Les chercheurs de Microsoft dévoilent EmotionPrompt Amélioration de l’intelligence émotionnelle de l’IA à travers plusieurs modèles linguistiques.

Les chercheurs de Microsoft révèlent EmotionPrompt Amélioration de l'intelligence émotionnelle de l'IA à travers divers modèles linguistiques.

L’intelligence émotionnelle est un pilier historiquement placé au sein de la vaste mosaïque des qualités humaines. La compréhension émotionnelle est la capacité de reconnaître et de traiter correctement les données émotionnelles, puis d’utiliser ces données pour guider des processus logiques et analytiques tels que la résolution de problèmes et la gestion comportementale. Les réflexes, la perception, la cognition et le comportement donnent tous naissance aux émotions, et divers facteurs internes et externes peuvent influencer ces composantes. L’autosurveillance, la théorie sociale cognitive et l’importance des émotions positives indiquent que le contrôle des émotions peut influencer les compétences humaines en matière de résolution de problèmes. En raison des effets étendus qu’elle a sur les individus, la théorie de la régulation des émotions a été utilisée dans des domaines aussi divers que l’éducation et la santé.

De nouvelles recherches menées par CAS, Microsoft, l’université William & Mary, l’université normale de Beijing et l’HKUST examinent le lien entre l’IE et les modèles d’IA sophistiqués. Les nouveaux modèles linguistiques volumineux (LLMs) ont montré des performances impressionnantes dans différentes tâches, notamment le raisonnement, le traitement et la génération de langage naturel, ainsi que la résolution de problèmes STEM, ce qui en fait l’une des entreprises de recherche les plus prometteuses vers une intelligence artificielle générale. En permettant à GPT-4 d’accomplir plusieurs tâches difficiles concoctées par des humains, une étude récente suggère que les LLMs montrent un potentiel remarquable pour l’AGI. Cependant, on ne sait toujours pas si les LLMs peuvent interpréter les impulsions émotionnelles psychologiques, un avantage fondamental des humains qui les aide à améliorer leurs capacités de résolution de problèmes. En utilisant des méthodes d’apprentissage en contexte, plusieurs universitaires ont réalisé d’énormes avancées dans divers domaines. Cependant, étant donné les différences de leurs capacités, tous les LLMs ne bénéficieront pas également des méthodes actuellement disponibles. Bien que des recherches récentes aient montré des preuves selon lesquelles les LLMs peuvent reconnaître et traiter des indices émotionnels, cette étude n’a pas évalué si l’intelligence émotionnelle des LLMs joue un rôle significatif dans l’amélioration de leurs performances.

Ce nouveau travail constitue la première étape pour étudier le potentiel des LLMs à comprendre et à exploiter les stimuli émotionnels. Il a été prouvé dans des recherches psychologiques antérieures que les indices émotionnels associés à l’espoir, à la confiance en soi et à l’approbation des pairs ont un effet positif. Les applications du monde réel de ce phénomène comprennent l’utilisation de mots encourageants pour améliorer les performances scolaires et accroître le bien-être physique. Les chercheurs se sont inspirés de ces processus psychologiques et ont présenté EmotionPrompt, une méthode simple mais puissante pour étudier l’intelligence émotionnelle des LLMs. Ils ont notamment conçu 11 déclarations sous forme de phrases psychologiques à utiliser comme stimuli de suivi pour les LLMs afin de susciter une réponse émotionnelle.

Leurs investigations approfondies utilisent à la fois des tâches déterministes et génératives, qui englobent ensemble une large gamme de niveaux de difficulté. Ils ont réalisé des essais avec plusieurs LLMs, tels que FlanT5-Large, Vicuna, Llama 2, BLOOM, ChatGPT et GPT-4, sur 24 tâches d’induction d’instructions et 21 tâches BIG-Bench sélectionnées, toutes déterministes et pouvant être évaluées avec des mesures courantes. Ils ont mené une étude humaine avec 106 participants pour évaluer la qualité de la génération de tâches utilisant à la fois des stimuli normaux et émotionnels basés sur GPT-4, car ces activités ne se prêtent pas à une évaluation traditionnelle et automatique. Leur étude humaine montre que les stimuli émotionnels améliorent significativement les performances des tâches génératives (avec une amélioration moyenne de 10,9 % des métriques de performance, de véracité et de responsabilité). D’autre part, les expériences standard montrent que les LLMs possèdent une intelligence émotionnelle et peuvent être améliorés par des stimuli émotionnels.

Les chercheurs ont également analysé pourquoi EmotionPrompt est utile pour les LLMs en évaluant les effets des stimuli émotionnels sur les sorties finales par le biais de l’attention d’entrée. Les résultats montrent que les gradients dans les LLMs bénéficient des stimuli émotionnels en leur donnant des poids plus importants, ce qui améliore les résultats en améliorant la représentation des stimuli d’origine. Pour en savoir plus sur l’efficacité d’EmotionPrompt en fonction de la taille et de la température des modèles, ils ont réalisé une étude d’ablation.

Enfin, ils ont examiné comment l’utilisation de nombreux indices émotionnels ensemble affecte les performances et ont constaté que cela peut améliorer considérablement les résultats. Sur la base de ces résultats, EP02 s’avère être le meilleur stimulus dans l’induction d’instructions, surpassant le stimulus le plus faible de 6,06 %, tandis que EP06 est le meilleur stimulus de BIG-Bench. Il est important de se rappeler que plusieurs facteurs, tels que la complexité de la tâche, le type de tâche et les mesures utilisées, peuvent affecter les performances d’un stimulus.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

Apprenez à évaluer le risque des systèmes d'IA

L'intelligence artificielle (IA) est un domaine en constante évolution avec le potentiel d'améliorer et de transforme...

AI

Découvrez EasyEdit un cadre d'édition de connaissances facile à utiliser pour les LLMs.

Nous devons constamment nous adapter à ce monde en perpétuel changement, tout comme le font les modèles d’appre...

AI

Cette recherche en IA présente Point-Bind un modèle multi-modalité 3D alignant des nuages de points avec une image 2D, du langage, de l'audio et de la vidéo.

Dans le paysage technologique actuel, la vision 3D a émergé comme une étoile montante, captant les projecteurs en rai...

AI

Les casques de réalité virtuelle sont vulnérables aux hackers

Les informaticiens ont découvert que les pirates informatiques peuvent traduire les mouvements des utilisateurs de ca...

AI

SalesForce AI Research a développé ProGen un bond en avant dans l'ingénierie des protéines grâce à l'intelligence artificielle.

Le développement de protéines fonctionnelles a été depuis longtemps une quête essentielle dans divers domaines scient...