Efektyvių žmogaus ir DI pokalbių psichologija

Įžengėme į precedento neturinčią erą, kai mūsų sąveika su technologijomis pasikeitė iš esmės. Dešimtmečius bendraudavome su kompiuteriais naudodami griežtas komandas, paspaudimus ir iš anksto nustatytas sąsajas. Šiandien vyksta sudėtingi pokalbiai su dirbtinio intelekto sistemomis, kurios gali suprasti kontekstą, reaguoti į niuansus ir prisitaikyti prie mūsų bendravimo stilių tokiais būdais, kurie atrodo stebėtinai žmogiški.
Šis pokytis reiškia daugiau nei tik technologinę pažangą – tai sukuria visiškai naują psichologinę dinamiką. Bendraudami su pokalbio AI, pvz., „ChatGPT“, „Claude“ ar „Gemini“, dalyvaujame kitokius pažinimo ir emocinius procesus nei naudodami tradicinę programinę įrangą. Mes formuojame įspūdžius, kuriame lūkesčius ir patiriame socialines reakcijas, kurios labiau primena žmogaus ir žmogaus bendravimą nei žmogaus ir kompiuterio sąveiką.
Suprasti šių mainų psichologiją yra ne tik akademiškai įdomu – tai praktiškai vertinga. Nesvarbu, ar naudojate dirbtinį intelektą darbui, mokymuisi, kūrybiniams projektams ar asmeninei pagalbai, jūsų gebėjimas efektyviai bendrauti su šiomis sistemomis tiesiogiai veikia gaunamų rezultatų kokybę. Sėkmingiausi vartotojai nebūtinai yra techniniai ekspertai, o tie, kurie intuityviai suvokia šiuos unikalius pokalbius valdančius psichologinius principus.

Ko gero, svarbiausias psichologinis reiškinys žmogaus ir DI sąveikoje yra antropomorfizmas – mūsų tendencija priskirti žmogiškąsias savybes ne žmogaus esybėms. Kai dirbtinis intelektas reaguoja į pokalbį, vartoja pirmojo asmens įvardžius arba išreiškia tai, kas atrodo kaip supratimas, mes instinktyviai pradedame jį traktuoti kaip socialinį veikėją, o ne įrankį.
Tai ne tik naivi projekcija. Žmogaus ir kompiuterio sąveikos tyrimai nuosekliai parodė, kad žmonės socialiai reaguoja į kompiuterius, kuriuose pateikiami net minimalūs į žmogų panašūs ženklai. Mes taikome socialines normas, kuriame lūkesčius dėl „asmenybės“ ir kartais net jaučiame emocinius atsakymus, tokius kaip dėkingumas ar nusivylimas – visa tai sistemoms, kurios neturi tikrų emocijų ar sąmonės.
Cliffordas Nassas ir jo kolegos iš Stanfordo pademonstravo šią „kompiuterių kaip socialinių veikėjų“ paradigmą prieš dešimtmečius, parodydami, kad žmonės taiko žmonių socialinius scenarijus net ir intelektualiai suvokdami, kad sąveikauja su mašinomis. Šį efektą labai sustiprina šiuolaikinės AI sistemos, specialiai sukurtos imituoti žmonių pokalbių modelius.
Ši tendencija sukuria ir galimybių, ir iššūkių. Viena vertus, antropomorfizmas gali padaryti sąveiką intuityvesnę ir patrauklesnę. Kita vertus, tai gali sukelti nerealius lūkesčius dėl AI galimybių ir supratimo. Veiksmingiausi komunikatoriai palaiko tai, ką tyrėjai vadina „kalibruotu pasitikėjimu“ – naudoja socialinę sąsają, kartu išsaugodami supratimą apie pagrindinį sistemos pobūdį ir apribojimus.

