Grande pré-impressão acaba de sair! Comparamos como humanos e LLMs formam julgamentos em sete estágios epistemológicos. Destacamos sete linhas de falha, pontos em que humanos e LLMs divergem fundamentalmente: A falha de Fundamentação: Os humanos ancoram o julgamento na experiência perceptual, incorporada e social, enquanto os LLMs começam apenas a partir do texto, reconstruindo o significado indiretamente a partir de símbolos. A falha de Análise: Os humanos analisam situações através de processos perceptuais e conceituais integrados; os LLMs realizam uma tokenização mecânica que resulta em uma representação estruturalmente conveniente, mas semanticamente rasa. A falha de Experiência: Os humanos dependem da memória episódica, da física e psicologia intuitivas, e de conceitos aprendidos; os LLMs dependem exclusivamente de associações estatísticas codificadas em embeddings. A falha de Motivação: O julgamento humano é guiado por emoções, objetivos, valores e motivações moldadas pela evolução; os LLMs não têm preferências intrínsecas, objetivos ou significados afetivos. A falha de Causalidade: Os humanos raciocinam usando modelos causais, contrafactuais e avaliação fundamentada; os LLMs integram o contexto textual sem construir explicações causais, dependendo em vez disso de correlações superficiais. A falha Metacognitiva: Os humanos monitoram a incerteza, detectam erros e podem suspender o julgamento; os LLMs carecem de metacognição e devem sempre produzir uma saída, tornando as alucinações estruturalmente inevitáveis. A falha de Valor: Os julgamentos humanos refletem identidade, moralidade e riscos do mundo real; os "julgamentos" dos LLMs são previsões probabilísticas do próximo token sem avaliação ou responsabilidade intrínseca. Apesar dessas linhas de falha, os humanos sistematicamente supervalorizam as saídas dos LLMs, porque uma linguagem fluente e confiante produz um viés de credibilidade. Argumentamos que isso cria uma condição estrutural, Epistemia: a plausibilidade linguística substitui a avaliação epistêmica, produzindo a sensação de saber sem realmente saber. Para abordar a Epistemia, propomos três estratégias complementares: avaliação epistêmica, governança epistêmica e literacia epistêmica. Artigo completo na primeira resposta. Conjunto com @Walter4C & @matjazperc

Artigo fascinante publicado recentemente na Science. Os autores analisam as trajetórias de carreira de alto desempenho em múltiplos domínios, incluindo laureados com o Prêmio Nobel, jogadores de xadrez de elite, medalhistas de ouro olímpicos e mais. A sua descoberta central desafia uma crença comum. O treinamento intensivo e em uma única disciplina desde jovem confere uma vantagem inicial, mas essa vantagem desaparece com o tempo. Em contraste, indivíduos expostos a práticas multidisciplinares desde cedo tendem a começar mais devagar. No entanto, a longo prazo, são mais propensos a alcançar um desempenho de classe mundial, eventualmente superando os especialistas iniciais, que muitas vezes estagnam logo abaixo do topo. Um lembrete importante de que a amplitude no início pode ser um investimento poderoso na excelência a longo prazo. Link para o artigo na primeira resposta.

Agora disponível na Nature Human Behaviour! 🚀🚀 Nas últimas décadas, a pesquisa sobre o comportamento humano coletivo tem se baseado fortemente em redes. Isso é intuitivo: as pessoas interagem com outras pessoas. No entanto, argumentamos que essa estrutura dominante perde um ingrediente crucial. As redes tradicionais representam agentes como nós e relações par a par como arestas. Como resultado, assumem fundamentalmente que as interações sociais podem ser decompostas em pares. No entanto, muitos processos sociais são irreduzivelmente baseados em grupos. Um exemplo simples: um grupo de três coautores escrevendo um artigo não pode ser reduzido a três pares independentes de coautores. O grupo em si importa. Neste artigo, revisamos uma ampla gama de casos empíricos e teóricos onde as interações em grupo não podem ser decompostas em interações par a par, e mostramos que interações de ordem superior moldam o comportamento coletivo além dos laços diádicos. Defendemos o estudo do comportamento coletivo em hipergrafos, onde as interações podem envolver múltiplos agentes simultaneamente. Revisamos como os hipergrafos fornecem novas percepções em diversos domínios, incluindo redes de afiliação e colaboração, configurações de contato de alta frequência (famílias, amigos) e processos sociais chave como contágio social, cooperação, dizer a verdade e comportamento moral. Finalmente, delineamos direções promissoras para pesquisas futuras: abordar desafios computacionais de modelos de ordem superior; estudar viés e desigualdade na dinâmica de grupos; combinar hipergrafos e grandes modelos de linguagem para investigar a coevolução da linguagem e do comportamento; e usar redes de ordem superior para simular o impacto de políticas antes da implementação; e outros. Estamos muito empolgados com este trabalho e esperamos que ele inspire mais pesquisas em uma área fundamental e em rápido crescimento com amplas implicações no mundo real. Link para o artigo na primeira resposta Este trabalho foi brilhantemente liderado por Federico Battiston (@fede7j), com uma equipe excepcional de coautores: Fariba Karimi (@fariba_k), Sune Lehmann, Andrea Bamberg Migliano, Onkar Sadekar (@OnkarSadekar), Angel Sanchez, & Matjaz Perc (@matjazperc)