PsychAdapter: Forscher bringen KI bei, sich mit über 87 % Genauigkeit an Ihre Persönlichkeit anzupassen

Chatbots, Übersetzer, Assistenten. All diese Werkzeuge haben eines gemeinsam: Sie schreiben durchschnittlich. Sie generieren Texte, die jeder hätte schreiben können – oder vielmehr niemand Bestimmtes. Keine Persönlichkeit, kein Charakter, kein Hinweis darauf, ob hinter der Tastatur ein introvertierter Mensch sitzt, der sich quält, oder ein energiegeladener Extrovertierter. Ein Forschungsteam mehrerer US-amerikanischer Universitäten hat beschlossen, das zu ändern. Das Ergebnis ist PsychAdapter – eine leichtgewichtige Erweiterung für große Sprachmodelle, die ihnen etwas verleiht, das ihnen bisher fehlte: ein psychologisches Profil.

Wie funktioniert PsychAdapter?

Kurz gesagt: Es nimmt bestehende Sprachmodelle wie GPT-2, Gemma-2B oder LLaMA-3 und ergänzt sie um eine Schicht, die menschliche Psychologie versteht. Konkret arbeitet es mit dem sogenannten Big-Five-Modell, das die Persönlichkeit eines Menschen anhand von fünf Dimensionen beschreibt: Offenheit, Gewissenhaftigkeit, Extraversion, Verträglichkeit und Neurotizismus. Hinzu kommen Variablen zur psychischen Gesundheit wie Depression und Lebenszufriedenheit sowie demografische Angaben wie das Alter.

Wie funktioniert das technisch? Anstatt dem Modell per Prompt zu sagen „Schreibe wie ein Extrovertierter“, verändert PsychAdapter direkt die Architektur des Transformers. Jede Schicht des Modells erhält als Eingabe numerische Werte für die Persönlichkeitsmerkmale. Ein Wert von +3 für Extraversion bedeutet beispielsweise, dass das Modell einen Text generiert, der typisch für einen ausgesprochen geselligen Menschen ist. Ein Wert von -3 erzeugt dagegen die Sprache eines Einzelgängers. Und das Interessante daran: Die hinzugefügten Parameter machen weniger als 0,1 % der Größe des ursprünglichen Modells aus. Bei Gemma-2B mit zwei Milliarden Parametern handelt es sich lediglich um 55.000 zusätzliche Werte. Dennoch verändern sie das gesamte Modell grundlegend.

Ergebnisse, die selbst die Forschenden überraschten

Das Team überprüfte die Ergebnisse auf zwei Arten: mithilfe menschlicher Bewerter mit psychologischer Ausbildung und mithilfe des Modells Claude 3.5 Sonnet von Anthropic. Und die Zahlen sind beeindruckend.

Menschliche Fachleute erkannten die Persönlichkeitsmerkmale des generierten Textes in 87,3 % der Fälle korrekt. Wurde das Modell zusätzlich durch einen einleitenden Prompt wie „Ich mache gerne ...“ angeleitet, stieg die Genauigkeit auf 91 %. Bei den Variablen zur psychischen Gesundheit, also Depression und Lebenszufriedenheit, erreichte die Genauigkeit sogar 96,7 %. Claude schnitt als automatischer Bewerter noch besser ab: 93,5 % bei Persönlichkeitsmerkmalen und volle 100 % bei der psychischen Gesundheit.

Was bedeutet das in der Praxis? Wenn PsychAdapter eine hohe Extraversion einstellt, schreibt das Modell über Freunde, gesellschaftliche Veranstaltungen und Unterhaltung. Eine niedrige Extraversion führt zu Texten über Einsamkeit, ruhige Aktivitäten und die innere Welt. Ein hoher Neurotizismus erzeugt Formulierungen, die Angst und Grübeln ausdrücken. Das ist weder Zufall noch ein Trick. Es ist das Ergebnis davon, dass das Modell echte sprachliche Muster aus den Daten realer Menschen gelernt hat.

Wo kann das nützlich sein? Die Möglichkeiten sind vielfältig

Das ist nicht nur eine akademische Spielerei. Die Forschenden beschreiben eine ganze Reihe praktischer Einsatzmöglichkeiten, von denen einige wirklich interessant sind.

Schulung von Mitarbeitenden an Krisentelefonen und von Psychologen. Ein Neuling bei einem Krisentelefon kann anhand simulierter Gespräche mit „Patienten“ trainieren, die unterschiedliche Grade von Depression oder verschiedene Persönlichkeitsmerkmale aufweisen. Ohne Risiko für echte Menschen und ohne ethische Komplikationen. Das Modell kann nachahmen, wie ein Mensch mit schwerer Depression spricht, sodass ein Therapeut lernen kann, Warnsignale zu erkennen.

