क्या एक शब्द से व्यक्तित्व का पता चल सकता है? जनरेटिव AI के द्वारा "आपकी विशेषता" को समझने का युग

"अब, आप क्या सोच रहे हैं?"

यदि कोई आपसे यह पूछे और आप कुछ सेकंड के लिए अपने विचार साझा करें, जैसे कि आज की घटनाएं, थोड़ी चिंता, खुशी की बातें, या बिना किसी विशेष अर्थ के बातचीत। केवल इन "बेतरतीब शब्दों" के माध्यम से, AI आपकी व्यक्तित्व प्रवृत्तियों का काफी सटीकता से अनुमान लगा सकता है—ऐसा शोध मनोविज्ञान और AI की सीमाओं को एक कदम आगे बढ़ा रहा है।

"व्यक्तित्व निदान" बदलना शुरू हो रहा है

अब तक, व्यक्तित्व का मूल्यांकन प्रश्नावली (जैसे "आपको लगता है कि आप बहिर्मुखी हैं" या "आप व्यवस्थित हैं") के माध्यम से होता था। इसका कारण सरल है, यह कुशल है और सांख्यिकीय रूप से प्रबंधनीय है। हालांकि, एक आलोचना यह भी थी कि "व्यक्ति का व्यक्तित्व संदर्भ और स्थिति में झलकता है, और केवल विकल्प आधारित उत्तरों से इसे पूरी तरह से नहीं समझा जा सकता।"

यहां आता है जनरेटिव AI, यानी बड़े भाषा मॉडल (LLM)। शोध में, व्यावसायिक और सामान्य उपयोग के LLM (उदाहरण: ChatGPT, Claude, LLaMA आदि) को लोगों के "अपने शब्दों" को पढ़ने के लिए दिया गया और उनसे बिग फाइव (बहिर्मुखता, सहयोगिता, ईमानदारी, न्यूरोटिकिज्म, खुलापन) का अनुमान लगाने के लिए कहा गया। महत्वपूर्ण बात यह है कि "मनोविज्ञान के लिए विशेष रूप से प्रशिक्षित मॉडल" का उपयोग नहीं किया गया, बल्कि व्यापक रूप से उपलब्ध LLM का "जैसा है" उपयोग किया गया।

प्रयोग "स्वयं से बात" और "दैनिक डायरी"

शोध का डिज़ाइन मुख्य रूप से दो प्रकार का था। एक में, प्रतिभागियों को "जो कुछ भी उनके मन में आता है उसे बोलने/लिखने" के लिए कहा गया। दूसरा, दैनिक छोटे वीडियो डायरी की तरह, जीवन के एक हिस्से को स्वाभाविक रूप से बताने का रिकॉर्ड था। इन "प्राकृतिक भाषा के अंशों" से, LLM ने व्यक्तित्व प्रश्नावली के उत्तरों का अनुमान लगाया और यह देखा कि वे व्यक्ति के आत्म-मूल्यांकन से कितने मेल खाते हैं।

परिणामस्वरूप, LLM द्वारा दिए गए व्यक्तित्व स्कोर ने आत्म-मूल्यांकन के साथ समान प्रवृत्तियों को दिखाया। इसके अलावा, कई LLM का उपयोग करके और उनका औसत निकालने का दृष्टिकोण अधिक मजबूत (कम भिन्नता वाला) था। यह भी संकेत दिया गया कि पारंपरिक पाठ विश्लेषण विधियों (क्लासिक फीचर-आधारित विधियों आदि) की तुलना में LLM बेहतर थे।

यहां महत्वपूर्ण बात यह है कि "व्यक्तित्व का मिलान होता है/नहीं होता" जैसी मनोरंजक बातों से परे, "दैनिक भाषा में व्यक्तित्व के संकेत अपेक्षा से अधिक गहराई से शामिल होते हैं"। शोधकर्ता इस संभावना पर जोर देते हैं कि व्यक्तित्व केवल "आत्म-परिचय के समय" नहीं उभरता, बल्कि सामान्य सोच और बातचीत के प्रवाह में बुना होता है।

केवल व्यक्तित्व ही नहीं: व्यवहार, भावनाएं, मानसिक स्वास्थ्य के साथ भी संबंध

और गहराई में जाने पर, LLM द्वारा अनुमानित व्यक्तित्व स्कोर दैनिक भावनाओं, तनाव, सामाजिक व्यवहार आदि के साथ भी संबंधित हो सकते हैं। इसका मतलब है कि "व्यक्तित्व अनुमान केवल लेबलिंग तक सीमित नहीं है, बल्कि वास्तविक जीवन के संकेतकों के साथ जुड़ने की संभावना है," जो अनुप्रयोगों की कल्पना को तेजी से बढ़ाता है।