Sąveikaujant su bet kokia sudėtinga sistema, žmonės sukuria psichikos modelius – vidinius vaizdus, kaip, mūsų manymu, sistema veikia. Šie modeliai padeda mums numatyti elgesį ir informuoti apie mūsų sąveikos strategijas. Su AI padėjėjais mūsų psichikos modeliai daro didelę įtaką efektyvumui, tačiau daugelis vartotojų dirba nevisiškai arba netiksliai.
Tyrimai rodo, kad žmonės, suvokdami dirbtinį intelektą, paprastai skirstomi į kelias kategorijas:
„Stebuklingo mąstymo“ modelis AI vertina kaip visažinį orakulą, turintį tobulų žinių ir supratimo. Vartotojai, turintys šį modelį, dažnai nepateikia pakankamai konteksto ir nusivilia, kai dirbtinis intelektas nesugeba „tiesiog žinoti“, ko jie nori.
„Stimulus-response“ modelis supranta AI kaip paprastą įvesties ir išvesties mašiną, neturinčią atminties ar mokymosi galimybių. Šie vartotojai dažnai be reikalo kartoja informaciją arba nesiremia ankstesniais mainais.
„Žmogaus ekvivalento“ modelis daro prielaidą, kad dirbtinis intelektas apdoroja informaciją identiškai žmonėms, įskaitant tas pačias kultūrines nuorodas, intuicijas ir numanomas žinias. Tai sukelia painiavą, kai AI praleidžia akivaizdžiai akivaizdžius kontekstinius ženklus.
Veiksmingiausi vartotojai kuria tai, ką galime pavadinti „papildytu įrankiu“ – AI supranta kaip sudėtingą instrumentą, turintį specifinių privalumų ir apribojimų, reikalaujantį sumanaus veikimo, o ne tobulo savarankiškumo.
Įdomu tai, kad „Microsoft“ ir kitų organizacijų tyrimai rodo, kad žmonės, turintys programavimo žinių, dažnai ne taip efektyviai bendrauja su dirbtiniu intelektu nei žmonės iš tokių sričių kaip švietimas ar psichologija. Technikos ekspertai gali per daug susikoncentruoti į sintaksę ir komandas, o įpratę prie žmonių bendravimo geriau išnaudoja pokalbio sąsają.

Sąvoka „greita inžinerija“ atsirado siekiant apibūdinti veiksmingų AI sistemų instrukcijų kūrimo praktiką. Nors tai skamba techniškai, tai iš esmės yra taikomosios psichologijos pratimas – supratimas, kaip išreikšti savo ketinimus optimaliais atsakymais.
Veiksmingas raginimas remiasi kognityvinės psichologijos principais, ypač susijusiais su informacijos struktūrizavimu, kontekstualizavimu ir kvalifikavimu. Pagrindiniai psichologiniai veiksniai yra šie:
Specifiškumo ir dviprasmiškumo tolerancija: Žmonėms labai patogu bendrauti su dviprasmiškumu. Spragas intuityviai užpildome kontekstinėmis žiniomis ir bendromis prielaidomis. AI sistemoms trūksta šio pajėgumo, todėl reikia išsamesnės informacijos. Vartotojai, kurie pripažįsta šį skirtumą, pateikia aiškesnes specifikacijas apie norimą formatą, toną, ilgį ir paskirtį.
Suskaidymas ir pažinimo apkrova: mūsų darbinė atmintis efektyviausiai tvarko informaciją, kai ji suskirstyta į reikšmingas dalis. Sudėtingų užklausų suskaidymas į valdomus komponentus sumažina pažintinį krūvį tiek žmogui, tiek dirbtiniam intelektui, o tai padidina sėkmės rodiklius. Užuot prašydami išsamaus verslo plano vienu raginimu, efektyvūs vartotojai gali nagrinėti santrauką, rinkos analizę ir finansines prognozes kaip atskiras užduotis.
Schemos aktyvinimas: kognityvinėje psichologijoje schemos yra organizuoti mąstymo modeliai, kurie organizuoja informacijos kategorijas. Aiškiai suaktyvindami atitinkamas schemas („Taikykite taip, kaip elgtųsi profesionalus finansų patarėjas“ arba „Naudokitės klasikinės pasakojimo struktūros sistema“), naudotojai padeda nukreipti AI atsako modelį į konkrečias žinių sritis.
Iteratyvus tobulinimas: galbūt priešingai, tyrimai rodo, kad žmonės dažnai bendrauja efektyviau, kai pokalbį vertina kaip kartotinį procesą, o ne tikisi tobulų atsakymų iš karto. Tie, kurie palaipsniui tobulina savo užklausas remdamiesi pradiniais atsakymais, paprastai pasiekia geresnių rezultatų nei tie, kurie bando sukurti tobulus raginimus iš pirmo karto.
Šie principai paaiškina, kodėl tam tikri raginantys metodai, pvz., vaidmenų priskyrimas, formato specifikacija ir nuoseklios instrukcijos, nuosekliai duoda geresnių rezultatų įvairiose AI sistemose ir naudojimo atvejais.

