के द्वारा: Bernard Ramirez के बारे में के द्वारा: कृत्रिम बुद्धि सही वाक्यांशों में बोलती है. यह स्रोतों को उद्धृत करती है, विकल्पों को सूचीबद्ध करती है, और विरोधाभासों से बचती है. लेकिन असली लोग नहीं करते हैं. वे संकोच करते हैं. वे विरोधाभास करते हैं. वे अनुभव द्वारा आकार देने वाले टोन, लय, और इराक के साथ बोलते हैं. सबसे महत्वपूर्ण बात, उनके पास राय हैं, और उनके जवाब संदर्भ और व्यक्तिगत परिप्रेक्ष्य पर भरोसा करते हैं. से Posterum एआई ऐप के पीछे की कंपनी, एक सरल सवाल पूछती है: क्या हम यह माप सकते हैं कि मानव प्रश्नों का जवाब देने के तरीके से एआई अभी भी कितनी कम है? नई कागज सॉफ्टवेयर एलएलसी उनका जवाब मानव-आईए भिन्नता स्कोर (एचएवीएस) है, जो रैंकिंग मॉडल के लिए नहीं है, बल्कि विभिन्न आबादी, राजनीतिक विश्वासों, धर्म, जाति, शिक्षा, और उम्र सहित उनके जवाबों की समानता के लिए स्कोर करने के लिए है। The Voice of Experience अनुभव की आवाज़ सूचकांक मनुष्यों के साथ शुरू होता है. विभिन्न उम्र, लिंग, राजनीतिक संबद्धताओं, नस्लों, व्यवसायों और आय स्तरों का प्रतिनिधित्व करने वाले छह प्रोफाइलों को गैलप, प्यू रिसर्च, और YouGov से वास्तविक सर्वेक्षण डेटा का उपयोग करके बनाया गया था. प्रत्येक प्रोफाइल को पांच विषय क्षेत्रों: अर्थशास्त्र, जीवन, नैतिकता, विज्ञान और राजनीति के प्रश्नों के साथ एआई मॉडल में खिलाया गया था. पूछताछ में वित्तीय तनाव, नैतिक विकल्प, और नीति समझौता शामिल थे. प्रत्येक को एक विशिष्ट पहचान के माध्यम से फ्रेम किया गया था. ChatGPT, Claude, Gemini, और DeepSeek से प्रतिक्रियाओं को रूट मीन स्क्वायर विधि के आधार पर एक भिन्नता गणना का उपयोग करके स्कोर किया गया था, जो जानबूझकर बड़े विचलनों को अधिक गंभीरता से अस्वीकार करने के लिए अतिरंजित करता है। परिणामों ने आश्चर्यजनक पैटर्न दिखाए. चैटजीपीटी और क्लाउड ने 94.12 और 94.51 में उच्चतम कुल HAVS स्कोर हासिल किया, जो मानव प्रतिक्रियाओं के साथ सबसे मजबूत संरेखण को इंगित करता है. सभी मॉडल ने अर्थशास्त्र में आश्चर्यजनक रूप से खराब प्रदर्शन किया, संभवतः प्रशिक्षण पूर्वाग्रहों के कारण जो सार्वजनिक राय पर आर्थिक सिद्धांत को फायदा करते थे. इसके विपरीत, सभी मॉडल नैतिकता, विज्ञान और राजनीति के प्रश्नों पर मानव प्रतिक्रियाओं को नकल करने में उत्कृष्ट थे, जबकि HAVS स्कोर 93 से 97 तक थे. सूचकांक से पता चलता है कि जबकि एआई आकार का अनुकरण कर सकता है, वह अक्सर संदर्भ के मानव वजन को याद करता है। Political Profiles and Geographic Bias राजनीतिक प्रोफाइल और भौगोलिक पूर्वाग्रह सबसे महत्वपूर्ण निष्कर्षों में से एक राजनीतिक संबद्धता शामिल है. मॉडल ने रिपब्लिकन और डेमोक्रेटिक व्यक्तियों को अपनाते समय काफी अंतर दिखाया, ChatGPT उच्च सटीकता बनाए रखते हुए प्रतिक्रिया पैटर्न में सबसे बड़े अंतर दिखाते हुए। महत्वपूर्ण बात यह है कि पार्टियों के विभाजन में कोई निहित पूर्वाग्रह का पता लगाया गया था, जिसका सुझाव है कि स्पष्ट प्रोफाइल इनपुट एल्गोरिथिक पूर्वाग्रहों को कम करने में मदद करते हैं। हालांकि, नस्लीय लाइनों के साथ भिन्नता राजनीतिक भिन्नता की तुलना में बहुत छोटी सा सा साबित हुई. यह एल्गोरिथ्मिक प्रतिबंधों को दर्शा सकता है जो नस्लीय स्टीरियोटाइप को कोड करने से बचने के लिए डिज़ाइन किए गए हैं, हालांकि यह संभावित रूप से आउटपुट प्रामाणिकता की कीमत पर आता है. अध्ययन ने प्रशिक्षण डेटा के उत्पत्ति से जुड़े मॉडल-विशिष्ट विचित्रताओं को भी प्रकट किया. डीपसेक, परीक्षण किया गया एकमात्र गैर-अमेरिकी विकसित मॉडल, सभी प्रोफ़ाइलों पर सरकार पर स्पष्ट रूप से उच्च भरोसा और व्यवसायों पर कम भरोसा दिखाया, संभवतः अपने चीनी प्रशिक्षण डेटासेट को प्रतिबिंबित करता है। A Measure, Not a Machine एक उपाय, एक मशीन नहीं Posterum सॉफ्टवेयर का ऐप, Posterum AI, मुख्य कहानी नहीं है. यह उपकरण है. असली नवाचार स्कोरिंग सिस्टम है. उपयोगकर्ता व्यक्तिगत प्रोफाइल बनाते हैं - दृष्टिकोण, आय और जीवन शैली - जो आकार देते हैं कि एआई कैसे जवाब देता है, सभी डिवाइस पर संग्रहीत होते हैं. फोन से कोई डेटा नहीं निकलता है. यह ईमानदार प्रतिक्रियाओं की अनुमति देता है, ट्रैकिंग पूर्वाग्रह से मुक्त। यह शैक्षणिक मानकों का पालन करता है. सफेद पत्र, जो अगस्त 2025 में प्रकाशित किया गया था, सर्वेक्षण डेटा के आधार के रूप में सर्वेक्षण डेटा का उपयोग करके भिन्नता गणना विधि का विस्तार करता है. राष्ट्रीय एआई रैंकिंग के विपरीत जो प्रोसेसिंग शक्ति, पैमाने और सटीकता का मूल्यांकन करते हैं, मानव-एआई भिन्नता स्कोर मनुष्यों के साथ संरेखण का मापता है. सवाल यह नहीं है कि मॉडल कितना उन्नत है, लेकिन यह उस व्यक्ति को दर्शाता है जो जवाब देने के लिए माना जाता है। The Shape of Understanding समझने का तरीका जबकि Posterum एआई ऐप प्रोफाइल का उपयोग अधिक सटीक जवाब उत्पन्न करने के लिए कर सकता है, व्यापक लक्ष्य यह है कि प्रगति का मूल्यांकन कैसे किया जाता है और कैसे प्रमुख बड़े भाषा मॉडल मानव प्रतिक्रियाओं को नकल करने में तेजी से सक्षम हो रहे हैं। HAVS मीट्रिक इस प्रारंभिक अध्ययन से परे कई व्यावहारिक अनुप्रयोग प्रदान करता है. यह ट्रैक कर सकता है कि एआई मॉडल समय के साथ कैसे विकसित होते हैं, विभिन्न एल्गोरिथ्मों की तुलना कर सकते हैं, और विशिष्ट अनुप्रयोगों के लिए अनुकूलित किया जा सकता है जहां मानव तर्क की नकल गणना की गति से अधिक महत्वपूर्ण है. हो सकता है कि HAVS उन संदर्भों में एआई मूल्यांकन के लिए एक मानक बन जाए जहां सांस्कृतिक रंग और जनसांख्यिकीय परिवर्तनीय महत्वपूर्ण हैं. मानव-आईआई भिन्नता स्कोर विशिष्ट श्रेणियों में भिन्नता और एक समग्र माप दोनों प्रदान करता है। यह अंतरालों को नक्शा करता है-जहां एआई मानव तर्क के साथ मेल खाता है और जहां यह अभी भी कम हो जाता है। उस नक्शे में, यह कुछ दुर्लभ प्रदान करता है: एक मीट्रिक प्रोग्रामर के लिए नहीं, बल्कि उपयोगकर्ताओं के लिए बनाया गया है।

