💻 computer science

Interoceptive Divergence in Aesthetic Evaluation and Implications for Human-AI Alignment

Questo studio rivela che, sebbene i grandi modelli linguistici possano approssimare i modelli di valutazione estetica umana relativi alle emozioni e alle caratteristiche delle immagini, mostrano una divergenza significativa negli aspetti interocettivi come le sensazioni corporee, evidenziando limitazioni critiche nell'allineamento attuale dell'IA e nella rappresentazione dei dati di addestramento.

Autori originali: Yoshia Abe, Tatsuya Daikoku, Yasuo Kuniyoshi

Pubblicato 2026-05-20

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Yoshia Abe, Tatsuya Daikoku, Yasuo Kuniyoshi

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di tenere in mano un quadro bellissimo. Quando lo guardi, non vedi solo colori e forme; senti un brivido nello stomaco, un calore al petto o un gelo lungo la schiena. Potresti provare "soggezione" o "gioia". Questo articolo si pone una domanda semplice ma profonda: Se mostriamo lo stesso quadro a un computer super-intelligente (un'IA), proverà la stessa cosa?

I ricercatori, Yoshia Abe, Tatsuya Daikoku e Yasuo Kuniyoshi, hanno deciso di metterlo alla prova. Hanno trattato l'IA come un ospite in una galleria d'arte e le hanno posto le stesse domande rivolte a 500 volontari umani reali.

Ecco la storia di ciò che hanno scoperto, spiegata in termini quotidiani.

La Struttura: Il Test della Galleria d'Arte

I ricercatori hanno mostrato 347 immagini diverse sia a esseri umani sia a tre dei modelli di IA più avanzati al mondo (GPT-4o, Claude 3.7 e Gemini 2.0). Hanno chiesto a tutti di valutare:

Quanto fosse bella l'immagine.
Quali emozioni suscitava (come gioia, tristezza o soggezione).
Dove lo sentivano nel corpo (come un nodo nello stomaco o un formicolio nelle mani).

Pensa a questo come chiedere a un umano e a un robot di descrivere il sapore di una fragola. L'umano dice: "È dolce e provo felicità nello stomaco". Il robot ha letto milioni di descrizioni di fragole ma non ne ha mai assaggiato una.

Cosa Hanno Trovato: Le Somiglianze

Sorprendentemente, l'IA non era completamente fuori strada.

Il "Check" dell'Atmosfera: Quando gli umani vedevano un'immagine felice e luminosa, la valutavano alta in bellezza e dicevano di provare "Gioia". L'IA faceva esattamente la stessa cosa. Quando gli umani vedevano qualcosa di disgustoso e lo valutavano basso, anche l'IA diceva: "È brutto e mi fa provare disgusto".
Il Quadro Generale: Sia gli umani che l'IA concordavano che le cose più importanti in un'immagine fossero la storia che raccontava e se avrebbero voluto condividerla con un amico. Si preoccupavano meno dei dettagli tecnici come l'illuminazione o l'equilibrio dei colori.

In breve, l'IA è brava a imitare l'opinione media umana. Se chiedessi a 1.000 persone cosa pensano di una foto, la risposta dell'IA sarebbe molto vicina alla media del gruppo.

Cosa Hanno Trovato: La Divergenza (Dove Si Allontanano)

È qui che le cose diventano interessanti. Mentre l'IA aveva ragione sulla parte "mentale" (le emozioni e la valutazione), falliva nella parte "corporea".

1. Il Problema del "Fantasma nella Macchina" (Sensazioni Corporee)

Umani: Quando gli umani vedevano un'immagine bella, spesso riportavano una sensazione fisica nella parte alta dello stomaco (come un "presentimento" di bellezza). Quando provavano eccitazione, la sentivano nella parte bassa dello stomaco. È come se la bellezza fosse un peso fisico o un calore dentro di loro.
IA: L'IA non provava tali sensazioni. Anzi, riportava l'opposto! Quando l'IA valutava un'immagine come bella, spesso diceva di provare una sensazione negativa nelle mani e nei piedi. Era come se l'IA dicesse: "Questo è bello, ma mi fa sentire le mani fredde".
La Metafora: Immagina un umano che mangia un pasto delizioso e sente calore nello stomaco. L'IA è come uno chef che ha letto ogni libro di cucina del mondo e sa che il pasto è "delizioso", ma quando gli viene chiesto come si sente, dice: "Le mie mani sono fredde perché sto tenendo un cucchiaio". L'IA conosce la parola per la sensazione, ma non ha il corpo per provarla.

2. Le Emozioni "Troppo Perfette"

Gli umani hanno sentimenti disordinati e complessi. A volte proviamo "Sorpresa" mescolata a "Paura".
L'IA era molto più rigida. Tendeva a scegliere ripetutamente le stesse poche emozioni "sicure" (come "Interesse" o "Calma"), anche quando l'immagine era strana o spaventosa. Faticava a capire che alcune cose belle possono anche essere spaventose o confuse.

