Simple Science

Ciência de ponta explicada de forma simples

# Informática# Computação e linguagem# Computadores e sociedade

Avaliando a Inteligência Social em Modelos de Linguagem

Pesquisas mostram que é preciso ter inteligência social em modelos de linguagem grandes.

― 7 min ler


Inteligência Social emInteligência Social emModelos de IAcom os humanos.precisam melhorar pra interagir melhorOs LLMs não têm inteligência social,
Índice

Modelos de linguagem grandes (LLMs) mostraram habilidades impressionantes em entender a língua, mas suas habilidades em Inteligência Social ainda não são muito conhecidas. Inteligência social envolve reconhecer e gerenciar relacionamentos sociais. Esse tipo de inteligência ajuda as pessoas a evitar conflitos e a trabalhar melhor em equipe, contribuindo para o sucesso pessoal e a satisfação geral na vida.

Para avaliar a inteligência social dos LLMs, os pesquisadores criaram um teste chamado Avaliação Situacional da Inteligência Social (SESI). Esse teste é baseado em situações sociais da vida real e foi projetado para avaliar como os LLMs entendem e reagem em contextos sociais.

Importância da Inteligência Social

Entender e gerenciar relacionamentos sociais é uma parte chave da inteligência humana. A inteligência social ajuda as pessoas a navegar nas complexidades das interações sociais, promovendo a cooperação e reduzindo conflitos. A longo prazo, a inteligência social é vital para a sobrevivência e o bem-estar dos humanos como espécie.

Para sistemas inteligentes, ter inteligência social é crucial para uma interação eficaz com as pessoas. À medida que a tecnologia de IA avança, interagir bem com os humanos se torna cada vez mais importante. Por exemplo, robôs que ajudam em tarefas em casa ou em ambientes de assistência precisam de boas habilidades de comunicação para trabalhar de forma eficaz com as pessoas.

Além disso, a inteligência social impacta o quão bem os LLMs aprendem a língua, já que a linguagem em si é um fenômeno social. Interações sociais moldam os significados de palavras e frases.

Avaliando a Inteligência Social nos LLMs

Apesar da importância da inteligência social, a maioria das pesquisas sobre LLMs se concentrou em suas habilidades acadêmicas ou cognitivas, como lógica e raciocínio. A inteligência social dos LLMs é frequentemente negligenciada, mesmo sendo essencial para suas aplicações no mundo real.

Alguns pesquisadores tentaram avaliar a inteligência social dos LLMs usando testes estabelecidos de inteligência social humana. No entanto, essas avaliações têm limitações. Muitos dos testes usados para avaliar LLMs foram influenciados por sistemas anteriores, dificultando saber se os modelos realmente entendem conceitos sociais.

Outros pesquisadores analisam conjuntos de dados que avaliam a compreensão dos LLMs sobre fatores sociais, como emoções e motivações. Embora esses estudos sejam úteis, muitas vezes ignoram as interações suaves necessárias para uma comunicação bem-sucedida, que é vital para a competência social.

SESI: Um Novo Referencial para Inteligência Social

Para preencher a lacuna na avaliação da inteligência social, foi desenvolvido o framework SESI. Esse framework é baseado em teorias estabelecidas de inteligência social humana e visa avaliar de forma abrangente as habilidades sociais dos LLMs por meio de várias capacidades sociais.

O SESI consiste em perguntas baseadas em cenários sociais da vida real extraídos do Reddit, onde usuários compartilham seus problemas de relacionamento. Cada pergunta no SESI é projetada para testar habilidades sociais específicas, como empatia, Consciência Social e a capacidade de se comportar de forma adequada em situações sociais.

Componentes do SESI

O SESI avalia dois aspectos principais da inteligência social: consciência social e facilidade social.

  1. Consciência Social:

    • Empatia: É sobre entender os sentimentos, pensamentos e intenções dos outros.
    • Cognição Social: Envolve compreender situações sociais complexas e dinâmicas.
  2. Facilidade Social:

    • Autoapresentação: A habilidade de se expressar de forma clara e eficaz.
    • Influência: A habilidade de moldar positivamente os resultados sociais.
    • Preocupação: Reconhecer as necessidades dos outros e responder de maneira apropriada.

Coletando Dados para o SESI

Para criar o SESI, os pesquisadores reuniram contextos sociais da comunidade de Relacionamentos do Reddit. Este fórum apresenta usuários reais discutindo seus problemas interpessoais, tornando os dados relevantes e autênticos.

Usando ferramentas automatizadas, os pesquisadores coletaram as postagens mais populares desse fórum e as resumiram em várias situações sociais que os LLMs precisam avaliar. As respostas corretas para o SESI foram determinadas com base nas respostas mais endossadas da comunidade do Reddit.

Descobertas da Avaliação dos LLMs com o SESI

O SESI foi usado para avaliar uma variedade de LLMs populares, e várias descobertas importantes surgiram:

  1. Espaço para Melhoria: O modelo com melhor desempenho alcançou pouco mais da metade das respostas corretas potenciais, indicando que os LLMs ainda têm muito a aprender sobre inteligência social.