उदाहरण के लिए, मानसिक स्वास्थ्य क्षेत्र में, जब व्यक्ति लंबी जांच में शामिल नहीं हो सकता, तब भी छोटी डायरी या बातचीत से स्थिति के संकेत मिल सकते हैं। शिक्षा या कोचिंग में, व्यक्तित्व विशेषताओं के अनुसार प्रतिक्रिया देने के तरीके को समायोजित किया जा सकता है। नैदानिक अनुसंधान में, गुणात्मक डेटा (कहानी) को मात्रात्मक रूप से संभालने का मार्ग खुल सकता है।

हालांकि, यहां यह गलतफहमी नहीं होनी चाहिए कि "AI निदान कर सकता है"। शोध केवल यह दिखाता है कि "अनुमानित विशेषता स्कोर विशेष संकेतकों के साथ सांख्यिकीय रूप से संबंधित हैं"। चिकित्सा निदान या उपचार निर्णयों के लिए, जवाबदेही, पुनरावृत्ति, पूर्वाग्रह की जांच, गलत निर्णय के समय जोखिम प्रबंधन जैसी अलग-अलग आवश्यकताएं होती हैं।

"परिवार से अधिक सटीक"—उत्तेजक अभिव्यक्ति के पीछे

रिपोर्टिंग के संदर्भ में, "परिवार या दोस्तों की तुलना में अधिक सटीक हो सकता है" जैसी उत्तेजक वाक्यांश ध्यान आकर्षित करते हैं। शोध में यह सच है कि आत्म-मूल्यांकन के साथ उच्च मेल का जोर दिया गया है, और कुछ मामलों में यह दूसरों की तुलना में बेहतर हो सकता है।

हालांकि, यहां इसे ठंडे दिमाग से समझने की आवश्यकता है। परिवार या दोस्त आपके "जीवन के पूरे हिस्से" को जानते हैं, जबकि मूल्यांकन में संबंधों का पूर्वाग्रह भी शामिल हो सकता है (नरम/कठोर हो सकता है, विशेष क्षणों की छाप से प्रभावित हो सकता है)। दूसरी ओर, LLM केवल दिए गए भाषा डेटा को देखता है, लेकिन भाषा पैटर्न की सांख्यिकीय विशेषताओं में अत्यधिक मजबूत होता है। मतलब "कौन व्यक्ति को बेहतर जानता है" नहीं, बल्कि "किस सामग्री के आधार पर, किस मानक से अनुमान लगाया जा रहा है" यह अलग है।

SNS पर संभावित प्रतिक्रियाएं: उत्साह और चिंता

इस तरह के शोध के आने पर, SNS पर प्रतिक्रियाएं आमतौर पर दो ध्रुवीय होती हैं। यहां, वास्तविक पोस्ट के उद्धरण के बजाय, लेख की सामग्री से संभावित प्रतिनिधि बिंदुओं को "पोस्ट उदाहरण" के रूप में पुनर्निर्मित किया गया है (यह उदाहरण केवल समझ के लिए है, किसी विशेष उपयोगकर्ता के बयान नहीं)।

1) "दिलचस्प! आत्म-समझ के लिए उपयोगी" समूह

• पोस्ट उदाहरण:
  "व्यक्तित्व निदान के लिए प्रश्नों का उत्तर देना थकाऊ होता है, लेकिन अगर यह अकेलेपन से पता चल सकता है तो यह आसान है"
  "डायरी को पीछे देखने के बजाय, AI से सारांश और व्यक्तित्व प्रवृत्ति प्राप्त करना एक विकल्प है"
  "कोचिंग के लिए यह उपयोगी हो सकता है। अपनी आदतों को पहचानने में मदद मिल सकती है"

यह समूह आत्म-सहायता या कोचिंग, आत्म-विश्लेषण की "घर्षण" को कम करने की उम्मीद करता है। विशेष रूप से, जो लोग मनोविज्ञान में विशेषज्ञ नहीं हैं, वे "कठिन मापदंडों की तुलना में प्राकृतिक शब्दों को अधिक स्वाभाविक" मान सकते हैं।

2) "क्या यह निगरानी समाज नहीं है?" समूह

• पोस्ट उदाहरण:
  "अगर कुछ सेकंड की बातचीत से व्यक्तित्व का अनुमान लगाया जा सकता है, तो मैं केवल इंटरव्यू, विज्ञापन, बीमा में इसके उपयोग का भविष्य देखता हूं"
  "अगर वॉयस असिस्टेंट हमेशा अनुमान लगाता रहता है, तो प्राइवेसी क्या है?"
  "अगर 'आपकी न्यूरोटिकिज्म प्रवृत्ति अधिक है' जैसी लेबलिंग स्वतः हो जाती है, तो यह बहुत डरावना है"

यह समूह पहले से ही दुरुपयोग की कल्पना करता है। भाषा SNS, ईमेल, चैट, मीटिंग के मिनट्स आदि में हर जगह होती है। अगर "अनुमान" स्वतः चलने लगे और व्यक्ति को बिना जानकारी के मूल्यांकन में उपयोग किया जाए, तो इसे अस्वीकार करने का कोई तरीका नहीं होगा।

3) "अगर यह सटीक है, तो आधार बताएं" समूह

• पोस्ट उदाहरण:
  "आखिरकार, कौन सी वाक्यांश बाहरीता का संकेतक बन रही है?"
  "मुझे यह जानने की चिंता है कि क्या पूर्वाग्रह (लिंग, संस्कृति, भाषा) के कारण कोई विचलन नहीं है"
  "AI जो संकेत देख रहा है और मनोविज्ञान जो अवधारणाएं मान रहा है, क्या वे मेल खाते हैं?"

यह समूह पारदर्शिता और निष्पक्षता को महत्व देता है। भले ही LLM का अनुमान उच्च सटीकता वाला हो, अगर यह नहीं समझा जा सकता कि ऐसा क्यों निर्णय लिया गया, तो इसे लागू करना मुश्किल होगा। विशेष रूप से भर्ती, क्रेडिट, बीमा जैसे क्षेत्रों में, व्याख्या की क्षमता और अपील की प्रक्रिया आवश्यक है।

4) "शोध के रूप में दिलचस्प, लेकिन अतिशयोक्ति से सावधान" समूह

• पोस्ट उदाहरण:
  "'परिवार से अधिक सटीक' शीर्षक बहुत मजबूत है। मूल्यांकन का विषय बिग फाइव के आत्म-रिपोर्ट संगति है"
  "डेटा के संग्रह के तरीके के आधार पर इसे अधिक सटीक बनाया जा सकता है। सामान्यीकरण के लिए सावधानी बरतें"
  "डायरी या अकेलेपन में आंतरिकता अधिक होती है, इसलिए यह स्वाभाविक हो सकता है"

यह समूह शोध के परिणामों को नकारता नहीं है, बल्कि "लागू क्षेत्र" और "शब्दों की ताकत" को समायोजित करना चाहता है। SNS पर चर्चा के बाद, गलतफहमी के साथ "व्यक्तित्व निर्धारण AI सेवाएं" के बाढ़ को लेकर चिंतित हैं।

तो, हमें कैसे संबंध बनाना चाहिए

यह शोध जो भविष्य दिखाता है, वह सुविधा और खतरे का मिश्रण है। इसलिए, व्यक्तिगत और सामाजिक दोनों स्तरों पर "सुरक्षा के तरीके" को पहले से सोचना आवश्यक है।

व्यक्ति क्या कर सकते हैं

• डायरी, परामर्श लॉग, वॉयस मेमो को बाहरी सेवाओं पर आसानी से साझा न करें (विशेष रूप से व्यक्तिगत जानकारी, स्वास्थ्य जानकारी, पारिवारिक जानकारी)

• "विश्लेषण के लिए उपयुक्त डेटा" और "कभी नहीं साझा करने योग्य डेटा" को अलग करें

• अनुमानित परिणामों को "आईना" नहीं बल्कि "थर्मामीटर" की तरह मानें (स्थिति के अनुसार बदलते हैं और त्रुटि भी हो सकती है)

समाज के लिए आवश्यक बातें

• अनुमान के उपयोग के उद्देश्य को स्पष्ट करें और बिना सहमति के व्यक्तित्व अनुमान को प्रतिबंधित करने के लिए नियम बनाएं

• उच्च जोखिम वाले क्षेत्रों (भर्ती, बीमा, शिक्षा मूल्यांकन, न्यायपालिका आदि) में, ऑडिट, व्याख्या, और राहत की प्रक्रिया को मानक बनाएं

• संस्कृति, भाषा, उम्र आदि के आधार पर निरंतर परीक्षण को अनिवार्य बनाएं

• शोध और व्यावसायिक उपयोग को भ्रमित न करें ("कर सकते हैं" और "उपयोग करना उचित है" अलग हैं)

"आपकी विशेषता" शब्दों में झलकती है

आखिरकार, इस शोध का मूल सरल है।
व्यक्ति, भले ही व्यक्तित्व के बारे में बात न कर रहे हों, व्यक्तित्व के बारे में बात कर रहे हैं।

साधारण शब्द चयन, भावनाओं की स्थिति, घटनाओं का चयन, विषय की व्यापकता, भविष्य की बात करने का तरीका। इन अनगिनत विकल्पों से आप का निर्माण होता है और यह शब्दों के रूप में बाहर आता है। और LLM इस "झलक" को पकड़ने में माहिर है।

हम अब एक ऐसे युग में जी रहे हैं जहाँ शब्द केवल "संचार" नहीं बल्कि "अनुमान के स्रोत" भी बन रहे हैं।
सुविधा की ओर बढ़ते हुए, लेबलिंग और निगरानी में फंसने से बचने के लिए।
सबसे पहले, "शब्द, कल्पना से अधिक बताते हैं" इस तथ्य को अपने पक्ष में करने से शुरू करना चाहिए।

स्रोत

1. University of Michiganसमाचार का मूल प्रकाशन पृष्ठ
   https://news.umich.edu/say-whats-on-your