El trabajo, publicado en Scientific Reports, analizó 99 términos emocionales y mostró que el modelo puede reconstruir relaciones semánticas presentes en el lenguaje humano.
La investigación fue desarrollada por Ke Han y Eiji Watanabe, quienes buscaron estudiar cómo se relacionan entre sí las palabras que describen estados emocionales. Para hacerlo, utilizaron una tarea en la que tres términos debían ubicarse en una cuadrícula: cuanto más parecido era su significado, más cerca debían aparecer. En una primera etapa participaron 89 personas, cuyos resultados fueron comparados con los obtenidos por GPT-4.
Con seis emociones básicas —alegría, sorpresa, ira, miedo, asco y tristeza— el modelo reprodujo una organización muy cercana a la observada entre los participantes humanos. Tanto las personas como GPT-4 ubicaron la alegría y la sorpresa en un mismo grupo, mientras que ira, miedo, asco y tristeza quedaron agrupadas por separado. En cambio, un método convencional basado en representaciones vectoriales de palabras produjo una organización diferente, al colocar alegría e ira en un mismo grupo.
El experimento se amplió posteriormente a 99 términos emocionales. Esto permitió observar dimensiones que resultaban menos evidentes cuando solamente se analizaban unas pocas emociones. El mapa obtenido se relacionó principalmente con los ejes de placer-malestar y dominancia, mientras que la activación o excitación emocional apareció como una dimensión más fina dentro de esos grandes grupos.
Esto permite entender por qué emociones que podrían parecer similares presentan diferencias importantes. Por ejemplo, “excitación” y “serenidad” pueden ubicarse dentro del conjunto de emociones agradables, pero se diferencian por su nivel de activación. Algo parecido ocurre con “rabia” y “tristeza”: ambas pueden asociarse con estados desagradables, aunque presentan niveles muy diferentes de intensidad o activación. Según los investigadores, trabajar con un vocabulario más amplio permite detectar estas diferencias con mayor precisión.
Sin embargo, el resultado tiene un límite fundamental: GPT-4 no experimentó ninguna de esas emociones. Los investigadores estudiaron la estructura semántica y conceptual de las palabras utilizadas para describir emociones, no la experiencia emocional de la inteligencia artificial. En otras palabras, el modelo pudo reconstruir cómo se relacionan conceptos como alegría, miedo o tristeza dentro del lenguaje humano, pero eso no demuestra que pueda sentir alegría, miedo o tristeza.
El hallazgo también plantea una posible aplicación para la investigación científica. Los autores señalan que utilizar un modelo de lenguaje mediante instrucciones comunes podría facilitar el análisis de grandes cantidades de conceptos sin necesidad de recurrir a métodos de aprendizaje automático especializados o a grandes recursos informáticos. Esto podría resultar útil para disciplinas como la psicología y la lingüística, aunque todavía queda por determinar hasta qué punto estas estructuras lingüísticas se corresponden con la experiencia emocional real o con la forma en que el cerebro representa las emociones.