  2. Formas Distintas de Inteligência: A inteligência social parece ser separada da inteligência acadêmica. A capacidade de pensar logicamente não se traduz automaticamente em bom julgamento social.

  3. Amizade Superficial: Muitos LLMs apresentaram uma aparência amigável, mas muitas vezes falharam em contextualizar suas respostas na situação social específica, levando a erros de julgamento.

  4. Falta de Compreensão Profunda: Os LLMs têm dificuldade em entender o que a inteligência social realmente envolve, muitas vezes mostrando inconsistências em suas respostas sociais.

  5. Influência de Fatores Sociais: Assim como a inteligência social humana é afetada por vários fatores, como personalidade e papel social, os LLMs também mostram Influências semelhantes.

Explorando Fatores que Afetam a Inteligência Social nos LLMs

Após a avaliação, os pesquisadores exploraram como diferentes fatores poderiam impactar a inteligência social dos LLMs. Esses fatores incluem personalidade, gênero, papel social e perspectiva.

Traços de Personalidade que Impactam a Inteligência Social

Usando os cinco grandes traços de personalidade como guia, o estudo examinou como diferentes atributos de personalidade poderiam afetar a inteligência social de um LLM. Uma descoberta interessante foi que LLMs projetados para exibir extroversão demonstraram melhor inteligência social. Em contrapartida, aqueles projetados para serem agradáveis não mostraram a mesma vantagem, destacando a complexidade de como as personalidades influenciam as interações sociais.

Impactos de Gênero na Inteligência Social

Enquanto os humanos costumam ver as mulheres como tendo maior inteligência social, este estudo descobriu que LLMs designados como masculinos frequentemente se saíram melhor em cenários sociais. Essa observação só se manteve verdadeira quando o gênero foi explicitamente atribuído, indicando que a maneira de atribuir gênero pode impactar o resultado.

Influência do Papel e do Contexto Social

A pesquisa também indicou que o papel social atribuído aos LLMs desempenhou um papel significativo em seu desempenho. Papéis ligados à família ou ao trabalho geralmente resultaram em melhores resultados de inteligência social em comparação com papéis românticos. As descobertas sugerem uma conexão com estereótipos sobre papéis sociais e como eles influenciam o comportamento em humanos e LLMs.

Perspectivas que Afetam o Desempenho

Curiosamente, o estudo analisou como a perspectiva usada nos prompts afetou as respostas dos LLMs. Quando os LLMs foram solicitados a responder como se estivessem na primeira pessoa, seu desempenho social melhorou em comparação com prompts na terceira pessoa, sugerindo que a maneira de formular perguntas pode impactar significativamente as respostas.

Conclusão: A Necessidade de Mais Pesquisas

Essa análise profunda sobre a inteligência social dos LLMs mostra que, embora esses modelos tenham avançado muito na compreensão da linguagem, suas habilidades sociais ainda precisam de mais atenção. O framework SESI visa dar aos pesquisadores uma melhor maneira de avaliar e entender as capacidades sociais dos LLMs.

As descobertas destacam que a inteligência social dos LLMs é uma forma distinta de inteligência separada de suas habilidades cognitivas. À medida que os sistemas de IA se tornam mais integrados no dia a dia, melhorar sua inteligência social se tornará crucial para uma interação humana segura e eficaz.

Mais pesquisas devem continuar a focar nas complexidades da inteligência social e explorar novas formas de refinar e desenvolver esses modelos de linguagem, capacitando-os a entender e responder a situações sociais de maneira mais eficaz. Isso vai promover melhor colaboração entre humanos e tecnologia no futuro.

Fonte original

Título: Academically intelligent LLMs are not necessarily socially intelligent

Resumo: The academic intelligence of large language models (LLMs) has made remarkable progress in recent times, but their social intelligence performance remains unclear. Inspired by established human social intelligence frameworks, particularly Daniel Goleman's social intelligence theory, we have developed a standardized social intelligence test based on real-world social scenarios to comprehensively assess the social intelligence of LLMs, termed as the Situational Evaluation of Social Intelligence (SESI). We conducted an extensive evaluation with 13 recent popular and state-of-art LLM agents on SESI. The results indicate the social intelligence of LLMs still has significant room for improvement, with superficially friendliness as a primary reason for errors. Moreover, there exists a relatively low correlation between the social intelligence and academic intelligence exhibited by LLMs, suggesting that social intelligence is distinct from academic intelligence for LLMs. Additionally, while it is observed that LLMs can't ``understand'' what social intelligence is, their social intelligence, similar to that of humans, is influenced by social factors.

Autores: Ruoxi Xu, Hongyu Lin, Xianpei Han, Le Sun, Yingfei Sun

Última atualização: 2024-03-11 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2403.06591

Fonte PDF: https://arxiv.org/pdf/2403.06591

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes