Hlavní preprint právě venku! Porovnáváme, jak lidé a LLM vytvářejí soudy napříč sedmi epistemologickými fázemi. Zdůrazňujeme sedm zlomových linií, míst, kde se lidé a LLM zásadně rozcházejí: Ukotvená chyba: Lidé ukotvují soud v percepční, ztělesněné a sociální zkušenosti, zatímco LLM začínají pouze z textu a nepřímo rekonstruují význam ze symbolů. Chyba v parsování: Lidé analyzují situace prostřednictvím integrovaných percepčních a konceptuálních procesů; LLM provádějí mechanickou tokenizaci, která poskytuje strukturálně výhodnou, ale sémanticky tenkou reprezentaci. Chyba zkušenosti: Lidé spoléhají na epizodickou paměť, intuitivní fyziku a psychologii a naučené koncepty; LLM spoléhají výhradně na statistické asociace kódované v embeddingech. Chyba motivace: Lidské úsudky jsou řízeny emocemi, cíli, hodnotami a evolučně formovanými motivacemi; LLM nemají žádné vnitřní preference, cíle ani afektivní význam. Příčinná chyba: Lidé uvažují pomocí kauzálních modelů, kontrafaktuálních a principiálních hodnocení; LLM integrují textový kontext bez vytváření kauzálních vysvětlení, ale spoléhají na povrchové korelace. Metakognitivní chyba: Lidé monitorují nejistotu, odhalují chyby a mohou pozastavit úsudek; LLM postrádají metakognici a musí vždy produkovat výstup, což halucinacím činí strukturálně nevyhnutelnými. Vada Value: Lidské úsudky odrážejí identitu, morálku a skutečné životní sázky; LLM "hodnocení" jsou pravděpodobnostní předpovědi dalšího tokenu bez vnitřního ocenění nebo odpovědnosti. Navzdory těmto trhlinám lidé systematicky přehnaně věří výstupům LLM, protože plynulý a sebevědomý jazyk vytváří zkreslení důvěryhodnosti. Tvrdíme, že to vytváří strukturální podmínku, epistemia: Jazyková věrohodnost nahrazuje epistemické hodnocení, čímž vytváří pocit poznání, aniž by člověk skutečně věděl. K řešení epistemie navrhujeme tři doplňující strategie: epistemické hodnocení, epistemickou správu a epistemickou gramotnost. Celý článek v první odpovědi. Joint s @Walter4C & @matjazperc

Fascinující článek právě publikovaný v časopise Science. Autoři analyzují kariérní trajektorie nejlepších hráčů v různých oblastech, včetně nositelů Nobelovy ceny, elitních šachistů, olympijských zlatých medailistů a dalších. Jejich ústřední zjištění zpochybňuje běžné přesvědčení. Intenzivní trénink zaměřený na jednu disciplínu v mladém věku sice poskytuje brzkou výhodu, ale tato výhoda časem slábne. Naopak jedinci, kteří jsou v raném věku vystaveni multidisciplinární praxi, mají tendenci začínat pomaleji. Přesto je dlouhodobě pravděpodobnější, že dosáhnou světové úrovně výkonu, a nakonec předběhnou rané specialisty, kteří často stagnují těsně pod samým vrcholem. Důležitá připomínka, že šíře v raném věku může být silnou investicí do dlouhodobé excelence. Odkaz na článek najdete v první odpovědi.

A teď v přírodě Lidské chování! 🚀🚀 V posledních desetiletích se výzkum kolektivního lidského chování silně opíral o sítě. To je intuitivní: lidé komunikují s ostatními. Nicméně tvrdíme, že tento dominantní rámec postrádá zásadní složku. Tradiční sítě reprezentují agenty jako uzly a párové vztahy jako hrany. Výsledkem je, že v zásadě předpokládají, že sociální interakce lze rozložit na dvojice. Přesto je mnoho sociálních procesů neodstranitelně skupinově založených. Jednoduchý příklad: skupina tří spoluautorů píšící článek nemůže být redukována na tři nezávislé páry spoluautorů. Na samotné skupině záleží. V tomto článku přezkoumáváme širokou škálu empirických a teoretických případů, kdy nelze skupinové interakce rozložit na párové, a ukazujeme, že vyšší řády formují kolektivní chování nad rámec dyadických vazeb. Doporučujeme studovat kolektivní chování na hypergrafech, kde interakce mohou zahrnovat více aktérů současně. Přezkoumáváme, jak hypergrafy poskytují nové poznatky napříč oblastmi, včetně sítí pro afiliaci a spolupráci, prostředí s vysokou frekvencí kontaktu (rodiny, přátelé) a klíčových sociálních procesů, jako je sociální nakažlivost, spolupráce, pravdomluvnost a morální chování. Nakonec nastíníme slibné směry pro budoucí výzkum: řešení výpočetních výzev vyšších modelů; studium zkreslení a nerovnosti v dynamice skupin; kombinování hypergrafů a velkých jazykových modelů pro zkoumání koevoluce jazyka a chování; a použití vyšších řádových sítí k simulaci dopadu politik před implementací; a další. Jsme z této práce velmi nadšeni a doufáme, že nás inspiruje k dalšímu výzkumu v rychle rostoucí a zásadní oblasti s širokými reálnými dopady. Odkaz na článek v první odpovědi Tuto práci brilantně vedl Federico Battiston (@fede7j) s vynikajícím týmem spoluautorů: Fariba Karimi (@fariba_k), Sune Lehmann, Andrea Bamberg Migliano, Onkar Sadekar (@OnkarSadekar), Angel Sanchez a Matjaz Perc (@matjazperc)