null (Foto: Reuters)

På dine likes kjenner maskinen deg

En datamodell basert på facebook-likes kan lage et svært nøyaktig bilde av personligheten din.

Er det vi som er latterlig enkle eller er det datamaskinene som er smarte? Det kan være fristende å stille spørsmålet i kjølvannet av en ny studie.

For matet med bare ti av en persons facebook-likes, kunne en datamodell tegne en bedre karakteristikk av vedkommende enn det en kollega kunne.

Kollegaer kan være fremmede for hverandre som privatpersoner, innvender du kanskje.

Men resultatene fra denne menneske-mot-maskin-studien antyder at datamodellen, ved hjelp av 150 av dine likes, kan lage et mer nøyaktig bilde av personligheten din enn din egen mor kan.

Personlighetstest

Drøye 18 000 mennesker svarte på en personlighetstest med 100 spørsmål. De ga samtidig forskerne fra Stanford University og University of Cambridge, og dermed datamaskinene deres, tilgang til sine facebook-likes.

Venner, familie og partnere svarte på en miniversjon av personlighetstesten, om hver av forsøkskaninene. Denne hadde imidlertid bare ti spørsmål.

For å gjøre grunnlaget i studien bedre, tok forskerne derfor med i regnestykket større psykologiske studier som har undersøkt hvordan venner, familie og kollegaer vurderer et menneskes personlighet.

Resultatene, som ble publisert i tidsskriftet PNAS, tyder på at en datamaskin kan beskrive personligheten din bedre enn en venn eller romkamerat ved hjelp av 70 av dine facebook-likes, bedre enn mor, far eller søsken hvis den har 150 å bruke, og bedre enn selv ektefellen hvis den har 300 likes til rådighet. Gjennomsnittlig har en facebook-bruker lagt igjen 227 likes.

Dette til tross for at mange til en viss grad sensurer oss selv på sosiale medier, som en liten studie av danske ungdommer, kan si noe om. Ungdommene var nøye med hvilke politiske utspill de ga likes til, ifølge undersøkelsen. 

Trenger menneskelig intelligens

Men hva er det egentlig å kjenne noen? Forhåpentligvis er det en stund til datamaskiner kan kan, og ikke minst ønsker, å regne seg fram til hvilket kosedyr som var favoritten din da du var tre, og hva med de små nyansene i en kommentar, som avgjør om du blir sint eller om du blir lei deg? De personlighetstrekkene som ikke legger igjen digitale spor og som krever en mer underfundig og finslepen vurdering, er vi mennesker nok fremdeles flinkest til å se, tror forskerne.

Maskinene har dessuten noen fordeler som slår ut på resultatet i denne studien, innrømmer en av forskerne, Michal Kosinski ved Stanford University.

Vi har evnen til å ta store mengder informasjon, og analyse det med algoritmer, der ingenting blir overskyggende og ingenting blir glemt.

Vi mennesker gjør ofte det motsatte.

- Mennesker har en tendens til å tillegge noe mye vekt og henfalle til irrasjonelle måter å tenke på.

Avarer mot kunstig intelligens

Nettopp dette poenget kan gjøre datamaskiner gode til en del ting – ting som kan bli oss til hjelp. Vi kan bruke dem til å støtte vurderinger vi må gjøre her i livet, for eksempel valget av yrkesvei eller hobby, og å plukke ut de beste kandidatene til en jobb, tror forskerne.

Når vi vet at vet at godt kvalifiserte søkere med unorske navn opplever å aldri bli kalt inn til intervju, er kanskje ikke den siste så dum å sette bort til datamaskiner.

Nylig gikk imidlertid eksperter som fysiker Stephen Hawking og Tesla-sjef Elon Musk ut i et åpent brev på nettsidene til Future Life Institute, med en advarsel om hva som kan skje når kunstig intelligens blir svært økonomisk verdifull.

De skriver at betydningen av kunstig intelligens for samfunnet kommer bare til å øke, men det er vanskelig å forutse hva vi kan oppnå.

- På grunn av det store potensialet i kunstig intelligens, er det viktig å forske på hvordan vi skal høste fordelene, samtidig som vi skal unngå potensielle fallgruver, skriver de i brevet.

Referanse:

Computer-based personality judgments are more accurate than those made by humans. PNAS, 12. januar 2014.

Forskere og investorer advarer mot kunstig intelligens, artikkel på e24.no, 13. januar 2014.

Powered by Labrador CMS