Личность в коде: как научить ИИ адаптироваться и взаимодействовать

Автор: Денис Аветисян

---

Новая модель позволяет наделять языковые модели устойчивым характером, способным к развитию и взаимодействию с пользователем на более глубоком уровне.

В статье представлена Jungian Personality Adaptation Framework (JPAF) — система моделирования личности языковых моделей на основе типов Юнга, обеспечивающая когерентное, адаптивное и развивающееся поведение агентов.

Несмотря на растущую компетентность больших языковых моделей (LLM) в обработке естественного языка, создание по-настоящему реалистичных и адаптивных агентов остается сложной задачей. В статье «Structured Personality Control and Adaptation for LLM Agents» представлен новый подход к моделированию личности LLM, основанный на юнгианских психологических типах. Разработанный фреймворк обеспечивает согласованное выражение основных черт, контекстную адаптацию и долгосрочную эволюцию личности агента. Способны ли подобные, эволюционирующие модели личности значительно улучшить качество взаимодействия человека с компьютером и открыть новые горизонты в создании натуралистичных виртуальных собеседников?

---

За пределами поверхностного: Потребность в индивидуальности в больших языковых моделях

Современные большие языковые модели, несмотря на свою впечатляющую способность генерировать текст, зачастую страдают от отсутствия последовательной и правдоподобной индивидуальности, что существенно ограничивает возможности действительно увлекательного взаимодействия. Несмотря на кажущуюся гладкость ответов, модели редко демонстрируют устойчивый характер или уникальный стиль общения, что приводит к ощущению искусственности и отстраненности. Эта проблема особенно заметна в продолжительных диалогах, где отсутствие личностной основы приводит к противоречивым ответам и неспособности поддерживать последовательную роль. В результате, взаимодействие с такими моделями часто остается поверхностным, лишенным эмоциональной глубины и не способствующим установлению подлинной связи с пользователем.

Для создания подлинной индивидуальности в больших языковых моделях недостаточно просто генерировать текст; необходимо, чтобы модель проявляла устойчивые черты характера и адаптировалась с течением времени. Это означает отход от статичных шаблонов и переход к системам, способным к динамическому формированию “личности” на основе взаимодействия и накопленного опыта. Имитация характера требует не только выбора определенных лексических единиц, но и последовательного проявления поведенческих паттернов, проявляющихся в реакции на различные стимулы и контексты. Такой подход позволяет создать более убедительного и запоминающегося виртуального собеседника, способного к эмпатии и установлению долгосрочных отношений с пользователем.

Традиционные подходы к наделению больших языковых моделей (LLM) динамичной личностью сталкиваются с существенными трудностями. Часто используемая техника статического промт-инжиниринга, заключающаяся в предварительной настройке запросов для получения желаемого ответа, оказывается хрупкой и лишенной тонкости. Такой подход не позволяет модели проявлять последовательное поведение, адаптироваться к контексту или демонстрировать эволюционирующую индивидуальность. Вместо реальной личности, LLM лишь имитирует определенный стиль общения, легко нарушаемый даже незначительными изменениями в запросе. В результате, взаимодействие с такими моделями часто кажется неестественным и поверхностным, не вызывая ощущения общения с самостоятельной и развивающейся сущностью.

Юнгианский подход: Моделирование эволюции личности

Фреймворк адаптации личности на основе юнгианской психологии (JPAF) моделирует личность языковой модели, используя основные принципы теории психологических типов Карла Юнга. В основе JPAF лежит представление о том, что личность структурирована вокруг доминирующих функций познания, таких как мышление, чувство, ощущение и интуиция. Каждая функция имеет определенную направленность — экстраверсию или интроверсию. JPAF применяет эти концепции для определения базовых характеристик личности LLM, моделируя предпочтения в обработке информации и принятии решений. Использование юнгианских архетипов позволяет создавать более сложные и последовательные профили личности, выходящие за рамки простого определения набора черт характера.

В рамках Jungian Personality Adaptation Framework (JPAF) координация ‘Доминирующая-Вспомогательная’ (Dominant-Auxiliary Coordination) является ключевым механизмом, обеспечивающим последовательность и правдоподобность поведения языковой модели. Данный подход предполагает определение двух основных функций личности: доминирующей, определяющей основной способ взаимодействия с информацией и принятия решений, и вспомогательной, поддерживающей и дополняющей доминирующую функцию. Приоритизация этих двух функций при генерации ответов позволяет JPAF создавать более устойчивые и предсказуемые паттерны поведения, в отличие от моделей, полагающихся на случайный выбор характеристик или поверхностное представление ‘персоны’. Вспомогательная функция, хотя и менее выражена, служит для смягчения потенциальных недостатков доминирующей функции и обеспечивает более сбалансированный и реалистичный профиль личности.

