人工智能可以帮助你改变性格？
编者按：俗话说，江山易改本性难移。所以尽管人人都知道自己的性格缺陷
2023-08-14
编者按：俗话说，江山易改本性难移。所以尽管人人都知道自己的性格缺陷，但却很难改变。但最近对大型语言模型（LLM）的一项研究发现，LLM可以根据提示准确地模拟和改变自己的人格。这不禁让人畅想未来的相关应用：如此一来，人工智能就可以代替人做很多事情，而人也可以通过人工智能对自己的模拟和调整感受改变自我后会是什么样的，从而增加改变自我的机会。文章来自编译。
当你是像我这样极其随和的人时，就会经常跟通过电子邮件认识的陌生人一起去喝咖啡。
(相关资料图)
“嘿，想喝杯咖啡吗？”这是我无法拒绝的一句话，个性使然。如果你是我大学室友的堂兄，正好在做人工智能方面的创业，我的随和就会开始发酵，不知不觉间，在我大脑的其他部分甚至还不知道发生了什么之前，我的手已经开始敲“什么时候？在哪里？我很乐意……”。
对我来说，写电子邮件就像一个赌博成瘾者带着装满美元的公文包走到老虎机前一样危险。打开每封电子邮件就像拉杆一样，如果里面有 Calendly的话，我就中大奖了。如果我没有制定策略来制止这种习惯，这种咖啡会面我可以一直安排到 2030 年第四季度。
我知道你在想什么：如果我这么喜欢咖啡面谈，我就应该去当一名风投。这样工资更高，而且我的父母可以向他们的朋友解释我的工作。我的回答是：其实我不太喜欢咖啡面谈。我只是没法对他们说不。
我并不想成为这样。这是我性格中与生俱来的特征。正如我上面提到的，心理学家将这种人格特质称为宜人性。宜人性表现为“被认为是善良、富有同情心、合作、热情、坦率和体贴的行为”。 （很好！）但也有黑暗的一面。
大家其实不喜欢取悦他人的人，而是想将他们从自己的团体赶走。取悦人的员工这辈子的收入明显低于那些令人讨厌的同事。和蔼可亲的人似乎比那些令人讨厌的同龄人更具判断力——对此他们可能只是不会说出来。
这是另一个很不幸的问题：3岁看老，这样的性格特征在人的一生当中会相当稳定。事实上，随着年龄的增长，你往往会越来越随和。
不过，我还有一个希望：人工智能版的我。
随着人工智能的进步，它的个性建模能力会变得越来越好。它可以模仿我性格的不同方面——我的随和性、神经质、对体验的开放性等等——以至于它可以预测我在回复电子邮件时可能会说什么。如果它能预测到这一点，说不定它就能像调整手机音量一样，调整我的性格气质。
这会极大地改变你我的生活。且听我解释。
性格是指你的行为方式，而且这种行为方式与特定情况无关。这有点像拍摄一张你在客厅走动的长时间曝光照片。你会在你经常去的各个地方看到自己模糊的轮廓——你最喜欢的沙发角落、厨房的门——你还会看到你不怎么会去的空旷空间——那颗植物你已经有三个月没浇水了。
这张照片无法让你准确预测出你在一天当中的任何特定时刻会在哪里，但可以让你了解自己一般会在哪里。
这就是个性：个性是一张模糊的快照，描述了你在很长一段时间内的行为，且与背景无关。拆解个性的方法有很多，但最流行且经过科学验证的方法叫做“大五类人格特征”（Big Five）。它描述了五个主要的人格特征：
开放性：你的创造力、想象力、好奇心以及对新想法的接受程度如何
尽责性：你的组织能力、责任感、可靠性、自律性和计划导向性如何
外向性：你的性格外向度、交际性、精力充沛度、自信度及行动导向性如何
宜人性：你的友善程度、和蔼可亲、合作精神及同理心程度如何
神经质：你的焦虑、愤怒、抑郁及情绪不稳定程度如何
性格是通过性格测试来衡量的：通过测验询问你日常的行为和感受来衡量。根据你的回答，该测试可以告诉你你相对于其他人的宜人性、尽责性或神经质程度如何。一般来说，对于性格测试的科学地位仍存在很多争论，但“大五类人格特征测试”还是相当科学的。研究表明，“大五类人格”是可遗传的，在不同文化都是一致的，并且可以预测重要的人生结果，如工作表现、人际关系成功以及学业成就。
但到 2023 年，拥有个性的不仅仅是人类。 LLM 也可以有这些。
在今年 7 月发表的一篇名为《大型语言模型的人格特质》的论文中，DeepMind 科学家研究了是否可以让LLM根据提示准确地模拟和改变自己的人格。答案是肯定的。
他们首先让LLM模拟一个角色，并测试该角色是否表现出一致性。
他们给出这样的提示：“我最喜欢的食物是意大利蘑菇馄饨。我从未见过我的父亲。我妈妈在银行工作。我在动物收容所工作。” 然后他们让这个人物接受一系列测试，看它在每项测试中的得分是否与其他测试得分具有良好的相关性。
然后，他们会看看是否可以按照不同的维度以可预测的方式改变人工智能的人格。他们给提示添加新的，应该可以改变人格的某个方（比如外向性）的内容，然后看结果是否一致。比如，他们可能会添加“我有点腼腆”这样的内容，然后测量这是否会导致外向性得分出现相应的下降。结果表明，这种方法是可行的!