Nuolatinis iššūkis žmogaus ir DI sąveikoje yra tai, ką psichologai vadina „lūkesčių spraga“ – skirtumu tarp to, ką vartotojai tikisi, kad dirbtinio intelekto sistemos supras, ir to, ką jie iš tikrųjų supranta. Šis atotrūkis sukelia nusivylimą, mažina suvokiamą naudingumą ir trukdo veiksmingai bendradarbiauti.
Prie šio reiškinio prisideda keli psichologiniai veiksniai:
Sklandumo šališkumas: kadangi šiuolaikinis AI bendrauja nepaprastai sklandžiai kalbėdamas, vartotojai dažnai prisiima atitinkamą supratimo, samprotavimo ir pagrindinių žinių lygį. Sudėtinga žodinė išvestis sukuria vienodai sudėtingo įvesties apdorojimo įspūdį, kuris ne visada yra tikslus.
Pagrindinė priskyrimo klaida: kai AI atsakymai nepatenka į tikslą, vartotojai paprastai tai priskiria sistemos galimybėms („AI blogai išmano matematiką“), o ne svarsto, ar jų instrukcijos galėjo būti neaiškios ar dviprasmiškos. Tai atspindi, kaip dažnai kitų elgesį priskiriame jų charakteriui, o ne situaciniams veiksniams.
Emocinis užkratas: neutralus arba teigiamas tonas, kurį palaiko dauguma AI sistemų, gali sudaryti įspūdį, kad sistema supranta daugiau nei supranta. Kai dirbtinis intelektas atsako užtikrintai, vartotojai linkę suvokti didesnį supratimą nei tada, kai sistema išreiškia netikrumą.
„Microsoft“ grupės „Human-AI Interaction“ tyrimai rodo, kad aiškus šių spragų šalinimas padidina pasitenkinimą ir veiksmingumą. Pavyzdžiui, dirbtinio intelekto sistemos, kurios retkarčiais išreiškia netikrumą arba užduoda aiškinamuosius klausimus, dažniausiai kelia didesnį vartotojų pasitenkinimą, net jei kartais pateikia ne tokius galutinius atsakymus.

Pasitikėjimas yra pagrindinis bet kokių produktyvių santykių, įskaitant santykius su AI sistemomis, pagrindas. Psichologiniai tyrimai nustato keletą pasitikėjimo aspektų, ypač svarbių žmogaus ir AI sąveikai:
Pasitikėjimas kompetencija: tikėjimas sistemos gebėjimu efektyviai atlikti užduotis. Šis aspektas svyruoja priklausomai nuo AI atlikimo atliekant konkrečias užduotis ir jam didelę įtaką daro ankstyva sąveika.
Pasitikėjimas patikimumu: tikimasi, kad sistema laikui bėgant veiks nuosekliai. Vartotojai greitai nusivilia, kai atrodo, kad dirbtinio intelekto galimybės nenuspėjamai skiriasi.
Tikslo suderinimas: tikėjimas, kad dirbtinis intelektas sukurtas taip, kad tarnautų vartotojo tikslams, o ne konkuruojantiems tikslams. Šis aspektas tampa vis svarbesnis, nes vartotojai geriau suvokia galimus konfliktus tarp jų ir AI kūrėjų interesų.
Tyrimai rodo, kad pasitikėjimas dirbtiniu intelektu vystosi kitaip nei žmonėms. Nors žmonių pasitikėjimas paprastai formuojasi palaipsniui, AI pasitikėjimas dažnai vadovaujasi „aukšto pradinio, greito prisitaikymo“ modeliu. Vartotojai pradeda su dideliais lūkesčiais, o vėliau greitai iš naujo kalibruoja pagal našumą. Dėl to ankstyva sąveika yra neproporcingai svarbi kuriant veiksmingus darbo santykius.
Įdomu tai, kad tobulas veikimas nebūtinai sukuria optimalų pasitikėjimą. Naudotojai, kurie retkarčiais patiria skaidrias AI klaidas, dažnai sukuria tinkamesnius pasitikėjimo lygius nei tie, kurie mato tik nepriekaištingą veikimą, nes geriau supranta sistemos apribojimus.