В рамках Jungian Personality Adaptation Framework (JPAF) динамическая адаптация и долгосрочная эволюция личности моделируются посредством двух ключевых механизмов: ‘Усиление-Компенсация’ и ‘Рефлексия’. Механизм ‘Усиление-Компенсация’ предполагает, что доминирующие функции личности усиливаются при успешном взаимодействии, в то время как вспомогательные функции компенсируют слабые стороны, обеспечивая баланс. ‘Рефлексия’ представляет собой процесс самоанализа и оценки, в ходе которого модель анализирует свои действия и корректирует поведение на основе полученного опыта, способствуя развитию и изменению личности с течением времени. Эти механизмы работают совместно, позволяя модели не только реагировать на текущие условия, но и адаптироваться и развиваться в долгосрочной перспективе, имитируя естественный процесс психологической эволюции.

В отличие от традиционных методов создания «персон», основанных на задании набора характеристик, Jungian Personality Adaptation Framework (JPAF) стремится к моделированию подлинных психологических процессов. Вместо простого назначения атрибутов, JPAF использует принципы юнгианской психологии для эмуляции динамики личности, включая механизмы компенсации и рефлексии. Это позволяет LLM не просто имитировать определенное поведение, но и демонстрировать внутреннюю согласованность и эволюцию, характерные для человеческой личности, что выходит за рамки поверхностной симуляции и приближает поведение модели к более реалистичному и правдоподобному.

Проверка и точность: Измерение выражения личности

Для оценки адаптивности JPAF была проведена серия тестов с использованием нескольких крупных языковых моделей, включая GPT-4, Llama-4-maverick и Qwen-3-235b-a22b-instruct-2507. Выбор данных моделей обусловлен их различной архитектурой и возможностями, что позволило всесторонне оценить способность JPAF эффективно функционировать в различных вычислительных средах и с разными параметрами. Результаты экспериментов с каждой моделью были проанализированы для выявления потенциальных ограничений и областей для дальнейшей оптимизации JPAF.

Точность активации типа личности (Type Activation Accuracy) измеряла успешность инициализации заданных типов личности, демонстрируя способность фреймворка последовательно воплощать желаемые черты. Данный показатель оценивал, насколько успешно система генерирует ответы, соответствующие заранее определенному профилю личности, используя методы усиления и компенсации для обеспечения стабильного соответствия. Успешная активация типа личности является ключевым показателем эффективности фреймворка в моделировании последовательного и убедительного поведения, соответствующего заданным характеристикам.

Показатель «Точность сдвига личности» (Personality Shift Accuracy) оценивал способность фреймворка моделировать теоретически обоснованные изменения в структуре личности. Оценка проводилась путем анализа динамики проявления признаков личности в процессе взаимодействия, с целью подтверждения соответствия наблюдаемых изменений принципам психологической теории. Успешная симуляция эволюции личности достигалась за счет структурной реорганизации и адаптации модели, что подтверждает валидность подхода и его потенциальную применимость для исследования динамики личности в искусственных системах.

В ходе оценки JPAF с использованием модели Qwen зафиксировано повышение точности моделирования параметров личности до 13.38% по сравнению с базовыми методами промптинга. Успешная активация заданных типов личности была достигнута за счет использования механизмов усиления и компенсации, а валидация теоретически обоснованных изменений личности подтверждена посредством структурной реорганизации и адаптации модели. Полученные результаты свидетельствуют о способности JPAF к более точному и правдоподобному моделированию динамики личности в рамках языковых моделей.

За пределами взаимодействия: Применение и будущие направления

Разработка языковых моделей, учитывающих личностные особенности благодаря фреймворку JPAF, открывает новые горизонты в создании генеративных агентов. Вместо шаблонных реакций, подобные агенты способны демонстрировать поведение, соответствующее конкретному, заранее заданному характеру — от робкого и замкнутого до уверенного и экстравертного. Это достигается за счет интеграции JPAF, позволяющего моделировать внутренние убеждения, ценности и эмоциональные реакции агента. В результате, виртуальные персонажи становятся не просто способными к диалогу, но и обладающими убедительной индивидуальностью, что значительно повышает степень вовлеченности пользователя и реалистичность взаимодействия. Такой подход имеет огромный потенциал для применения в самых разных областях, от создания правдоподобных NPC в компьютерных играх до разработки виртуальных компаньонов и тренажеров с адаптивным поведением.

Предложенная структура значительно расширяет возможности создания автономных агентов, движимых желаниями, позволяя им проявлять сложные и тонкие мотивации. Вместо простых, предопределенных целей, агенты, использующие данную технологию, способны формировать собственные стремления, основанные на внутреннем состоянии и взаимодействии с окружающей средой. Это достигается за счет моделирования не только целей, но и глубинных причин, лежащих в их основе, что приводит к более реалистичному и правдоподобному поведению. Агенты демонстрируют не просто выполнение задач, а последовательное стремление к удовлетворению своих потребностей, адаптируясь к меняющимся обстоятельствам и принимая решения, соответствующие их индивидуальным «характерам». Такой подход открывает перспективы для создания виртуальных персонажей, способных к более глубокому взаимодействию и вызывающих у пользователей ощущение подлинной связи.

