Η δημιουργικότητα δεν είναι πλέον αποκλειστικό προνόμιο των ανθρώπων: υπάρχει τεχνητή νοημοσύνη που μπορεί να γράφει ποιήματα, να αναπτύσσει επιχειρηματικές ιδέες ή να δημιουργεί έργα τέχνης. Πολλοί χρήστες χρησιμοποιούν γλωσσικά μοντέλα (LLM) που έχουν εκπαιδευτεί με τεράστιες ποσότητες κειμένου, όπως το ChatGPT, για δημιουργικές συνεργασίες: η τεχνητή νοημοσύνη λοιπόν παρέχει ιδέες και προτάσεις, ενώ ο άνθρωπος καθορίζει τις οδηγίες, το πλαίσιο και την κατεύθυνση.

Ενώ η δημιουργική παραγωγή των LLMs έχει τραβήξει όλο και περισσότερο την προσοχή της επιστήμης τα τελευταία χρόνια, η υποκείμενη διαδικασία παραμένει σε μεγάλο βαθμό ανεξερεύνητη. Για το λόγο αυτό, η Surabhi S. Nath, ερευνήτρια στο Ινστιτούτο Βιολογικής Κυβερνητικής Max Planck στην Τυβίγγη, διερευνά πώς προκύπτει η δημιουργικότητα στα LLMs και σε ποιο βαθμό η δημιουργική τους προσέγγιση είναι συγκρίσιμη με αυτή των ανθρώπων.

Ευέλικτες και επίμονες στρατηγικές

Η Nath επικεντρώθηκε σε ένα ζεύγος χαρακτηριστικών που έχει αποδειχθεί αποτελεσματικό στην ψυχολογική έρευνα για τη δημιουργικότητα: την ευελιξία και την επιμονή. Για παράδειγμα, στην άσκηση να απαριθμήσουν όσο το δυνατόν περισσότερα ζώα, τα άτομα με μια επιμονή προσέγγιση θα μπορούσαν, για παράδειγμα, να αναφέρουν συστηματικά πρώτα όλα τα κατοικίδια ζώα, μετά τα ζώα εκτροφής, μετά τα πουλιά και ούτω καθεξής, ενώ τα άτομα με μια πιο ευέλικτη προσέγγιση συχνά εναλλάσσονται μεταξύ των κατηγοριών. "Ο συμβιβασμός μεταξύ της ευρείας και της σε βάθος αναζήτησης, μεταξύ της εξερεύνησης νέων δυνατοτήτων και της αξιοποίησης ήδη υπαρχουσών ιδεών, είναι ζωτικής σημασίας για κάθε δημιουργική προσπάθεια", σχολιάζει η Nath.

Για να ελέγξουν ποιες από αυτές τις στρατηγικές χρησιμοποιούν οι άνθρωποι και τα διάφορα LLM, η Nath και οι συνεργάτες της πραγματοποίησαν κλασικά ψυχολογικά τεστ δημιουργικότητας. Σε αυτά, για παράδειγμα, πρέπει να βρεθούν εναλλακτικές χρήσεις για ένα τούβλο, όπως σκαμπό ή βαρίδι για χαρτιά. Απροσδόκητο για την ερευνητική ομάδα ήταν το γεγονός ότι οι προσεγγίσεις των ανθρώπων και των μηχανών είναι παρόμοιες και ότι και οι δύο ομάδες χρησιμοποιούν τόσο ευέλικτες όσο και επίμονες στρατηγικές.

Σε κάθε μία από τις εργασίες, τα γλωσσικά μοντέλα παρέμειναν σταθερά είτε σε μια ευέλικτη είτε σε μια επίμονη προσέγγιση, αλλά άλλαζαν στρατηγική μεταξύ των εργασιών πιο συχνά από τους ανθρώπους που συμμετείχαν στην έρευνα. Επιπλέον, η ευελιξία στα LLMs οδήγησε σε πιο δημιουργικά αποτελέσματα από την επιμονή, ενώ στους ανθρώπους και οι δύο μέθοδοι οδήγησαν σε παρόμοια αποτελέσματα.

Βελτιωμένη συνεργασία ανθρώπου-μηχανής

Η Nath πιστεύει ότι αυτά τα αποτελέσματα ανοίγουν το δρόμο για μια πιο αποτελεσματική συνεργασία: οι επίμονοι άνθρωποι θα μπορούσαν να επωφεληθούν από ένα ευέλικτο LLM ως σπάρινγκ πάρτνερ και το αντίστροφο. Περαιτέρω έρευνα σχετικά με τη δημιουργική διαδικασία των ανθρώπων και των μηχανών θα μπορούσε επίσης να δώσει ενδείξεις για το πώς μπορεί να μάθει κανείς τη δημιουργικότητα, σύμφωνα με την επιστήμονα.

Απομένει να δούμε αν τα αποτελέσματα μπορούν να μεταφερθούν και σε άλλες δημιουργικές εργασίες. "Τα φυσικά περιβάλλοντα είναι πολύ πιο περίπλοκα και δύσκολο να μελετηθούν", λέει η Nath. "Το επόμενο λογικό βήμα θα μπορούσε να είναι η μελέτη της δημιουργικότητας στα παιχνίδια: προσφέρουν ένα πλουσιότερο σενάριο, αλλά εξακολουθούν να είναι ελεγχόμενα".

Ειδήσεις υγείας σήμερα
Μαζεύτηκαν τα ατιμολόγητα
Στρατηγικές πολιτικής, έρευνας και χρηματοδότησης για την αντιμετώπιση του καρκίνου
Καθηγητής Δ. Μητσικώστας: Η ημικρανία επηρεάζει τις ζωές των ανθρώπων 20 έως 40 ετών