Die Abgrenzung zwischen kĂŒnstlicher Intelligenz und menschlicher Intelligenz schwindet zunehmend. Und das nicht ohne Grund, denn einer der wesentlichen Unterschiede zwischen ihnen ist: die FĂ€higkeit, Emotionen zu ĂŒbermitteln und zu erfassen. In dieser Hinsicht hatten die Menschen bislang die Nase vorn. Bis EQ-Bench erschien. Aber was ist das genau? Das werden wir uns anschauen.
Was ist EQ-Bench?
Gestartet am 11. Dezember 2023, zielt EQ-Bench darauf ab, Aspekte der emotionalen Intelligenz in groĂen Sprachmodellen (LLMs) zu messen. Das Ziel ist es, ihnen ein tieferes VerstĂ€ndnis von komplexen Emotionen und sozialen Interaktionen zu ermöglichen. Dadurch sind sie in der Lage, die IntensitĂ€t emotionaler ZustĂ€nde innerhalb eines Dialogs vorherzusagen.
In der Tat setzen die Modelle eine Vielzahl von Computertechniken ein, um emotionale Intelligenz zu verstehen (Berechnung, Schlussfolgerung, Objekterkennung…). Beispielsweise sind zusammengezogene Augenbrauen im Allgemeinen ein Anzeichen fĂŒr VerĂ€rgerung. Aber nicht immer, denn es kann Variationen geben. Und diese sind im realen Leben weit ausgeprĂ€gter als in den Datenbanken, auf denen die LLMs trainiert werden. Multimodales Lernen ist eine Technik, die durch die Integration verschiedener Datenquellen, wie Bilder und Text, versucht diese LĂŒcke zu schlieĂen.
Genau hier setzt EQ-Bench an: Es bewertet die FĂ€higkeit von Modellen, diese Nuancen innerhalb eines Dialogs zu interpretieren.
Wie funktioniert EQ-Bench?
Um LLMs die Entwicklung emotionaler Intelligenz zu ermöglichen, greift EQ-Bench auf grundlegende Techniken aus traditionellen psychometrischen Tests zurĂŒck, mit einigen Anpassungen. So liest das Modell einen Dialog und beurteilt die emotionale Reaktion. Es muss in der Lage sein, die Expression von vier vorgegebenen Emotionen vorherzusagen. Das Ergebnnutzt Resultate bestimmter Machine-Learning-Modelle, um eine bessere Vorhersagegenauigkeit zu ermöglichen.
Dank dieser Methode konnte EQ-Bench Ergebnisse erzielen, die hochgradig mit menschlichen Bewertungen korrelieren und mit Multi-Domain Benchmark-Tests (MMLU). Analytics Engineering kann dazu beitragen, die Modelle und ihre LeistungsfÀhigkeit in Bezug auf die emotionale Intelligenz zu analysieren und zu verbessern.
Warum sollte man LLMs in emotionaler Intelligenz trainieren?
Menschen werden von ihren Emotionen geleitet. Den groĂen Sprachmodellen ein tieferes VerstĂ€ndnis von komplexen Emotionen zu ermöglichen, rĂŒckt sie nĂ€her an die menschliche Intelligenz heran.
Und das kann in allen GeschĂ€ftsbereichen nĂŒtzlich sein. Hier einige Beispiele:
- Marketing: Algorithmen können Kundenkommentare in sozialen Netzwerken prĂ€ziser analysieren. Vor allem ermöglicht EQ-Bench es ihnen, Reaktionen vorherzusehen. Der Chatbot kann dadurch seine Aussagen anpassen, abhĂ€ngig von der emotion gewĂŒnschten Reaktion. Insbesondere, wenn es darum geht, zum Kauf anzuregen.
- Robotik: Ein Begleitroboter mit emotionaler KI könnte die emotionalen BedĂŒrfnisse seiner Nutzer besser verstehen und darauf reagieren.
- Bildung: Virtuelle Lehrassistenten könnten einen gelangweilten SchĂŒler oder einen SchĂŒler, der ein Konzept nicht gut versteht, leicht identifizieren. Daraufhin könnte der Assistent seinen Unterricht anpassen, um das Lernen zu verbessern.
Von der Entscheidungsfindung bis zu zwischenmenschlichen Interaktionen, emotionale Intelligenz ist ĂŒberall prĂ€sent. Roboter, die sie vollstĂ€ndig nachahmen können, sind demnach in der Lage, besser auf die Erwartungen der Menschen zu reagieren.
FĂŒhrt das zu einer Angleichung von menschlicher und kĂŒnstlicher Intelligenz?
Bevor wir diese Frage klĂ€ren, sollten wir uns zunĂ€chst das eigentliche Konzept der emotionalen Intelligenz vor Augen fĂŒhren. Sie ist in vier Bereiche untergliedert:
- Die Wahrnehmung von Emotionen (non-verbal);
- Die Nutzung der Emotionen;
- Das Verstehen der Emotionen;
- Das Management der Emotionen.
Doch EQ-Bench konzentriert sich auf einen speziellen Aspekt der emotionalen Intelligenz: das VerstĂ€ndnis von Emotionen. Das heiĂt, die FĂ€higkeit, komplexe Emotionen und ihre Bedeutungen in sozialen Kontexten zu verstehen und zu interpretieren.
Heutzutage stellt dies eine echte Herausforderung fĂŒr Modelle dar, da sie auf feste (und oft ĂŒbertriebene) Emotionen trainiert werden. Basierend auf einer wahrgenommenen Emotion ziehen die KI-Modelle eine feste Schlussfolgerung. Doch menschliche Emotionen sind variabel und nuanciert. Sie können durch Ereignisse plötzlich variieren. Die Herausforderung fĂŒr EQ-Bench besteht genau darin, alle Faktoren zu integrieren, die Emotionen beeinflussen können, und all ihre Feinheiten zu begreifen.
Obwohl EQ-Bench einen weiteren Schritt in Richtung des VerstÀndnisses emotionaler Intelligenz darstellt, ist es noch ein weiter Weg, bis KI und menschliche Intelligenz perfekt aufeinander abgestimmt sind.
In der Zwischenzeit ist es immer möglich, die groĂen Sprachmodelle weiter zu verbessern. Und das beginnt mit einer Weiterbildung in Data Science.