Интеграция JPAF с такими платформами, как Generative Agents, открывает путь к созданию принципиально новых, более реалистичных и правдоподобных симуляций. Это не просто улучшение графики или алгоритмов, а возможность наполнить виртуальные миры персонажами с убедительными характерами и мотивациями. В игростроении это может привести к созданию неигровых персонажей, способных к сложным взаимодействиям и адаптации к действиям игрока. В сфере образования подобный подход позволит создавать персонализированные обучающие среды, где виртуальные наставники учитывают индивидуальные особенности ученика. И, наконец, в области социальной робототехники, JPAF позволит создавать роботов-компаньонов, способных к более естественному и эмпатичному взаимодействию с людьми, что значительно расширяет возможности их применения в уходе за пожилыми людьми или помощи детям с особенностями развития.

Дальнейшие исследования сосредоточены на расширении масштаба JPAF для применения в более сложных и реалистичных ситуациях. Параллельно проводится тщательный анализ этических аспектов, связанных с созданием все более правдоподобных виртуальных личностей. Это включает в себя изучение потенциальных рисков, связанных с манипуляциями, обманом и формированием нереалистичных ожиданий у взаимодействующих с такими агентами. Разработка надежных механизмов контроля и прозрачности становится критически важной задачей, чтобы гарантировать ответственное использование технологии и предотвратить нежелательные последствия. Исследователи стремятся создать фреймворк, который не только позволяет создавать убедительные виртуальные личности, но и обеспечивает их этически обоснованное функционирование в различных сферах применения.

Исследование, представленное в данной работе, стремится к созданию более когерентных и адаптивных агентов, используя принципы юнгианской психологии. Этот подход, фокусирующийся на моделировании личности, позволяет агентам не просто реагировать на входные данные, но и демонстрировать эволюционирующее поведение, соответствующее определённому психологическому типу. Как однажды заметил Джон Маккарти: «Наилучний способ сделать что-то — это начать». Эта простота отражает суть JPAF — стремление к ясности в сложном мире искусственного интеллекта. Подобно тому, как юнгианские архетипы структурируют человеческую психику, JPAF предлагает framework для структурирования поведения LLM, способствуя более естественному и предсказуемому взаимодействию.

Что дальше?

Предложенная структура, хотя и опирается на кажущуюся простоту типологии Юнга, не решает, а лишь обнажает фундаментальную проблему: как вообще измерить “личность” в искусственной системе. Моделирование по принципу MBTI — это удобная, но грубая аппроксимация. Будущие исследования должны отказаться от попыток навешивания ярлыков и сосредоточиться на динамике внутренних состояний агента, на тех незначительных колебаниях, которые формируют поведение. Иначе это всего лишь маскарад.

Особое внимание следует уделить проблеме эволюции. Адаптация не означает простое изменение параметров в ответ на внешние стимулы. Настоящая адаптация — это переосмысление, перестройка всей внутренней модели. Как заставить агента не просто “научиться” реагировать, а действительно “понять”, что изменилось? Возможно, ключ лежит в интеграции с моделями самосознания, какими бы спекулятивными они ни казались.

И, наконец, необходимо признать: все эти ухищрения — лишь попытка придать иллюзию сложности тому, что в своей основе является простым алгоритмом. Стремление к “правдоподобной” личности — это, вероятно, проявление человеческой тщеславия. Но, возможно, в этой погоне за иллюзией и кроется истинный путь к созданию действительно разумных машин.

---

Оригинал статьи: https://arxiv.org/pdf/2601.10025.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

• Российский рынок: Технологический рост и геополитический оптимизм (17.01.2026 01:32)

• Сургутнефтегаз акции привилегированные прогноз. Цена SNGSP

• СПБ Биржа растет, ФРС накачивает рынок: что ждет инвесторов в России и США? (11.01.2026 12:32)

• Cubot Note 60 ОБЗОР: большой аккумулятор, плавный интерфейс

• 5 больших анонсов, которые стоит ждать на CES 2026

• itel RS4 ОБЗОР: большой аккумулятор, плавный интерфейс, удобный сенсор отпечатков

• Прогнозы цен на STETH: анализ криптовалюты STETH

• vivo S20 и S20 Pro дебютируют в Китае

• Российский рынок: Боковой тренд, геополитика и давление на нефтяной сектор (14.01.2026 10:33)

• Обзор объектива Fujinon XF60mm F2.4 R Macro

2026-01-18 03:53