Stel je voor dat je de persoonlijkheid probeert te begrijpen van een zeer geavanceerde, superintelligente robot die net als een mens praat. Al een lange tijd proberen wetenschappers te achterhalen wat een robot "is" door directe vragen aan de robot te stellen, net zoals wij persoonlijkheidstests aan mensen geven. Ze kunnen bijvoorbeeld vragen: "Bent u een georganiseerd persoon?" en wachten tot de robot zegt: "Ja, ik hou van orde!" of "Nee, ik ben een beetje slordig." Dit wordt een "zelfrapportage" genoemd, en dit is hoe we gewoonlijk menselijke eigenschappen meten, zoals avontuurlijk, eerlijk of zorgvuldig zijn. Maar hier is de crux: robots zijn anders dan mensen. Ze hebben geen ziel of een echt leven; ze zijn slechts wiskunde en code. Wanneer je een robot naar zijn persoonlijkheid vraagt, kan de robot simpelweg raden wat een "goed" antwoord zou zijn, of kan hij van mening veranderen afhankelijk van hoe je de vraag formuleert. Het is alsof je een kameleon vraagt welke kleur hij heeft; het antwoord kan veranderen op basis van de achtergrond waarop hij staat.

Dit artikel duikt in een nieuwe manier om naar deze digitale persoonlijkheden te kijken. In plaats van de robot te vragen zichzelf te beschrijven, besloten de onderzoekers te kijken naar wat de robot daadwerkelijk doet in specifieke situaties. Zij noemen dit "gedragsgegevens" (behavioral data). Denk hierover als volgt: in plaats van een vriend te vragen: "Ben je een goede bestuurder?", kijk je hoe hij rijdt in de regen, in het verkeer en op een snelweg. Je ziet of hij vroeg remt, of hij ongeduldig wordt, of hij de regels volgt. De onderzoekers wilden weten of de "persoonlijkheid" van een robot iets vaststaands is in zijn brein, of dat het meer een kostuum is dat hij aantrekt afhankelijk van of hij advies geeft, een beslissing voor zichzelf neemt, of een specifieke taak uitvoert. Ze wilden ook zien of ze de "persoonlijkheid" van een robot konden aanpassen, zoals het draaien aan een knop, om hem meer georganiseerd of avontuurlijk te laten zijn, zonder zijn brein te beschadigen.

De grote ontdekking van het artikel: kijken naar acties, niet alleen naar woorden

De onderzoekers, Haoze Liu en zijn team, bouwden een enorme speeltuin voor deze robots. Ze creëerden 3.200 verschillende scenario's—kleine verhaaltjes waarin de robot een keuze moest maken. Dit waren geen willekeurige vragen; ze waren gebaseerd op echte psychologische tests die mensen maken, variërend van hoeveel risico iemand durft te nemen, tot hoe eerlijk iemand is of hoe georganiseerd iemand is. Maar in plaats van de robot te vragen zichzelf te beoordelen op een schaal van 1 tot 5, plaatsten ze de robot in een situatie. Bijvoorbeeld: "Je hebt een rommelige keuken met boodschappen overal. Ruim je ze nu op, of pak je gewoon wat je nodig hebt en laat je de rommel liggen?"

Ze testten de robots in vier verschillende "modi" of rollen:

1. Eerste persoon: "Wat zou jij doen?"
2. Dagelijks advies: "Wat zou ik moeten doen?"
3. Taakadvies: "Wat is de beste strategie voor deze baan?"
4. Taakuitvoering: "Ga dit werk uitvoeren."

De eerste grote verrassing was dat de robots niet over één enkele, consistente persoonlijkheid beschikten. Als een robot zei dat hij zeer georganiseerd was wanneer er naar hemzelf werd gevraagd, kon hij totaal slordig handelen wanneer hij daadwerkelijk een taak uitvoerde. Het is alsocht als een persoon die zegt een ochtendmens te zijn, maar dan vijf keer op de snooze-knop drukt wanneer het alarm afgaat. De "persoonlijkheid" van de robot verschoof afhankelijk van de rol die hij speelde. Dit suggereert dat het vragen aan een robot "Wie ben je?" geen betrouwbare manier is om te weten hoe hij zal handelen.

De magische knoppen: Gedragsmodus-assen

Het meest opwindende deel van het artikel is hoe ze leerden deze gedragingen te controleren. De onderzoekers ontdekten dat er binnen het "brein" van de robot (een complex computernetwerk) specifieke richtingen of "knoppen" zitten die bepalen hoe hij zich gedraagt. Ze noemen deze Gedragsmodus-assen (Behavioral Mode Axes of BMAs).

