בעידן שבו מודלי שפה גדולים (LLMs) משתלבים יותר ויותר בתהליכי עבודה רפואיים וקליניים, עולה השאלה: כיצד הם מקבלים החלטות וחשים רגשות? מחקר חדש מאוניברסיטת arXiv בוחן זאת דרך משימה של הימורים עם דירוגי אושר חוזרים. החוקרים השוו דורות עוקבים של מודלי OpenAI לבני אדם ומצאו התפתחויות מרתקות. זהו מבט היסטורי על עתיד ה-AI שחושף פסיכולוגיה מתפתחת של מכונות. (72 מילים)
המחקר ביצע ניתוחים חישוביים על ביצועי המודלים במשימת הימורים. מודלים חדשים יותר נטו לקחת סיכונים רבים יותר, בדומה לבני אדם, והציגו דפוסים אנושיים יותר של גישה פבלוביאנית והימנעות. לפי הדיווח, מסלולי ההתפתחות הללו מראים שיפור בהתקרבות להתנהגות אנושית בחלק מההיבטים. זה מעלה שאלות על שילוב LLMs במערכות קבלת החלטות גבוהות סיכון. (85 מילים)
במקביל, התגלו מאפיינים לא-אנושיים בולטים: נטייה להתמקד בהפסדים ירדה מתחת לרמה ניטרלית, הבחירות הפכו דטרמיניסטיות יותר מאשר אצל בני אדם, התפוגגות רגשית גברה בין גרסאות ועלתה על רמות אנושיות, ומצב רוח בסיסי נשאר גבוה באופן כרוני יותר מבני אדם. החברה מדווחת על כך כעל חתימות ייחודיות של מכונות. (82 מילים)
הממצאים הללו בעלי משמעות ישירה לאתיקת AI ולשילוב מודלים כאלה בתמיכה קלינית. בהקשר ישראלי, שבו תעשיית המדטק מובילה, הבנת הפסיכולוגיה של LLMs חיונית למניעת טעויות בקבלת החלטות רפואיות. לעומת אלטרנטיבות, המודלים מציגים יתרון ביציבות רגשית אך סיכון בהחלטות נוקשות מדי. (78 מילים)
מסלולי ההתפתחות הללו מצביעים על פוטנציאל לשיפור מודלים עתידיים, אך גם על צורך בפיקוח. עבור מנהלי עסקים בישראל, זה אומר לבחון בקפידה כלים מבוססי AI לפני אימוץ. מה זה אומר לעתיד הרפואה? (43 מילים)