Generative Pre-trained Transformer (GPT) und andere große Sprachmodelle zeigen beeindruckende Fähigkeiten in der Entscheidungsfindung, wie eine aktuelle Studie von Chen et al. (2023) belegt. Die Forscher untersuchten die ökonomische Rationalität von GPT 3.5 Turbo in verschiedenen Entscheidungsbereichen wie Risiko, Zeit, soziale Präferenzen und Nahrungsmittelvorlieben. Dabei stellten sie fest, dass GPT in allen Bereichen höhere Rationalitätswerte erreichte als menschliche Probanden und zufällige Entscheidungen.
Das Modell zeigte auch eine stärkere Übereinstimmung mit dem Prinzip der fallenden Nachfragekurve, was seine Fähigkeit zu ökonomisch fundierten Entscheidungen unterstreicht. Interessanterweise wies GPT im Vergleich zu Menschen eine höhere Risikotoleranz, mehr Geduld, eine stärkere Neigung zu altruistischem und effizienzorientiertem Verhalten sowie eine geringere Vorliebe für Fleisch auf. Dabei zeigte GPT über mehrere Wiederholungen hinweg konsistentere Präferenzmuster als menschliche Teilnehmer. Die Leistung des Modells blieb unter verschiedenen Temperatureinstellungen und demografischen Spezifikationen stabil.
Allerdings reagierte GPT empfindlicher auf Änderungen in der Kontextformulierung und bei diskreten Auswahlmöglichkeiten, was auf potenzielle Einschränkungen hinweist. Diese Erkenntnisse unterstreichen das große Potenzial von GPT als Entscheidungsunterstützungstool, betonen aber auch die Notwendigkeit weiterer Forschung zur Replizierbarkeit und Generalisierbarkeit von Ergebnissen großer Sprachmodelle. Um die Vorteile dieser Technologie optimal zu nutzen und mögliche Nachteile zu minimieren, ist ein tieferes Verständnis ihrer Grenzen und Verzerrungen in realen Anwendungen erforderlich.
Quelle: The emergence of economic rationality of GPT