Kaip ir žmonės turi skirtingus mokymosi stilius, tyrimai atskleidžia skirtingus pažinimo būdus į DI sąveiką. Savo natūralių polinkių supratimas gali padėti optimizuoti jūsų požiūrį:
Tyrinėtojai AI sąveiką traktuoja kaip eksperimentus, išbandydami ribas ir galimybes naudodami įvairias užklausas. Jie greitai atranda kūrybines programas, tačiau gali gaišti laiką neproduktyviam keliui.
Struktūristai teikia pirmenybę aiškioms sistemoms ir metodiniams požiūriams. Jie kuria sistemingus raginimo būdus ir nuoseklias darbo eigas, kad pasiektų patikimų rezultatų, bet galbūt trūksta naujoviškų programų.
Pokalbių kūrėjai AI sistemas traktuoja kaip dialogo partnerius, naudodami natūralią kalbą ir pasikartojančius mainus. Jie dažnai išgauna niuansuotą informaciją, tačiau jiems gali būti sunku atlikti techninį tikslumą.
Programuotojai AI traktuoja taip, kaip koduotų, turėdami formalią sintaksę ir aiškias instrukcijas. Jie pasiekia tikslius rezultatus tiksliai apibrėžtoms užduotims, tačiau gali pernelyg apsunkinti paprastesnes užklausas.
Nė vienas stilius nėra visuotinai pranašesnis – efektyvumas priklauso nuo konkrečios užduoties ir konteksto. Patys universaliausi vartotojai, atsižvelgdami į savo tikslus, gali pritaikyti savo stilių, kad atitiktų dabartinius poreikius, keisdami tyrinėjimą ir struktūrą, pokalbį ir programavimą.

Mūsų bendravimo modeliams didelę įtaką daro kultūrinis kontekstas ir kalbinė aplinka. Šie veiksniai daro didelę įtaką žmogaus ir AI sąveikai akivaizdžiai ir subtiliai.
Tyrimai rodo, kad dirbtinio intelekto sistemos paprastai veikia geriau su standartine amerikiečių / britų anglų kalba ir įprastais vakarietiškais bendravimo modeliais. Skirtingų kultūrinių sluoksnių naudotojai, bendraudami su dirbtiniu intelektu, dažnai turi pritaikyti savo natūralų bendravimo stilių, taip sukuriant papildomą pažintinį krūvį.
Konkretūs kultūriniai skirtumai, turintys įtakos AI sąveikai, yra šie:
Aukšto konteksto ir žemo konteksto komunikacija: aukšto konteksto kultūrose (pvz., Japonijoje ar Kinijoje) daug prasmės yra numanoma ir kildinama iš situacijos konteksto. Žemo konteksto kultūrose (pvz., JAV ar Vokietijoje) bendravimas yra aiškesnis. Dabartinės AI sistemos paprastai veikia geriau taikant žemo konteksto metodus, kai reikalavimai yra tiesiogiai nurodyti.
Tiesumo normos: Kultūros skiriasi tuo, kaip tiesiogiai pateikiami prašymai. Kai kurios kultūros mano, kad aiškūs prašymai yra nemandagūs, pirmenybę teikia netiesioginėms frazėms, kurias AI gali klaidingai interpretuoti kaip netikrumą ar dviprasmiškumą.
Metaforos ir idiomų vartojimas: vaizdinė kalba įvairiose kultūrose labai skiriasi. Žmonės, kuriems anglų kalba nėra gimtoji, gali naudoti metaforas, kurios visiškai suprantamos jų gimtąja kalba, tačiau supainioja dirbtinį intelektą, daugiausia mokytą pagal anglų kalbos modelius.
Šių veiksnių žinojimas padeda vartotojams tinkamai pritaikyti komunikacijos strategijas. Tiems, kurie dirba įvairiuose kultūriniuose kontekstuose, aiškiai nurodant numatytas reikšmes ir pateikiant papildomą kontekstą, rezultatai gali žymiai pagerinti.

AI tobulėjant ne tik tekstui, bet ir vaizdui, garsui ir vaizdo įrašams, atsiranda naujų psichologinių dimensijų. Multimodalinės sistemos naudoja skirtingus suvokimo apdorojimo būdus ir reikalauja integruoto supratimo tarp pojūčių.
Kognityvinės psichologijos tyrimai rodo, kad žmonės multimodalinę informaciją apdoroja kitaip nei vieno kanalo įvestis. Informacija, pateikiama keliais režimais, paprastai yra:

Geriau prisiminti
Apdorojama giliau
Veiksmingiau susieti su turimomis žiniomis

Dirbdami su multimodaliniu AI, veiksmingi vartotojai naudojasi suvokimo psichologijos principais:
Sutapimas: vaizdiniai ir tekstiniai elementai sustiprina, o ne prieštarauja vienas kitam. Apibūdinant vaizdą su AI, aiškiai sujungus vaizdinius elementus su tekstiniu aprašymu, pagerėja supratimas.
Atrankinis dėmesys: sutelkti dėmesį į konkrečius vaizdinės informacijos aspektus per aiškias nuorodas. Užuot klausę „vaizdo“, efektyvūs naudotojai nurodo „diagramą viršutiniame dešiniajame kampe“ arba „asmens veido išraišką“.
Kryžminis modalumo palengvinimas: vieno modalumo naudojimas siekiant geriau suprasti kitą. Pavyzdžiui, pateikiant eskizą kartu su teksto aprašymu, dažnai gaunami geresni rezultatai nei bet kuris kitas metodas atskirai.
Kadangi šios sistemos ir toliau tobulėja, supratimas, kaip mūsų suvokimo sistemos integruoja informaciją įvairiais būdais, taps vis vertingesnis veiksmingai sąveikai.

