プライベートスピーチ:大きな言語モデルと子供の間の類似点

科学分野:

• コグニティブ・サイエンス コグニティブ・サイエンス
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• コンピュータ言語学 コンピュータ言語学

背景:

• プライベートスピーチは,一般的に子供に見られるもので,自己調節や問題解決などの認知機能に役立つ.
• 大型言語モデル (LLM) は,人間のようなテキストを生成する上でますます洗練されており,その認知能力の調査を促しています.
• LLMで生成されたプライベートスピーチの理解は,人工知能とコンピューティング意識の洞察を提供することができます.

研究 の 目的:

• 非推論LLM (GPT-4o) のプライベートスピーチを生成する能力を調査する.
• LLMで生成されたプライベートスピーチと人間のプライベートスピーチの類似性を評価する.
• LLMのプライベートスピーチの内容に影響を与える要因を探求する.

主な方法:

• 推論をしないLLM (GPT-4o) は,テキストプロンプトを使用して,シミュレートされた単一ブロック構築シナリオに配置されました.
• LLMの自己指向的な発言は,子供のプライベートスピーチを分類するための確立された意味論的枠組みを使用して引き出され,分類されました.
• LLMのプライベートスピーチカテゴリーの分布は,ブロック構築研究の2つの人間のベンチマークと比較されました.

主要な成果:

• GPT-4oのプライベート・スピーチ・プロフィールは,古典的ベンチマークとほとんど似ていない (r = 0.01) が,最近のベンチマークと非常に似ていた (r = 0.93).
• この差異は,対象 (LLM vs. 子供) ではなく,課題の性質 (目標指向対自己決定的遊び) に起因した.
• GPT-3.5-Turbo-instructによる探査研究でも,シリアルリコールタスクにおける偶発的なプライベートスピーチが明らかになった.

結論:

• タスクの特徴,特に自己決定の度合いや脚立は,LLMのプライベートスピーチの内容を大きく左右します.
• LLMは,特定の条件下で人間のパターンを反映するプライベートスピーチ生成の能力を実証しています.
• この研究は,プライベートスピーチのLLM複製と,計算意識に対するその意味を研究するための道を開きます.