Can AI expand 5 personality scores into a fuller profile?

Can AI expand 5 personality scores into a fuller profile?

Researchers asked a simple question: given just your Big Five personality answers, can an AI “role‑play” how you’d score on other psychology questionnaires?

Using responses from 816 people, large language models were prompted to generate answers on nine additional psychological scales. The patterns in the AI’s generated data closely matched real human patterns across scales (R^2 > 0.89). This was achieved zero‑shot, beat semantic similarity baselines, and approached models trained directly on the dataset.

How did the AI do it? Analysis suggests a two‑step process: (1) it turns raw Big Five numbers into a short, natural‑language personality summary (a kind of compressed “gist”), then (2) reasons from that summary to produce answers on new scales. The models spotted the same key factors as trained algorithms, though they didn’t finely weight individual items. Notably, these summaries added predictive value beyond the original scores, hinting they capture emergent, second‑order patterns in how traits interact.

Why it matters: this offers a new tool for psychological simulation and a window into how LLMs abstract and reason. Caveat: it’s a research study—not a clinical tool—and raises privacy and consent considerations.

Paper: http://arxiv.org/abs/2511.03235v1

Paper: http://arxiv.org/abs/2511.03235v1

Register: https://www.AiFeta.com

AI psychology LLM personality BigFive research ethics

Read more

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Moni on tuijottanut Exceliä ja toivonut voivansa vain kysyä: missä kaupunginosissa koti on kävelymatkan päässä terveysasemasta ja ruokakaupasta? Ihmismielelle yksinkertainen pyyntö muuttuu helposti tuntien suodatukseksi ja kaavanviilaukseksi. Tietokone kyllä tietää vastauksen – jos vain osaisimme puhua sen kieltä. Viime vuosina apua on pyydetty juttelevalta tekoälyltä. Se osaa etsiä ja tiivistää tekstejä,

By Kari Jaaskelainen
Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Katsaus kokoaa, miten kielimalleja voi vahvistaa antamalla niille jäsenneltyä lisätietoa vastaushetkellä – yksinkertaisista vihjeistä aina syy–seurausketjuiksi järjestettyyn taustaan. Kuvittele, että pyydät tekoälyä selittämään, mitä uusi lakimuutos tarkoittaa pienyrittäjälle. Yleismallinen kielimalli osaa puhua aiheesta sujuvasti, mutta jos laki on muuttunut äskettäin, vastauksessa voi olla vanhaa tietoa tai epävarmoja arvailuja. Sama kokemus

By Kari Jaaskelainen
Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Kuvittele chat-ikkuna, jossa vastaus alkaa rönsyillä: ensin pari perustelua, sitten varmistus, lopulta vielä varmistuksen varmistus. Käyttäjä odottaa, laskutus juoksee. Tekoälymallit hinnoitellaan usein “tokeneina” – sananpaloina – joten jokainen turha kiemura maksaa sekä aikaa että rahaa. Vuosia alalla vallitsi hiljainen oletus: mitä enemmän mallilla on laskentatehoa ja mitä pidemmin se ”miettii”, sitä parempaa

By Kari Jaaskelainen