Homogenization Effects of Large Language Models on Human Creative Ideation

要約

大規模言語モデル（LLM）は現在、ユーザーが新しいアイデアを思いつくのを助けることを目的とした創造性支援ツール（CST）など、さまざまな文脈で利用されている。しかし、LLMは実際にユーザーの創造性を支援するのだろうか？我々は、CSTとしてLLMを使用することで、LLMの利用者はより創造的であると感じ、個々の利用者から提案されるアイデアの幅を広げるかもしれないが、異なる利用者から提案されるアイデアを均質化するかもしれないという仮説を立てた。我々は、36人の参加者による比較ユーザ調査を実施し、均質化仮説に従って、異なるユーザは、ChatGPTを使用した場合、代替CSTを使用した場合よりも、意味的に異なるアイデアを生成しない傾向があることを発見しました。さらに、ChatGPTユーザーは、より詳細なアイデアをより多く生成したが、生成したアイデアに責任を感じていなかった。我々は、LLMベースのCSTのユーザ、設計者、開発者にとって、これらの知見が持つ潜在的な意味について議論する。

要約(オリジナル)

Large language models (LLMs) are now being used in a wide variety of contexts, including as creativity support tools (CSTs) intended to help their users come up with new ideas. But do LLMs actually support user creativity? We hypothesized that the use of an LLM as a CST might make the LLM’s users feel more creative, and even broaden the range of ideas suggested by each individual user, but also homogenize the ideas suggested by different users. We conducted a 36-participant comparative user study and found, in accordance with the homogenization hypothesis, that different users tended to produce less semantically distinct ideas with ChatGPT than with an alternative CST. Additionally, ChatGPT users generated a greater number of more detailed ideas, but felt less responsible for the ideas they generated. We discuss potential implications of these findings for users, designers, and developers of LLM-based CSTs.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL