Ny metode lader AI-agenter simulere individuelle værdier med 90 procents præcision

Forskere har præsenteret ExpertIVS, en ramme der gør det muligt for AI-agenter at simulere individuelle menneskelige værdisystemer langt mere præcist end hidtil. Metoden, beskrevet i et nyt paper på arXiv, opnår 90,78 procents troskab i at genskabe individuelle værdier og overgår eksisterende tilgange med 5,3 procentpoint i værdigeneralisering.

Traditionelt har forskere forsøgt at simulere værdier ved at indsætte svar fra spørgeskemaer direkte i AI-modellens prompt. Det fører til semantisk fragmentering, hvor sammenhængen i et menneskes værdisystem går tabt. ExpertIVS løser problemet ved at lade 14 sociologiske ekspertagenter fortolke svarene fra World Values Survey gennem strukturerede, faglige perspektiver i stedet for at sammenkæde rå svar. Det giver en dybere semantisk rekonstruktion og skaber robuste, internt konsistente individprofiler.

For at teste værdierne i dynamiske samtaler – ikke bare statiske multiple-choice-spørgsmål – introducerer forskerne en multi-agent-debatmekanisme. Eksperimenter med 480 individer fra 12 lande viser, at ExpertIVS også udviser stærk personlighedsdiskriminabilitet og adfærdsmæssig konsistens. Det betyder, at modellen ikke bare svarer rigtigt på spørgeskemaer, men faktisk agerer i overensstemmelse med de simulerede værdier i dialog.

For beslutningstagere er potentialet stort. Sociale simuleringer bruges i stigende grad til at forudsige reaktioner på politiske tiltag, markedsændringer eller kommunikationsstrategier. Hidtil har sådanne simuleringer lidt under, at AI-agenter fremstod som karikaturer frem for nuancerede individer. ExpertIVS' evne til at fastholde interne værdier i dynamiske interaktioner kan gøre simuleringer langt mere anvendelige til at teste scenarier, før de udrulles i virkeligheden.

Metoden er dog stadig på forskningsstadiet og afhænger af data fra World Values Survey, hvilket begrænser anvendeligheden til kulturer og værdier, der er dækket af undersøgelsen. Alligevel markerer den et skridt væk fra mekanisk prompt-sammensætning og hen imod egentlig sociologisk rolleudførelse i AI.