Представим: вы ответили на 500 вопросов, а потом попросили чат-бота отвечать за вас. Он знает ваши привычки, взгляды, реакции. Ответит ли он так же, как вы? В исследовании из 19 экспериментов выяснилось: обычно — не очень. Такие цифровые двойники чаще выдавали гладкие и рациональные ответы, а индивидуальные совпадения были невелики.
Статья появилась онлайн 2 сентября, в выпуске журнала Science Advances от 4 сентября 2026 года. Эксперименты прошли раньше, с апреля по июнь 2025-го; это не срочная новость о вчерашнем открытии. Но проверка получилась большой: авторы сравнили модели с людьми на разных заданиях и описали, в чём именно копии от них отличаются. Поведенческие исследователи рассматривают цифровые профили как возможную замену части экспериментов с людьми — об этом пишет и Science News.
Как собрали цифрового двойника
Не делали говорящий аватар и не учили модель повторять голос. Исследователи взяли ответы участников более чем на 500 вопросов — о характере, способностях, привычках и предпочтениях — и передали их языковой модели. Затем модель и человек получали новые задания. Их ответы сравнивали.
Проверок было 19, а заранее зарегистрированных исходов — 164. В одном задании участника спрашивали, поделится ли он публикацией; в другом — станет ли откликаться на конкретную работу. Всего авторы собрали 13 506 ответов от 1 784 разных людей. Некоторые проходили несколько исследований, отсюда большая разница между двумя числами.
Средняя корреляция между ответами людей и их цифровых копий составила 0,20. Это слабое сходство. И важно: число не означает, что модель угадывала один ответ из пяти. Корреляция показывает, насколько результаты связаны между собой в целом, а не сколько раз ИИ попал в точку. По точности цифровые двойники лишь немного превзошли базовую языковую модель без подробных данных о человеке.
Вежливый ответ может быть неверным
Модель редко отвечает невнятно. Она подбирает связный текст, объясняет свою позицию и будто бы знает, что сказать. Но здесь и кроется ловушка: правдоподобие ответа легко принять за сходство с конкретным человеком.
В исследовании ответы «двойников» были менее разнообразны, чем человеческие. Модель сглаживала необычные и крайние взгляды; проявлялись и стереотипные различия между демографическими группами. В вопросах о технологиях копии были оптимистичнее оригиналов: чаще одобряли алгоритмы найма и слабее беспокоились о рекламе, настроенной под пользователя.
Ещё модели выглядели рациональнее людей. Реальный участник мог сомневаться, путаться или не знать ответа. Его цифровая копия чаще выдавала последовательную реакцию. Удобно для разговора, но для прогноза поведения конкретного человека такая аккуратность может оказаться минусом.
Когда усреднение мешает
Если исследователь заменит людей такими моделями, результат может сместиться. Например, команда переоценит готовность принять алгоритмический найм или решит, что людей меньше тревожит персонализированная реклама. Не потому, что участники внезапно изменили мнение, а потому что ИИ выдал за них более типичный и спокойный ответ.
Значит ли это, что цифровые двойники бесполезны? Нет. Ими можно проверять гипотезы, придумывать варианты вопросов или намечать сценарии. Но их реплики не стоит считать мнением живого человека, особенно когда на кону решения о найме, услугах или общественных настроениях.
У самой работы тоже есть границы. Участники отвечали на экспериментальные вопросы, а не проходили через все жизненные ситуации. Исследователи проверяли конкретный способ построения моделей на основе набора Twin-2K-500. Поэтому исследование не доказывает, что все системы будут ошибаться одинаково. Оно показывает другое: даже очень подробная анкета не делает языковую модель точной копией своего автора.
Авторы предлагают воспринимать такие модели как «сравнительные профили», а не двойников в буквальном смысле. Формулировка менее эффектная, зато точнее. Если нужно узнать, что думает человек, спросить его самого пока надёжнее, чем поручить ответ чат-боту.
Источники
Статья в Science Advances: Digital twins are funhouse mirrors: Five systematic distortions.
PubMed: описание исследования и сведения о выборке.
Science News: что мешает цифровым двойникам заменить участников поведенческих исследований.