Modeller baserade på artificiell intelligens (AI) har visat sig vara lovande verktyg för att förutsäga vissa datatrender och framtida resultat med god precision. Dessa modellers förmåga att göra förutsägelser genom att analysera data kan vara särskilt värdefull för forskning, till exempel genom att hjälpa forskare att utforma hypoteser att testa och förutsäga resultaten av experiment.
Forskare vid London School of Economics and Political Science, Spark Wave, New York University och University of Oxford genomförde nyligen en studie som syftade till att bedöma AI-modellers förmåga att förutse korrelationerna mellan de svar som individer skulle ge på olika frågor i allmänt använda personlighetstester.
Resultaten, som publiceras i Communications Psychology, visar att ett specialiserat AI-baserat verktyg som de utvecklat kan förutsäga dessa korrelationer mycket bättre än människor.
”Den ursprungliga idén till den här artikeln kom från en konversation mellan två medförfattare, Dr. Lucius Caviola och Dr. Spencer Greenberg, som diskuterade idén att rigoröst testa förmågan att förutsäga personlighet hos såväl frontier-modeller som PersonalityMap”, säger Philipp Schoenegger, försteförfattare till artikeln, till Medical Xpress.
”PersonalityMap är en kostnadsfri plattform som utvecklats av två av våra medförfattare, Spencer och Alex, och som just släppts till allmänheten, vilket gör det möjligt för användare att utforska över 1 miljon mänskliga korrelationer, inklusive personlighet, övertygelser och beteenden.”
PersonalityMap ger användarna tillgång till korrelationerna mellan personlighetspoäng, övertygelser och beteendemönster hos deltagare som deltagit i tidigare forskningsstudier. Dessutom har forskarna tränat ett artificiellt neuralt nätverk på dessa korrelationer, så att det kan göra förutsägelser baserade på de relationer det lärt sig.
Detta neurala nätverk driver nu plattformen och gör snabbt förutsägelser om relationerna mellan olika egenskaper, övertygelser och beteendemönster som svar på användarnas frågor. Som en del av sin senaste studie jämförde Schoenegger och hans kollegor förutsägelserna från denna specialiserade AI-modell med de som gjordes av andra generella AI-modeller (t.ex. GPT-4o och Claude3 Opus), 254 icke-experter och 272 psykologiexperter.
”Vi valde ut en uppsättning frågepar med kända korrelationer mellan personlighetspsykologi och frågeformulär (som AI:erna inte fick träna på för att förhindra fusk) och bad både mänskliga deltagare (både lekmän och experter) och AI-modeller att uppskatta dessa korrelationer”, förklarar Schoenegger.
”Vi jämförde sedan deras uppskattningar med de faktiska värdena. På så sätt kunde vi se hur exakt varje grupp – enskilda människor, aggregerade människor och olika AI-modeller – kunde förutsäga de verkliga sambanden.”
Resultaten av de experiment som Schoenneger och hans kollegor genomförde visade att alla de AI-modeller som de testade är bättre på att förutsäga korrelationerna mellan människors svar på frågor i personlighetstester än de flesta lekmän och psykologiexperter.
Särskilt den specialiserade neurala nätverksbaserade modellen som utvecklats av Spencer Greenberg och Alexander Grishin, Schoeneggers kollegor, visade sig överträffa både GPT-4o och Claude 3 Opus, två av de mest använda generella stora språkmodellerna (LLM).
”När vi jämförde enskilda experter/lekmän med enstaka modellkörningar fann vi att de flesta AI-modeller är bättre än de allra flesta lekmän och även de flesta experter”, säger Schoenegger. ”Den viktigaste konsekvensen av detta är en kostnadsfråga. Istället för att be en expert att göra en uppskattning av förhållandet mellan två objekt kan man helt enkelt fråga en AI om att komma fram till liknande eller bättre resultat.”
Sammantaget visar resultaten av denna nya studie på potentialen hos AI-baserade modeller, särskilt de som tränats på tidigare forskningsdata, för att förutsäga korrelationerna mellan en individs svar i personlighetstester. PersonalityMap, den modell som forskarna utvecklat, skulle snart kunna användas av andra psykologiforskare för att planera sin forskning, t.ex. genom att förutse samband som kan uppstå och identifiera lovande hypoteser innan man genomför experiment.
”Även om vi för närvarande inte planerar/genomför någon uppföljningsstudie finns det en rad olika forskningsfrågor som skulle kunna utforskas i framtida forskning, t.ex. att fokusera på att utvidga dessa modeller för att hantera icke-linjär dynamik, utvärdera deras robusthet mot nya påståenden, kvantifiera osäkerheten i förutsägelser och gå bortom enkla associationer mot mer kausala analyser”, tillade Schoenegger.
”PersonalityMap är också under aktiv utveckling, med målet att inkludera ett ständigt ökande antal mänskliga egenskaper som den kan göra förutsägelser om, till exempel andra övertygelser, beteenden, demografiska faktorer och hälsorelaterade variabler med målet att påskynda det vetenskapliga arbetet.”
För mer information: Philipp Schoenegger et al, AI can outperform humans in predicting correlations between personality items, Communications Psychology (2025). DOI: 10.1038/s44271-025-00205-w