Personalisierte Inhalte und Übersetzungen. Texte, die an Alter, Bildungsstand oder Persönlichkeitsprofil des Lesers angepasst sind. Antworten eines Chatbots, die zur Kommunikationsweise eines bestimmten Nutzers passen. Ein Kundenservice, der sich darauf einstellt, ob ein nervöser Introvertierter oder ein selbstbewusster Extrovertierter anruft.

Psychologische Forschung. PsychAdapter kann ganze Sätze generieren, die für ein bestimmtes Merkmal typisch sind, nicht nur einzelne Wörter. Das ist für Forschende wertvoll, denn der Kontext verändert alles. Das Wort „spielen“ bedeutet im Text eines neurotischen Menschen etwas anderes als im Text eines extrovertierten Menschen.

Alter, Geschlecht und Kombinationen von Merkmalen: Das Modell beherrscht auch das

Eine der interessantesten Eigenschaften von PsychAdapter ist die Fähigkeit, mehrere Variablen gleichzeitig zu kombinieren. Möchten Sie einen Text, der typisch für einen jungen Menschen mit Depression ist? Sie stellen Depression = +3, Alter = -3 ein. Das Ergebnis entspricht der Art und Weise, wie junge Menschen tatsächlich schreiben, die eine schwere Zeit durchmachen.

Die Forschenden gingen noch weiter und testeten den sogenannten interpersonalen Zirkumplex (Interpersonal Circumplex), ein psychologisches Modell, das zwischenmenschliches Verhalten anhand der Achsen Dominanz und Wärme beschreibt. PsychAdapter konnte Texte generieren, die verschiedenen Positionen in diesem Modell entsprachen, und erzielte dabei Ergebnisse, die mit den theoretischen Annahmen übereinstimmten. Die Fachleute, die die Texte bewerteten, erreichten eine Genauigkeit von 100 % bei der Unterscheidung von Kombinationen aus hohem und niedrigem Alter mit unterschiedlichen Ausprägungen der psychischen Gesundheit.

Besser als bloßes Prompting?

Vielleicht fragen Sie sich: Reicht es nicht, einfach „Schreibe wie ein depressiver Introvertierter“ in den Prompt einzugeben? Nein. Die Forschenden haben das direkt getestet. Bei kleineren Modellen mit rund zwei Milliarden Parametern erreichte das Prompting nur eine Genauigkeit von 53 %, während PsychAdapter beim selben Modell 77 % erzielte. Der Unterschied ist erheblich.

Warum? Weil ein Prompt einen Teil des Kontextfensters belegt und vom Modell unterschiedlich interpretiert werden kann. PsychAdapter hingegen beeinflusst die Textgenerierung auf der Ebene jeder einzelnen Transformer-Schicht, unabhängig von der Formulierung des Prompts. Außerdem ist der psychologische Wert eine kontinuierliche Zahl und keine diskrete Kategorie. Das bedeutet, dass das Modell konkrete Ergebnisse eines psychologischen Fragebogens präzise widerspiegeln kann und nicht nur grobe Kategorien wie „hoch“ oder „niedrig“.

Eine mögliche Entwicklungsrichtung für LLMs

PsychAdapter zeigt, in welche Richtung sich Sprachmodelle entwickeln könnten. Bisher hatten wir Modelle, die stellvertretend für alle auf durchschnittliche Weise schreiben. Jetzt haben wir ein Werkzeug, das für einen bestimmten Menschen oder zumindest für dessen psychologisches Profil schreiben kann. Und das mit einer Genauigkeit, die selbst Fachleute überrascht hat.

Natürlich stellen sich dabei auch ethische Fragen. Wer wird ein solches Werkzeug wie einsetzen? Die Simulation eines depressiven Patienten zur Ausbildung von Therapeuten ist eine Sache. Aber wie steht es um manipulative Inhalte, die auf die psychologischen Schwachstellen bestimmter Gruppen zugeschnitten sind? Die Forschenden erwähnen diese Fragen in ihrem Artikel und rufen zu einem verantwortungsvollen Umgang auf.

Derzeit ist PsychAdapter als Open-Source-Projekt auf GitHub verfügbar. Es funktioniert mit GPT-2, Gemma und LLaMA-3. Und die Ergebnisse sind bei allen drei Modellen konsistent. Das deutet darauf hin, dass sich dieser Ansatz skalieren lässt. Vielleicht stehen wir erst am Anfang einer Zeit, in der KI nicht mehr für alle gleichzeitig spricht, sondern für jeden Einzelnen sprechen kann.