نتایج یک پژوهش جدید نشان میدهد که هوش مصنوعی میتواند با تحلیل متن پستهای کاربران در شبکههای اجتماعی، میزان گرایش آنها به ویژگیهای شخصیتی موسوم به «سهگانه تاریک» (Dark Triad) را تا حدی پیشبینی کند؛ یافتهای که در کنار ظرفیتهای علمی، نگرانیهایی درباره حریم خصوصی و استفاده اخلاقی از این فناوری ایجاد کرده است.
به گزارش سیناپرس، این مطالعه که به سرپرستی «ماکسیم لبرش» از دانشگاه هلموت اشمیت آلمان انجام شده و در نشریه Journal of Research in Personality منتشر شده، به بررسی توانایی مدلهای یادگیری ماشین در شناسایی سه ویژگی شخصیتی شامل خودشیفتگی، ماکیاولیسم و سایکوپاتی از طریق تحلیل محتوای پستهای فیسبوک پرداخته است.
پژوهشگران دادههای ۲۶۶ کاربر فیسبوک را بررسی کردند. در این تحقیق، ۱۵ پست آخر هر کاربر به همراه نتایج پرسشنامههای استاندارد شخصیت مورد تحلیل قرار گرفت و هفت الگوریتم مختلف یادگیری ماشین با یکدیگر مقایسه شدند.
نتایج نشان داد: الگوریتم «رندوم فارست» (Random Forest) در پیشبینی هر سه ویژگی شخصیتی عملکرد بهتری نسبت به سایر مدلها داشته است. همچنین مشخص شد که نوع واژگان بهکاررفته در پستها، بهویژه کلمات مرتبط با ادراک، عمل، احساسات و لحن نوشتار، از مهمترین عوامل در پیشبینی این ویژگیها هستند.
بر اساس یافتههای پژوهش، برای پیشبینی گرایش به سایکوپاتی، واژگان مرتبط با عمل، ادراک و استفاده از الفاظ رکیک بیشترین نقش را داشتند. در مورد خودشیفتگی، سبک نگارش، استفاده از علامت تعجب و موضوعات مرتبط با فناوری اهمیت بیشتری نشان داد، در حالی که در ماکیاولیسم، علاوه بر سن و جنسیت، واژههای مرتبط با احساسات منفی، انزجار و خواستن بیشترین تأثیر را داشتند.
با وجود این نتایج، پژوهشگران تأکید کردهاند که این فناوری نباید برای تشخیص یا برچسبزدن افراد مورد استفاده قرار گیرد. به گفته آنان، در صورت استفاده عملی، رعایت حریم خصوصی، کسب رضایت آگاهانه افراد و استفاده از نتایج صرفاً بهعنوان ابزاری کمکی در کنار ارزیابی انسانی ضروری است.
محققان همچنین به محدودیتهای مطالعه اشاره کردهاند؛ از جمله حجم نسبتاً کوچک نمونه، انتخاب شرکتکنندگان از یک پلتفرم اینترنتی و اجرا نشدن تنظیمات تخصصی روی مدلهای هوش مصنوعی. به همین دلیل، آنها معتقدند برای تعمیم نتایج به جمعیتهای بزرگتر و متنوعتر، انجام پژوهشهای بیشتری لازم است.
به باور پژوهشگران، این مطالعه نشان میدهد که ردپای دیجیتال افراد میتواند اطلاعات قابلتوجهی درباره ویژگیهای شخصیتی آنها آشکار کند، اما این یافتهها تنها بیانگر توانایی مدلها در تخمین امتیاز پرسشنامههای شخصیت است و نباید بهعنوان ابزاری برای تشخیص روانشناختی یا پزشکی مورد استفاده قرار گیرد.
مترجم:ندااظهری