3 
0 La inteligencia emocional influye significativamente en nuestros comportamientos e interacciones diarias. A pesar de que los Modelos de Lenguaje Grande (LLMs) son vistos cada vez más como un paso hacia la inteligencia artificial general (AGI), su capacidad para comprender estímulos emocionales sigue siendo incierta.
Entender y responder a las señales emocionales proporciona a los humanos una ventaja distintiva en la resolución de problemas. Este artículo explora la habilidad de los LLMs para entender y aprovechar los estímulos emocionales, introduciendo el concepto de «EmotionPrompt» para mejorar su desempeño en diversas tareas.
Metodología
Diseño de Estímulos Emocionales
Se diseñaron once frases emocionales basadas en fenómenos psicológicos establecidos para incorporarse en los prompts originales de los LLMs. Estas frases, como «Esto es muy importante para mi carrera», buscan inducir una respuesta emocional que mejore la interpretación y la gestión de la información por parte del modelo.
Evaluación Automática
Se llevaron a cabo experimentos automáticos en 45 tareas utilizando varios LLMs, incluyendo Flan-T5-Large, Vicuna, Llama 2, BLOOM, ChatGPT y GPT-4. Las tareas abarcaron aplicaciones deterministas y generativas que representan escenarios de evaluación comprensivos. Los resultados mostraron que los LLMs poseen inteligencia emocional y que su rendimiento puede mejorarse con prompts emocionales, con mejoras relativas del 8.00% en Instruction Induction y del 115% en BIG-Bench.
Estudio con Humanos
Además de las tareas deterministas, se realizó un estudio con 106 participantes para evaluar la calidad de las tareas generativas utilizando tanto prompts estándar como emocionales. Los resultados indicaron que los EmotionPrompt mejoraron significativamente el rendimiento de las tareas generativas, con una mejora promedio del 10.9% en términos de rendimiento, veracidad y responsabilidad.
Resultados y Discusión
Mejoras en Tareas Deterministas
En las tareas deterministas, los EmotionPrompt mostraron mejoras consistentes en todos los LLMs evaluados. Se observó que los prompts emocionales enriquecen la representación de los prompts originales, incrementando así su eficacia. Las palabras positivas como «confianza», «seguro», «éxito» y «logro» jugaron un papel crucial en estas mejoras.
Estudio con Humanos
El estudio humano reveló que los EmotionPrompt no solo mejoran el rendimiento, sino que también aumentan la veracidad y la responsabilidad de las respuestas generadas por los LLMs. Los participantes evaluaron las respuestas generadas con prompts emocionales como más éticas y mejor articuladas lingüísticamente. Además, las respuestas generadas con EmotionPrompt mostraron una mayor creatividad y resonancia emotiva.
Análisis de Contribuciones
Se realizó un análisis de las contribuciones de las palabras emocionales a los resultados finales utilizando la atención de entrada en Flan-T5-Large. Los resultados mostraron que los estímulos emocionales enriquecen la representación de los prompts originales y que las palabras positivas tienen una mayor contribución al desempeño final.
Conclusiones
Los Modelos de Lenguaje Grande pueden comprender y ser mejorados mediante estímulos emocionales. EmotionPrompt representa un avance significativo en la intersección de la inteligencia artificial y la psicología, proporcionando una nueva vía para explorar el conocimiento interdisciplinario en la interacción humano-LLMs. Este estudio demuestra que la inteligencia emocional puede desempeñar un papel clave en la mejora de las capacidades de los LLMs, abriendo nuevas oportunidades para la investigación futura en esta área.
Referencias
El artículo incluye numerosas referencias a estudios previos y teorías psicológicas que respaldan los hallazgos y el diseño de los estímulos emocionales utilizados en el estudio. Estos estudios destacan la importancia de la inteligencia emocional en la regulación del comportamiento y la mejora del rendimiento en diversas áreas, desde la educación hasta la promoción de la salud.
Paper Original : https://arxiv.org/pdf/2307.11760
Esto ha sido todo por ahora, espero que este artículo te sea de buen provecho, si llegaste hasta aquí, déjame tu comentario. Nos vemos en otra entrega de «Inteligencia Artificial Para Todos»
