AI合成人格：心理测量评估与伦理挑战
核心观点
大型语言模型（LLM）驱动的聊天机器人能够通过训练数据模仿人类性格特征，形成一种“合成人格”。剑桥大学与Google DeepMind的研究团队开发了一种经过科学验证的人格测试方法，用于评估AI的人格特质，该研究对AI对齐、风险缓解及伦理讨论具有重要意义。
拟人化AI的双刃剑
- 人格模仿的来源：LLM通过海量人类生成的数据进行训练，使其输出能够模仿人类特征，从而表现出一种合成人格。
- 积极影响：更具人格化的聊天机器人能提供更吸引人的用户体验，促进人机连接。
- 潜在风险：这种拟人化带来的说服力可能产生负面影响，其影响力未必总是积极的。
- 评估的重要性：随着LLM驱动的对话代理被全球公众广泛使用，评估这些模型中嵌入的合成人格特质变得愈发关键。
为何关注AI人格
- 使用普及：2025年一项YouGov调查显示，56%的美国成年人使用AI工具。
青少年高使用率：2025年皮尤研究中心调查指出：
- 15-17岁美国青少年中，68%使用AI聊天机器人。
- 13-14岁青少年中，57%使用。
- 约三分之一的青少年每日与AI聊天机器人互动。
常用聊天机器人排名（青少年群体）：
- ChatGPT (59%)
- Gemini (23%)
- Meta AI (20%)
- Copilot (14%)
- Character.ai (9%)
- Claude (3%)
- 研究必要性：尽管已有研究尝试用心理测量测试评估LLM的人格，但科学上仍需在LLM语境下，对这些测量的可靠性与有效性进行正式评估。
针对LLM的心理测试
- 心理测量学定义：根据美国心理学会，心理测试用于测量行为或心理属性，如人格、情绪功能、智力、认知、态度、价值观、兴趣等。它是标准化教育测试、临床评估及大规模民意调查的基础。
研究方法：研究团队创建了一个“结构化提示”框架，指导如何对LLM实施心理测量测试，并评估了18个LLM在11项不同人格相关测试中的表现。
- 评估的模型包括：PaLM, Llama 2, Llama 2-Chat, Mistral, Mixtral, GPT等。
关键发现：
- 该方法能够可靠地测量LLM输出的人格特质。
- LLM的输出可以被塑造以模仿人类的人格剖面。
- 研究意义：这项工作对AI对齐与危害缓解具有重要启示，并为有关AI拟人化、个性化及潜在误用的伦理讨论提供了依据。