Large Emotional World Model
Dieses Paper stellt das Large Emotional World Model (LEWM) vor, ein neuartiges Framework, das menschliche Emotionen als zentrale Zustandsvariable integriert, um zukünftige emotionale und physische Zustände vorherzusagen, wobei es signifikante Leistungssteigerungen bei der Vorhersage von Weltzuständen, dem Verständnis von Emotionen sowie bei allgemeinen Aufgaben des logischen Schlussfolgerns demonstriert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, einem Roboter das Autofahren beizubringen. Wenn Sie ihm nur die Gesetze der Physik zeigen, lernt er, dass das Auto stoppt, wenn es gegen eine Backsteinmauer prallt. Das ist die „physische Welt“. Aber wenn Sie möchten, dass dieser Roboter in einer Stadt voller Menschen fährt, reicht die Physik nicht aus. Er muss verstehen, dass, wenn ihn ein anderer Fahrer schneidet, dieser Fahrer wütend werden, auf die Bremse treten oder schreien könnte. Wenn der Roboter diese Emotion nicht vorhersagt, kann er auch nicht vorhersagen, was als Nächstes passiert. Dies ist die große Frage in einem Bereich namens „World Models“ (Weltmodelle). Wissenschaftler versuchen, digitale Gehirne zu bauen, die nicht nur sehen, was gerade passiert, sondern die simulieren können, wie sich die Zukunft entfalten wird. Lange Zeit waren diese digitalen Gehirne wie Physik-Engines: großartig darin, Blöcke und Bälle zu bewegen, aber schlecht darin zu verstehen, warum Menschen das tun, was sie tun. Ihnen fehlte die geheime Zutat: Gefühle.
Dieses Paper stellt eine neue Art von digitalem Gehirn vor, das Large Emotional World Model (LEWM). Die Forscher, Changhao Song und sein Team von der Tianjin University, erkannten, dass man, um die Zukunft in einer menschlichen Welt vorherzusagen, zuerst Gefühle vorhersagen muss. Sie bauten einen massiven neuen Datensatz namens EWH (Emotion-Why-How), der wie eine Bibliothek aus 10.850 kurzen Videogeschichten ist. Jede Geschichte zeigt eine Person, was sie zuvor gefühlt hat, was sie getan hat, wie sich ihre Gefühle verändert haben und was als Nächstes geschah. Denken Sie an es wie ein „Choose Your Own Adventure“-Buch, bei dem die Wendungen der Handlung vollständig davon abhängen, ob die Figur glücklich, wütend oder traurig ist.
Unter Verwendung dieser Bibliothek trainierten sie LEWM, in zwei Schritten zu denken, wie ein Detektiv, der ein Rätsel löst. Zuerst fragt das Modell: „Gegeben das, was gerade passiert ist, wie wird sich diese Person als Nächstes fühlen?“ Es sagt die Emotion voraus. Zweitens fragt es: „Nun, da ich weiß, wie sie sich fühlt, was wird sie als Nächstes tun?“ Indem es die Emotion in die Mitte stellt, kann das Modell sehen, dass derselbe Verkehrsunfall zu einem ruhigen Gespräch führen kann, wenn der Fahrer glücklich ist, oder zu einem Wortgefecht, wenn er wütend ist. Die Ergebnisse sind beeindruckend: Auf ihrem neuen emotionalen Datensatz war LEWM bis zu 45,72 % genauer als bisherige Modelle. Es wurde auch besser darin, Emotionen im Allgemeinen zu verstehen (eine Verbesserung um 17,47 % in einem Test) und wurde sogar klüger darin, schwierige Fragen über Politik und Wissenschaft zu beantworten, ohne seine Fähigkeit zu verlieren, die physische Welt zu verstehen. Das Paper legt nahe, dass wir, indem wir der KI beibringen, sich um Gefühle zu kümieren, sie nicht nur netter machen, sondern sie auch viel besser darin machen, vorherzusagen, wie die reale menschliche Welt tatsächlich funktioniert.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.