజిక శాస్త్రవేత్తలు భావిస్తున్నారు. పరిశోధనల్లో మానవులను భాగస్వాములుగా తీసుకోవడం ఖర్చుతో కూడుకున్నది. అంతేకాకుండా వారు త్వరగా అలసిపోవచ్చు. కొన్ని అధ్యయనాలు వారిలో మానసిక ఒత్తిడిని కూడా కలిగించే అవకాశం ఉంటుంది. అయితే, ఈ ఆలోచన అమల్లోకి రావడానికి మరికొంత సమయం పట్టే అవకాశం ఉందని సెప్టెంబర్ 2న 'సైన్స్ అడ్వాన్సెస్'లో ప్రచురితమైన ఓ అధ్యయనం వెల్లడించింది. ఒక వ్యక్తి ప్రవర్తనను అనుకరించేలా రూపొందించిన AI డిజిటల్ ట్విన్స్.. ఆ వ్యక్తి అభిప్రాయాలను సరిగ్గా ప్రతిబింబించడానికి బదులుగా వాటిని వక్రీకరిస్తున్నట్లు పరిశోధకులు గుర్తించారు. దీనిని వారు 'ఫన్హౌస్ మిర్రర్' ప్రభావంగా పేర్కొన్నారు.
వివరాలుు
2000కు పైగా ప్రశ్నలకు సమాధానాలు..
''ఇందులో కొంత ఆశ కనిపిస్తోంది. కానీ డిజిటల్ ట్విన్స్ పనితీరు మొత్తంగా చూస్తే కొంత నిరాశపరిచింది'' అని న్యూయార్క్లోని కొలంబియా బిజినెస్ స్కూల్కు చెందిన కంప్యూటేషనల్ సోషల్ సైంటిస్ట్ ఒలివియర్ టూబియా తెలిపారు.
గతేడాది 'మార్కెటింగ్ సైన్స్'లో ప్రచురితమైన పరిశోధనలో టూబియా, ఆయన సహచరులు అమెరికా వ్యాప్తంగా 2,000 మందికి పైగా వ్యక్తులను అధ్యయనంలో భాగం చేశారు.
వయసు, జాతి, ఆదాయం, విద్య, మతపరమైన ఆచారాలు, రాజకీయ అభిప్రాయాలు, వ్యక్తిత్వ లక్షణాలు, ఖర్చు చేసే విధానం, గణిత సామర్థ్యం, పదజాల పరిజ్ఞానం వంటి అంశాలపై వారు 500కు పైగా ప్రశ్నలకు సమాధానాలు ఇచ్చారు.
ఈ ప్రశ్నల్లో చాలావరకు సైకాలజీ, ఎకనామిక్స్, బిజినెస్ పరిశోధనల్లో సాధారణంగా ఉపయోగించే ప్రమాణాల నుంచి తీసుకున్నవే.
వివరాలు
పలు ఆన్లైన్ పరీక్షలు కూడా పూర్తి..
ఆలోచనా విధానాలు, పక్షపాతాలను అంచనా వేసేందుకు రూపొందించిన పలు ఆన్లైన్ పరీక్షలను కూడా వారు పూర్తి చేశారు.
డిజిటల్ ట్విన్స్ ఎంతవరకు ఉపయోగకరంగా ఉంటాయన్న దానిపై ఇప్పటివరకు పరిశోధనలు పరిమితంగానే ఉన్నాయి.
అందుకే ఇతర పరిశోధకులు కూడా ఉపయోగించుకునేలా ఓపెన్-సోర్స్ డేటాసెట్ను రూపొందించడమే తమ ప్రాజెక్టు ప్రధాన ఉద్దేశమని టూబియా చెప్పారు.
ఇప్పటివరకు ఈ డేటాసెట్ను దాదాపు 25 వేల సార్లు డౌన్లోడ్ చేసినట్లు ఆయన తెలిపారు.
తాజాగా ప్రచురితమైన అధ్యయనంలో డిజిటల్ ట్విన్స్ను రూపొందించేందుకు పరిశోధకులు ప్రతి వ్యక్తికి సంబంధించిన మొత్తం సమాచారాన్ని ఓ లార్జ్ లాంగ్వేజ్ మోడల్ (LLM)లోకి అందించారు.
ఆ తర్వాత ఆయా వ్యక్తుల మాదిరిగానే సమాధానాలు ఇవ్వాలని AI మోడల్ను కోరారు.
వివరాలు
19 సామాజిక శాస్త్ర ప్రయోగాలు..
మొత్తం 19 సామాజిక శాస్త్ర ప్రయోగాల్లో ఈ డిజిటల్ ట్విన్స్ పనితీరును పరిశీలించారు.
రిపబ్లికన్, డెమోక్రటిక్ పార్టీ అభ్యర్థులకు విరాళాలు ఇచ్చే వ్యక్తులపై వారు ఎలా స్పందిస్తారనే దానినుంచి.. అల్గారిథమ్ ఆధారిత నియామకాల గురించి వారి అభిప్రాయాలు ఎలా ఉంటాయనే వరకు పలు అంశాలను పరిశీలించారు.
ఈ డిజిటల్ ట్విన్స్ అంచనాలు యాదృచ్ఛికంగా ఊహించడం కంటే మెరుగ్గా ఉన్నప్పటికీ.. సగటున దాదాపు నాలుగో వంతు సందర్భాల్లో తప్పు సమాధానాలు ఇచ్చినట్లు పరిశోధకులు గుర్తించారు.
అంతేకాకుండా కేవలం వ్యక్తుల జనాభా సంబంధిత వివరాలను మాత్రమే అందుకున్న చాట్బాట్లతో పోలిస్తే.. వీటి పనితీరు దాదాపు సమానంగానే ఉంది.
అయితే, వ్యక్తుల సమాధానాల్లోని వాస్తవ వ్యత్యాసాలను గుర్తించడంలో మాత్రం డిజిటల్ ట్విన్స్ మెరుగ్గా పనిచేశాయి.