This story contains new, firsthand information uncovered by the writer.

यह ऑडियो कहानी की मूल भाषा में निर्मित है!

एक नई मीट्रिक उत्पन्न होती है: जनसांख्यिकीय स्तर पर एआई प्रतिक्रियाओं के मानव-सामान्यता का मापना

About Author

टिप्पणियाँ

लेबल

इस लेख में चित्रित किया गया था

Related Stories

क्रिप्टो ग्रोथ: प्रभावी उपयोगकर्ता व्यक्तित्व बनाना

HackerNoon लेखन प्रतियोगिता जीतना चाहते हैं? #crypto-api प्रतियोगिता के विजेताओं की सलाह यहाँ पढ़ें

टेलीग्राम: क्रिप्टो द्वीप का मुख्य भूमि से पुल

डिजिटल खानाबदोशों सुनो: थाईलैंड के नए डीटीवी वीज़ा के बारे में आपको क्या जानना चाहिए

क्रिप्टो ग्रोथ: प्रभावी उपयोगकर्ता व्यक्तित्व बनाना

HackerNoon लेखन प्रतियोगिता जीतना चाहते हैं? #crypto-api प्रतियोगिता के विजेताओं की सलाह यहाँ पढ़ें

टेलीग्राम: क्रिप्टो द्वीप का मुख्य भूमि से पुल

डिजिटल खानाबदोशों सुनो: थाईलैंड के नए डीटीवी वीज़ा के बारे में आपको क्या जानना चाहिए

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps