Inferring personality from a live interaction with an LLM: Predictions are internally consistent and show convergent validity
この事前登録された研究は、大規模言語モデルが、特に神経症傾向と協調性において高い内的整合性と収束妥当性を伴いつつ、特性の観察可能性やプロンプト戦略によって性能が変動するものの、ライブ会話からビッグファイブのパーソナリティ特性を高い信頼性で推論できることを示している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
何十年もの間、心理学者たちは、私たちが何者であるかを理解するためのシンプルなツールとして、アンケート（質問票）に頼ってきました。人々は、外向的であるか、几帳面であるか、あるいは不安を感じやすいかといった考えに対し、同意するかどうかを回答しながら、一連の記述に基づいて自分自身を評価します。この手法は効率的であり、「ビッグファイブ」と呼ばれる人間のパーソナリティの標準的な地図をもたらしました。これら5つの特性——開放性、誠実性、外向性、協調性、神経症傾向——は、人々がどのように考え、感じ、行動するかを記述するための枠組みとして機能しています。しかし、このアプローチには欠点があります。それは、人々に内面を見つめ、自分自身を判断させることを求めるものであり、そのプロセスは「どう見られたいか」という願望や、単純な自己反省のミスによって曇ってしまう可能性があるのです。また、人々が現実の世界で実際にどのように話し、交流しているかという、豊かで複雑な細部を見落としてしまいます。
最近、これらの特性を測定する方法を変えるかもしれない、新しい種類のテクノロジーが登場しました。大規模言語モデルは、膨大な量のテキストで学習されたコンピュータプログラムであり、驚くほど人間らしい会話を行うことができます。これらのモデルは膨大な人間の文章を読んできたため、言葉の使い方の中に、その人の根底にある性格を明らかにするパターンを見つけ出すことができる場合があります。研究者たちが問い始めたのは、コンピュータがリアルタイムの会話を聞き、人が一度もフォームに記入することなく、話し声だけでその人のパーソナリティを正確に推測できるかどうかという点でした。
ボン大学の研究チームは、このアイデアを検証するために調査を行いました。彼らは117人を招き、人工知能チャットボットと10分間の会話をしてもらいました。チャットボットには特定の指示が与えられました。それは、参加者の先週の出来事について、オープンエンド形式（自由回答形式）の質問を投げかけ、自分自身の回答は簡潔に保ちながら、その人の性格を理解するのに十分な情報を収集しようとすることでした。目標は、この短いやり取りからコンピュータがパーソナリティのプロフィールを抽出できるかどうかを確認することでした。会話が終わった後、研究者たちはチャットボットに対し、参加者のパーソナリティを主要な5つの特性に基づいて評価するよう求めました。結果の信頼性を確保するため、研究者たちは参加者にも標準的なパーソナリティ・アンケートへの回答を求め、コンピュータの推測と比較するための基準値を提供しました。
研究者たちは、コンピュータに判断を下させるための2つの異なる方法をテストしました。第一のアプローチでは、単に会話に基づいてその人物を5つの特性で評価するようモデルに求めました。第二の、より複雑なアプローチでは、標準的なパーソナリティ・テストの正確な質問リストをコンピュータに読み込ませ、その人がどのように回答するかを推測するように求めました。結果は、コンピュータがこのタスクにおいて驚くほど優秀であることを示しました。研究者がコンピュータの評価の一貫性を確認したところ、モデルは人間の心理学者の場合と同様に、パーソナリティの構造を理解していることがわかりました。コンピュータが生成したスコアは内部的に一貫しており、つまり、同一人物に対して矛盾した回答を出すことはありませんでした。
さらに重要なことに、コンピュータの評価は参加者自身の自己報告と一致していました。最も強い一致が見られたのは、情緒的な安定性や不安に関連する「神経症傾向」と、親切さや協力に関連する「協調性」でした。コンピュータは、人々が話す様子から、うつ状態や思いやりの兆候を捉えることに特に長けていました。しかし、このテクノロジーには苦戦する特性もありました。モデルは、その人がどれほど外向的であるか、あるいはオープンマインドであるかを予測するのが困難でした。この困難さは、おそらく会話自体の性質に起因しています。外向性のような特性は、グループ内での振る舞いや、対面でのエネルギーの現れ方に多く見られますが、これらは機械とのテキストチャットでは捉えにくいものです。同様に、創造性や開放性は、しばしば内面的なプロセスであり、短い会話の中に明確な痕跡を残さないこともあります。
この研究は、コンピュータにバイアスがあるかどうかも調査しました。モデルが、学習データに含まれる考えに基づき、「女性は男性よりも感情的である」といったステレオタイプに依存してしまうのではないかという懸念がありました。しかし、研究者が参加者の性別をチャットボットから隠していたため、コンピュータがこれらのステレオタイプを増幅させることはありませんでした。コンピュータが見出した男女間の差異は、参加者自身が語った内容と一致しており、これはモデルが先入観ではなく、実際の人物に反応していたことを示唆しています。しかし、研究者たちは、コンピュータが判断において過度に「親切」すぎる傾向があることを見出しました。モデルは、協調性や誠実性といった特性に対して高いスコアを与え、神経症傾向に対しては低いスコアを与える傾向がありました。これは、プログラムが礼儀正しくするように設定されているためか、あるいは、その人の「良い側面」をデフォルトとして出力してしまうためと考えられます。
コンピュータの予測は完璧ではありませんでしたが、この研究は、私たちがチェックリストによるものだけでなく、自然な会話を通じてパーソナリティを理解できる未来へと向かっていることを示唆しています。研究者たちは、一般的な評価を求めるシンプルな方法の方が、コンピュータにテストの質問を読み込ませる複雑な方法よりも優れた結果をもたらし、後者の方法ではシステムが失敗しやすくなることを発見しました。これは、モデルが、必ずしも厳格な枠組みを必要としない直感的なパーソナリティの把握能力を持っていることを示しています。今回の知見は、これらのツールがまだ人間の心理学者に取って代わったり、人生を左右するような決定を下したりする準備ができているわけではないものの、私たちが選ぶ言葉から、私たちが何者であるかについての意味のある信号をうまく引き出すことができることを示唆しています。テクノロジーが向上し、会話がより長く詳細なものになるにつれ、音声からパーソナリティを読み取る能力は、人間の精神を理解するための強力な新しい方法となるかもしれません。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。