Uuring, mis avaldati *Proceedings of the National Academy of Sciences*, näitab, et suured keelemudelid (LLM-id) nagu ChatGPT-4 omavad märkimisväärset võimet sooritada ülesandeid, mis hindavad "meeleteooriat"—võimet mõista teiste uskumusi ja emotsioone. ChatGPT-4 saavutas 75% neist ülesannetest, mis on võrreldav kuueaastase lapse tasemega, edendades AI sotsiaalselt olulist mõtlemisvõimet. LLM-id on keerulised AI süsteemid, mis loovad inimlaadset teksti, analüüsides keelemustreid ulatuslikes andmekogumites. Need mudelid kasutavad närvivõrke, eriti transformereid, et mõista sõnade ja fraaside vahelisi seoseid. "Meeleteooria" on aga inimeste kognitiivne võime, mis on sotsiaalseks suhtluseks oluline ning võimaldab mõista ja ennustada teiste inimeste vaimseid seisundeid. Michal Kosinski Stanfordist hindas LLM-e "valeuskumuste ülesannetega", analüüsides mudeleid stsenaariumides nagu "Ootamatu Sisupüüd" ja "Ootamatu Ülekande Ülesanne". GPT-1 ja GPT-2 ei suutnud neid ülesandeid lahendada, kuid arenenud mudelid, eriti ChatGPT-4, näitasid märkimisväärseid edusamme, saavutades 75% edukuse määra, mis on võrreldav kuueaastase lapse tasemega. ChatGPT-4 paistis silma lihtsamates valeuskumuste stsenaariumides, saavutades 90% edukuse määra peategelase valeuskumuste ennustamisel eksitavate vihjete alusel.

Kuid selle edukus langes keerukamate ülesannete puhul dünaamiliste stsenaariumidega, saavutades 60%. Sellest hoolimata demonstreeris mudel järjekindlust, kohandades ennustusi narratiivi muutuste alusel, mis vihjab ka millelegi enama kui mustrituvastusele. Kosinski uuring kasutas ranget testimist mudelite mustrituvastusele toetumise vältimiseks, paljastades ChatGPT-4 nüansseeritud arusaamise narratiivkontekstist. Need tulemused viitavad, et LLM-idel on tekkivaid võimeid meelelaadse mõtlemise jaoks. Kuigi ChatGPT-4 aeg-ajalt ebaõnnestus, tuues esile teatud piirangud, tõstatab selle kiire võimekuse areng küsimusi AI potentsiaalsest teadvusest ja arengust inimlikust arusaamast kaugemale. Tulevased uuringud võiksid uurida AI võimet keerukamate sotsiaalse mõtlemise stsenaariumide puhul ning selle mõju inimese tunnetusele ja AI ohutusele.