Introduction
L'expérience présentée ici vise à caractériser la distribution de nombres générés par le modèle de langage GPT-4.1 lorsqu'il est invité à choisir un nombre aléatoire entre 1 et 100. Cette étude est une suite à des expériences antérieures sur les biais humains dans la génération de nombres aléatoires.
Contexte Technique
Le modèle GPT-4.1 a été sollicité 10 000 fois avec une invite fixe pour générer un nombre entier entre 1 et 100. La distribution des réponses a été comparée à une distribution uniforme, qui correspond à ce qu'un générateur de nombres aléatoires équitable produirait. L'expérience a été menée avec un modèle non raisonneur, c'est-à-dire que le modèle émet directement une réponse sans délibération.
Analyse et Implications
Les résultats montrent que GPT-4.1 n'est pas un générateur de nombres aléatoires uniforme. La distribution des nombres générés présente des caractéristiques similaires aux biais humains, avec une préférence pour les nombres se terminant par 7 et une aversion pour les nombres ronds. Cependant, le modèle semble avoir hérité d'une version modérée de ces biais, avec une sous-représentation du nombre 69, qui est souvent sur-représenté dans les choix humains.
Perspective
Cette étude met en évidence les limites des modèles de langage dans la génération de nombres aléatoires et souligne l'importance de prendre en compte les biais humains dans la conception de ces modèles. Les résultats suggèrent que les modèles de langage peuvent reproduire les biais humains, mais avec des nuances qui pourraient être liées aux mécanismes de sécurité mis en place pendant leur formation. Il est essentiel de poursuivre les recherches dans ce domaine pour mieux comprendre les implications de ces biais et pour développer des modèles plus robustes et plus équitables.