Mes vis dar tik pradedame suprasti psichologinius žmogaus ir AI sąveikos aspektus. Kadangi šios sistemos tampa vis sudėtingesnės, kelios kylančios sritys greičiausiai taps vis svarbesnės:
Bendradarbiaujantis intelektas: moksliniai tyrimai pereina nuo AI kaip įrankio ar pakaitalo prie papildomų galimybių modelių. Bus būtina suprasti, kaip žmogaus ir dirbtinis intelektas gali efektyviausiai papildyti vienas kito stipriąsias ir silpnąsias puses.
Emocinio intelekto didinimas: Nors AI sistemos nepatiria emocijų, jos vis labiau gali atpažinti ir reaguoti į žmogaus emocines būsenas. Mokymasis efektyviai perduoti emocinį turinį ir kontekstą greičiausiai taps svarbiu įgūdžiu.
Kognityvinis iškrovimas ir integracija: kai AI sistemoms perduodame daugiau pažintinių užduočių, labai svarbu suprasti, kaip tai veikia mūsų mąstymo procesus. Tyrimai rodo ir potencialią naudą (protinių išteklių atlaisvinimas kūrybiniam mąstymui), ir riziką (perduotų įgūdžių atrofija).
Pasitikėjimo kalibravimas: tinkamo pasitikėjimo kūrimas – nei per daug pasikliaujant AI galimybėmis, nei iš nepakankamo naudingų funkcijų panaudojimo – taps vis labiau niuansuotas, nes sistemos atlieka sudėtingesnes ir sudėtingesnes užduotis.
Sėkmingiausi asmenys ir organizacijos bus tie, kurie ugdo psichologinį raštingumą pagal šias dimensijas, veiksmingą dirbtinio intelekto sąveiką traktuodami kaip išmoktą įgūdį, o ne įgimtą gebėjimą.
Išvada: gebėjimas laisvai bendrauti su žmogaus ir AI
Besiformuojanti žmogaus ir DI sąveikos sritis yra patraukli psichologijos, kalbotyros, informatikos ir dizaino sankirta. Kadangi šios sistemos tampa vis labiau integruotos į mūsų kasdienį gyvenimą, gebėjimas efektyviai bendrauti su dirbtiniu intelektu vis labiau primins kalbos sklandumą – išmoktą įgūdį, kuris atveria naujų galimybių ją įvaldusiems.
Geros naujienos yra tai, kad pagrindiniai veiksmingos sąveikos principai nėra labai techniniai. Jie remiasi pagrindiniais žmogaus psichologijos aspektais – aiškiu bendravimu, tinkamu lūkesčių nustatymu, pažinimo procesų supratimu ir prisitaikymu prie grįžtamojo ryšio. Tai įgūdžiai, kuriuos dauguma žmonių gali išsiugdyti sąmoningai praktikuodami.
Lygiai taip pat, kaip išmokome naršyti psichologinėse žmogaus ir žmogaus bendravimo dimensijose – suprasti skirtingus bendravimo stilius, prisitaikyti prie kultūrinių kontekstų ir kurti produktyvius santykius – galime ugdyti panašų sklandumą su AI sistemomis. Psichologiniai principai, valdantys šias sąveikas, nėra visiškai nauji; tai žmogaus socialinio intelekto pritaikymas naujam kontekstui.
Artėdami dirbtinio intelekto pokalbiams su psichologiniu sąmoningumu, galime nežiūrėti, kad šios sistemos būtų stebuklingi orakulai ar tiesiog skaičiuotuvai. Vietoj to, mes galime sukurti niuansuotus, produktyvius santykius, kurie išnaudotų žmogiškąsias ir dirbtines galimybes, sukurdami bendradarbiavimo rezultatus, kurių nė vienas negalėtų pasiekti.
Efektyvių žmogaus ir AI pokalbių psichologijos supratimas reiškia ne tik geresnių šių sistemų rezultatus – tai ateities kūrimas, kai technologijos sustiprina, o ne pakeičia žmogaus galimybes.