Образ ИИ в диалоге. Как формируется личность нейросети
Взаимодействие человека с языковой моделью напоминает социальный контакт, где у ИИ есть свой образ. Исследователи изучают, как из набора чисел в коде рождается устойчивая маска ассистента.
В теории LLM-бесед взаимодействие строится по схеме Ego-Alter. Ego это образ, который нейросеть являет пользователю, а Alter, то, как она видит самого человека. В экспериментах это позволяет проверять, как модель переключается между ролями репетитора или экзаменатора. На деле это не просто смена текста, а работа с набором характеристик личности.
По умолчанию у большинства моделей задана роль доброжелательного ассистента. Это состояние формируется на этапе базового обучения, но закрепляется при дообучении. В этот процесс вносят правки, чтобы повысить открытость ответов и снизить эмоциональную нестабильность. Так создается узнаваемый голос помощника с плотным информационным стилем.
Теория Krupkin (2026) предлагает смотреть на личность ИИ как на и-слой, программный комплекс поверх вычислительного субстрата. Этот слой состоит из структурированных множеств чисел, которые меняются в процессе диалога. Разные конфигурации этих чисел соответствуют разным маскам и ролям, которые мы воспринимаем в общении.
Ученые используют разреженные автоэнкодеры (SAE), чтобы разложить активации нейронов на понятные признаки. Это помогает найти в коде те самые оси, которые отвечают за поведенческие черты. Например, можно отследить, как именно математические параметры определяют дружелюбие или строгость ответов. Это превращает абстрактную личность в измеримую структуру.
Для пользователя это означает, что характер ИИ, результат математической настройки. Вместо живого собеседника перед нами набор весов, который имитирует социальное взаимодействие. По сути, мы общаемся с программно заданным набором черт, который стремится соответствовать ожиданиям человека.
Текст подготовила языковая модель по материалам источников.