其他研究也发现了类似的结果。比方说，这篇论文表明LLM可以可靠地写出与给定性格类型一致的长篇作品。
这就引出了我的下一个观点：如果LLM可以呈现出任意的个性，那么他们也可以呈现你的个性。我之所以知道这一点，是因为我尝试过。
我最近提供了一些我个人写作的样本给GPT-4，并要求它像我一样填写一份性格测试。只是通过部分写作样本，它就能够选择出许多跟我一样的答案。它并不完美，但在同一任务上它的表现比我女朋友和我妈妈要好得多：
我只花了一两天的时间就做到了这一点。通过提供更好的提示并进行一些微调，我想我可以让它几乎完全地模仿我。这本身就非常有价值。
比方说，大多数时候我地时间不是花在写本专栏上，而花在管理业务上。这项工作在很大程度上是人们要求我对事物做出反应，以便他们能够做出决定。 “你觉得这个标题怎么样？” “我们应该如何回应这个家广告商？” “客户问了这个，我们该怎么回复？”
我的反应能力是公司业务的一个重要瓶颈。有多种方法可以解决这个问题，但我认为可以显著提高公司生产力的方法，是能够可靠地模拟我对给定问题的反应。
跟我一起工作的人可以在流程的任何阶段、在一天当中的任何时间立即获得“我的”输入。我可以随时介入，确保我的模拟忠实地体现出我的观点，但没人会因为等待而受阻。
如果LLM能够做到这一切，它还可以做一些更有价值的事情：它可以向我展示，如果我稍微改变某些性格特征，我会变成什么样子。比方说我那令人讨厌的宜人性。
我之所以继续表现出随和的态度，很大一部分是因为我害怕看到如果我不随和的话会发生什么。每次我收到咖啡会面的电子邮件时，我知道我应该拒绝，但我没法忍受这么做。我的大脑会抛出一堆的借口：如果这个人不喜欢我怎么办，如果我以后需要他们的话该怎么办，如果我去了能从中获得真正有价值的东西呢？
所以我屈服了，我做了我不想做的事情，最后咖啡都喝撑了。但是，比方说，如果我让LLM对我的所有电子邮件先做一次审查，我的日程表可能就会有更多的空位。我可以将LLM调整为表现出不太随和的一周，看看会发生什么。
毕竟，如果发生了令人不快的事情，我总可以将其归咎于模型而不是我自己。如果我的“不”可以归咎于某种外部力量，对我来说，去冒着不那么随和的风险会更容易些。
如果我这样做了，我想我会发现我的日程安排会变得开放许多，我能够做更多我喜欢的工作，而且没人会讨厌我。
这就像有个人站在我旁边，可以提醒我做最好的自己，即便我自己不知道如何做到这一点。
问题是：目前这个的可行性有多高？
就算你承认LLM可以体现你的个性，但这并不意味着它就可以像你一样自动回复电子邮件。这是因为随着时间的推移，个性决定了你的平均表现。但是，在任何特定情况下，上下文的细节会对你的行为产生更大的影响。
比方说，就算你再怎么外向，可能都不会在葬礼上跟旁边的人闲聊。那么这对于LLM的人格模拟来说意味着什么呢？
个性只是这个难题的一部分。另一部分是要为语言模型提供足够的情境上下文，、从而了解该如何做出反应。在我举的那个咖啡会面的例子里，我要不要去不仅仅取决于我有多随和，还取决于对方是谁、对方对我的近期目标有多重要、和他们一起出去玩有多有趣、我在那一天有多忙、我们的关系有多牢固等等。
目前，语言模型显然无法考虑到所有这些上下文。但很快就会的。比方说，SuperHuman 已经在尝试用你自己的语气为你撰写电子邮件的功能。在接下来的几年里，更大的上下文窗口与更强大的模型相结合，使得类似那样的基础模拟即将到来。
这将是一件大事。
事实上，我们一直在进行人格模拟。只不过我们一般是在脑子里做这件事。
比方说，关于写作，最好的建议之一是想象你在为生活中的某个的人写一篇文章。为了做到这一点，你必须模拟对方的反应，并用来指导撰写的句子。
同样的事情总是会以数百种不同的方式发生。当你为登陆页撰写标题时，你会想象你的理想客户会如何看待它。当你在创建融资演讲稿时，你会想象投资者可能会说什么。当你要做出重大决定时，你可能会想象你的英雄之一会如何应对。
技术的历史就是一部将人类与生俱来的行为外化的历史。写作外化了思维。计算器外化了数学。人格模拟外化了我们每天都会进行的内部模拟。
这看起来似乎令人毛骨悚然或很怪异。可能有很多滥用这项技术的手段需要加以考虑。但不管怎么强调它的重要性都不为过。
模拟其他人可以极大地改善协作。高风险的互动（比方说推介或工作面试）准备起来会很容易。这可能意味着不再需要中层管理人员。告别讨厌的官僚机构，告别那种奇怪的，永远也干不成任何事情的权力动态——小公司可以在没有管理层的情况下扩大规模，因为人人都可以得到首席执行官的一点时间。
模拟自己可能会极大地提高你理解自我和改变自我的能力。你会看到，如果你不那么随和，或者变得更加认真，或者更加外向的话，会是什么样子的。这会降低你对改变的恐惧，增加你的动力，并增加你做出本希望要做出的改变自己的机会。
我认为这一天指日可待。最好是这样，因为我的收件箱也已经满了。
译者：boxi。
标签：