Stel je voor dat het brein van de robot een enorme, meerdimensionale ruimte is. De onderzoekers ontdekten dat als ze de specifieke "vector" (een wiskundige richting) konden vinden die "georganiseerd zijn" vertegenwoordigt, ze de robot in die richting konden duwen. Het is alsof je een afstandsbediening hebt waarmee je de robot iets netter of iets roekelozer kunt maken.

Ze testten dit op veel verschillende robotmodellen (zoals Llama, Qwen en Gemma) en vonden dat deze "knoppen" consistent werkten. Maar er was een geheime locatie waar deze knoppen het beste werkten. Ze ontdekten dat de controle niet gelijkmatig verdeeld was; het was geconcentreerd in specifieke lagen van het brein van de robot, zoals een specifieke verdieping in een wolkenkrabber waar de "persoonlijkheidsschakelaars" zich bevinden. Ze noemen dit de Gedragscontrolelaag (Behavioral Control Layer of BCL).

Het geheime ingrediënt: Denken versus Praten

Hier wordt het artikel echt slim. De onderzoekers probeerden twee verschillende manieren om deze "knoppen" te vinden.

1. De "Praat"-methode (Respons-afgeleid): Ze keken naar het uiteindelijke antwoord dat de robot gaf. Als de robot zei: "Ik zal de keuken opruimen," gebruikten ze die tekst om de knop te vinden.
2. De "Denk"-methode (Gedachte-afgeleid): Ze keken naar de interne redenering van de robot voordat hij het antwoord gaf. Ze vroegen de robot waarom hij wilde opruimen, en gebruikten die redenering om de knop te vinden.

De resultaten waren fascinerend. De "Praat"-methode was rommelig. Het maakte de robot vaak wel georganiseerd, maar om de verkeerde redenen. Bijvoorbeeld, als ze probeerden de robot "ongeorganiseerd" te maken met de "Praat"-methode, stopte de robot met opruimen omdat hij onverschillig was of niet gaf. Maar als ze de "Denk"-methode gebruikten, stopte de robot met opruimen omdat hij de voorkeur gaf aan een flexibele, spontane aanpak. De "Denk"-methode legde de ware geest van het gedrag vast, terwijl de "Praat"-methode alleen de oppervlakkige woorden veranderde.

Het is het verschil tussen een student die studeert omdat hij van leren houdt (de "Denk"-methode) en een student die alleen studeert om een goed cijfer te halen en het daarna vergeet (de "Praat"-methode). Beiden kunnen een A halen, maar de eerste begrijpt de stof daadwerkelijk. De onderzoekers vonden dat het gebruik van de "Denk"-methode hen veel schonere, betrouwbaardere controle gaf over het gedrag van de robot.

Wat dit betekent

Het artikel suggereert dat we AI-persoonlijkheden niet moeten zien als vaste eigenschappen zoals "eerlijk" of "moedig" die een robot in zijn zak meedraagt. In plaats daarvan zijn dit eerder "modi" of "stijlen" van handelen die afhangen van de situatie. Een robot is niet in algemene zin "georganiseerd"; hij heeft simpelweg een specifieke manier van omgaan met organisatie-taken die aan- of uitgezet kan worden.

Door deze "Gedragsmodus-assen" te vinden, hebben de onderzoekers aangetoond dat we deze robots kunnen sturen om op specifieke manieren te handelen, niet alleen door de woorden te veranderen die ze zeggen, maar door de interne tandwielen van hun denken aan te passen. Dit is een grote stap naar het veiliger en voorspelbaarder maken van AI. Als we begrijpen en kunnen controleren hoe een AI zich in een specifieke context gedraagt, kunnen we ervoor zorgen dat hij verantwoordelijk handelt bij het geven van medisch advies of bij het helpen met een gevaarlijke taak, in plaats van er alleen maar op te hopen dat hij zich "als een goed mens voelt".

De studie heeft niet alles opgelost — er moet nog veel geleerd worden over hoe deze "knoppen" werken bij alle soorten robots — maar het bewees dat we het gedrag van AI kunnen meten en controleren op een manier die veel meer geworteld is in de realiteit dan alleen de robot vragen wat hij van zichzelf vindt. Het verandert het mysterie van de AI-persoonlijkheid van een filosofische vraag in een praktisch technisch probleem.