À quelle proximité se trouvent la « joie » et la « surprise » ? Quelle distance sépare la « sérénité » de la « colère » ? Ces questions, que la psychologie tente de répondre depuis des décennies, disposent désormais d'un outil inattendu dans l'intelligence artificielle.
Des chercheurs de l'Institut national de biologie fondamentale du Japon ont réussi à faire tracer par le modèle de langage GPT-4 une carte spatiale de 99 termes émotionnels, et les regroupements qu'il a produits se sont alignés étroitement sur ceux de personnes réelles, un résultat que les méthodes computationnelles traditionnelles n'avaient pas réussi à égaler.
La psychologie des émotions travaille depuis longtemps avec l'idée que les états affectifs peuvent être représentés comme des positions dans un espace à plusieurs dimensions continues. Trois d'entre elles concentrent le plus d'attention : le plaisir, qui indique si une émotion est perçue comme agréable ou désagréable ; l'activation émotionnelle, qui mesure le degré d'excitation ou de calme qui accompagne cette émotion ; et la dominance, qui reflète si la personne se sent en contrôle de la situation ou submergée par elle.
Cartographier cette structure pour un vocabulaire large avait, jusqu'à ce travail, nécessité un tel nombre de comparaisons que la tâche s'avérait pratiquement inviable avec des participants humains.
C'est précisément cet obstacle qui a motivé le travail publié dans la revue Scientific Reports. L'équipe, composée de la professeure assistante avec désignation spéciale Ke Han et du professeur associé Eiji Watanabe, du Laboratoire de neurophysiologie du NIBB, a conçu une tâche expérimentale dans laquelle aussi bien des personnes que GPT-4 devaient positionner des termes émotionnels sur une grille selon la similarité de signification entre chaque paire de termes.
Comment l'épreuve a été conçue
La procédure consistait à présenter trois termes simultanément, comme « joie », « surprise » et « tristesse », et à demander que les plus similaires restent plus proches sur la grille. Chaque épreuve exprimait ainsi trois relations à la fois, ce qui réduisait la charge de comparaisons sans perdre d'information.
Dans la première étape, 89 participants humains et GPT-4 ont réalisé la même tâche avec six émotions de base : joie, surprise, colère, peur, dégoût et tristesse. Les résultats ont également été comparés à ceux de la représentation vectorielle des mots, une technique qui traduit la signification de chaque terme en valeurs numériques et regroupe les mots les plus proches en signification.
L'analyse a révélé une différence frappante. Tant les participants que GPT-4 ont regroupé « joie » avec « surprise » d'un côté, et « colère », « peur », « dégoût » et « tristesse » de l'autre. La représentation vectorielle, pour sa part, a placé « joie » dans le même groupe que « colère », un résultat différent de celui des participants.
Conformément aux détails fournis dans l'étude, les réponses étaient cohérentes entre les participants, ce qui confirme que la tâche capture des relations de sens partagées par la majorité des personnes.
Le communiqué du NIBB précise que ces résultats n'impliquent pas que GPT-4 éprouve des émotions : ce que le modèle semble faire est de récupérer les relations entre les concepts émotionnels que la langue humaine contient déjà.
Lorsque le vocabulaire s'élargit, ce qui était caché apparaît
La deuxième étape a étendu l'analyse à 99 termes émotionnels. Contrairement aux participants humains, GPT-4 peut exécuter cette tâche pour un très grand nombre de combinaisons sans fatigue ni biais d'attention ; avec des humains, selon le communiqué institutionnel, cela serait impossible à maintenir.
Selon le NIBB, avec le vocabulaire étendu, aussi bien GPT-4 que la représentation vectorielle ont divisé les termes en deux grands groupes organisés autour de l'axe plaisir–malaise et de la dominance, avec une séparation plus nette dans les résultats de GPT-4.
L'analyse plus détaillée a également détecté une variation qui reflète le degré d'activation de chaque émotion : cette dimension n'a pas fonctionné comme l'axe principal séparant les deux grands groupes, mais comme une structure plus fine qui les ordonnait internement.
Par exemple, parmi les émotions agréables, l'« excitation » a une activation élevée et la « sérénité », une faible ; parmi les désagréables, la « colère » et la « tristesse » partagent le malaise, mais la première est beaucoup plus intense que la seconde.
Comme indiqué dans l'étude, une partie des divergences entre les théories antérieures sur la structure émotionnelle pourrait refléter la quantité et la sélection des termes utilisés dans chaque recherche, plutôt que des différences conceptuelles fondamentales.
Un outil à la portée de tout chercheur
L'un des aspects que l'équipe souligne est l'accessibilité de la méthode. Les techniques de représentation vectorielle exigent des connaissances en apprentissage automatique, des données d'entraînement et des ressources computationnelles considérables, ce qui les place hors de portée de nombreux chercheurs. Donner des instructions à GPT-4 dans un langage courant élimine ces barrières sans nécessiter de programmation ni d'infrastructure spécialisée.
« Cette méthode peut être accessible pour les chercheurs dans des domaines comme la psychologie et la linguistique qui ne se spécialisent pas en apprentissage automatique », a déclaré Han, selon le communiqué de presse. Eiji Watanabe, professeur associé du même laboratoire et directeur du Centre de Biologie Trans-Échelle du NIBB, a souligné que le travail laisse ouvertes des questions pour les recherches futures.
Cette étude a examiné la structure sémantique et conceptuelle des mots décrivant les émotions — c'est-à-dire les relations de sens entre ces termes — plutôt que l'expérience émotionnelle elle-même. Des recherches supplémentaires sont nécessaires pour déterminer dans quelle mesure la structure révélée par GPT-4 correspond aux expériences émotionnelles réelles ou aux représentations de l'émotion dans le cerveau, a déclaré Watanabe.