Core Concepts
人間と大規模言語モデルの創造的プロセスには共通点と相違点がある。人間は柔軟性と持続性の両方のパターンを示すが、大規模言語モデルは柔軟性または持続性に偏る傾向がある。また、大規模言語モデルの創造性は柔軟性と強く関連するが、人間の創造性はこれらのパターンと関連しない。
Abstract
この研究では、人間と大規模言語モデルの創造的プロセスを自動的に特徴付ける新しい手法を提案している。この手法では、文章埋め込みを使ってレスポンスのカテゴリ化と意味的類似性を評価し、「ジャンプ」シグナルを生成する。
人間データでは、この手法の信頼性と妥当性が確認された。人間のレスポンスシーケンスは、持続的、柔軟的、混合的の3つのクラスターに分類できることが示された。一方、大規模言語モデルのレスポンスは、課題によって持続的または柔軟的なパターンに偏る傾向があった。
興味深いことに、人間の創造性は柔軟性のプロファイルと関連しないが、大規模言語モデルでは柔軟性の高いモデルの方が創造性が高いことが明らかになった。これは、人間と大規模言語モデルの創造的プロセスの違いを示唆している。
この研究成果は、大規模言語モデルを人工参加者や共創者として活用する際の重要な洞察を提供する。また、人間と人工知能の創造性の比較研究に新しい方法論を提供している。
Stats
人間参加者数: 220人
大規模言語モデル数: 8モデル
大規模言語モデルの温度パラメータ: 0-1の範囲で0.1刻み
Quotes
「人間の創造性は柔軟性のプロファイルと関連しないが、大規模言語モデルでは柔軟性の高いモデルの方が創造性が高い」
「大規模言語モデルを人工参加者や共創者として活用する際の重要な洞察を提供する」