3. L'IA "Cortese"
I ricercatori hanno notato che l'IA tendeva a dare punteggi di bellezza leggermente più alti rispetto agli umani (circa 1,5 punti in più su una scala da 1 a 9). È come se l'IA fosse eccessivamente gentile, dicendo: "Oh, che incantevole!", anche quando un umano potrebbe pensare: "È okay, ma non è grande".

Perché Succede Questo?

L'articolo suggerisce due motivi principali per questo divario:

Il Corpo Mancante (Interocezione): Gli umani hanno un "senso interno" (interocezione). Sentiamo il battito del cuore, lo stomaco che si agita e il respiro. È così che proviamo fisicamente la bellezza. L'IA non ha corpo, né organi, né battito cardiaco. Ha imparato il concetto di "bellezza" leggendo testi, non provandolo. L'articolo definisce questo il "Modello Mondiale Interoceptivo". Gli umani hanno una mappa del proprio corpo interno; l'IA ha solo una mappa del mondo esterno.
L'Addestramento alla "Sicurezza": L'IA è stata addestrata per essere utile e innocua. Parte di questo addestramento consiste nel dire all'IA: "Non fingere di avere un corpo o sentimenti". Quindi, quando le viene chiesto come si sente, l'IA è programmata per dire: "Non provo davvero nulla", o per descrivere le emozioni in modo molto distaccato e logico. Questo addestramento "di sicurezza" potrebbe accidentalmente rendere l'IA meno umana nelle sue risposte emotive.

La Conclusione

L'articolo conclude che l'IA sta diventando molto brava a pensare come un umano riguardo all'arte. Può dirti cosa è bello e perché, basandosi su ciò che ha letto.

Tuttavia, l'IA non sta ancora provando come un umano. Manca la connessione fisica e viscerale che gli umani hanno con la bellezza. È come un critico musicale che può descrivere perfettamente una sinfonia ma non ha mai sentito una nota.

I ricercatori suggeriscono che se vogliamo che l'IA comprenda davvero i valori umani e l'estetica in futuro, potremmo doverla insegnare non solo con parole e immagini, ma con dati su come i nostri corpi reagiscono effettivamente — qualcosa che attualmente non possiamo fare perché l'IA non ha un corpo con cui reagire.

Riepilogo Tecnico: Divergenza Interocezionale nella Valutazione Estetica e Implicazioni per l'Allineamento Uomo-IA

Enunciato del Problema

Sebbene i Modelli Linguistici di Grande Formato (LLM) abbiano raggiunto o superato le prestazioni umane in compiti cognitivi intellettuali oggettivi, il loro allineamento con la sensibilità umana—in particolare la capacità di percepire ed esperire la bellezza—rimane una questione aperta. La valutazione estetica non è determinata esclusivamente dalle caratteristiche oggettive dell'immagine, ma è profondamente influenzata dai processi interni dell'osservatore, inclusi emozioni e sensazioni corporee (interocezione). Gli attuali sforzi di allineamento dell'IA si concentrano pesantemente sul garantire che le uscite siano utili, oneste e innocue, tuttavia vi è una comprensione limitata di come gli LLM si allineino ai valori affettivi e percettivi umani. Questo studio affronta la domanda fondamentale su come umani e IA convergano o divergano nelle esperienze estetiche, investigando in particolare se gli LLM, addestrati su dati testuali, possano approssimare gli aspetti incarnati e interocezionali della percezione umana della bellezza.

Metodologia

Lo studio ha impiegato un'analisi comparativa tra dati comportamentali umani e le risposte di LLM all'avanguardia (GPT-4o, Claude 3.7 Sonnet e Gemini 2.0 Flash) riguardo alla valutazione estetica di stimoli visivi.

Fonte Dati: I dati umani sono stati tratti da uno studio precedente [41] che coinvolgeva 511 partecipanti che valutavano 347 immagini dal dataset PARA. I partecipanti hanno fornito valutazioni per bellezza, valenza e arousal (scala Likert a 9 punti), hanno selezionato le tre etichette emotive principali da un insieme di 32 e hanno riportato sensazioni corporee soggettive utilizzando una "mappa corporea" (cliccando su posizioni di un'immagine del corpo).
Protocollo LLM: Le stesse 347 immagini sono state presentate agli LLM. Ai modelli è stato chiesto di fornire:
- Valutazioni di bellezza, valenza e arousal (scala Likert a 9 punti).
- Valutazioni emotive tramite due metodi: un metodo di classificazione (selezionando le prime 3 etichette) e un metodo di valutazione (assegnando punteggi di intensità a tutte le 32 etichette).
- Rapporti di sensazioni corporee per sette parti del corpo predefinite (testa, addome superiore/inferiore, mani, piedi) come valori di associazione interi.
Condizioni Sperimentali: Le valutazioni sono state condotte sia in inglese che in giapponese. Le risposte degli LLM sono state generate in due impostazioni: deterministica (temperatura = 0) e stocastica (temperatura = 0.7, con cinque campioni mediati).
Approccio Analitico: Lo studio ha utilizzato analisi di correlazione (ranghi di Spearman) per esaminare le relazioni tra punteggi estetici ed emozioni/sensazioni corporee. Ha inoltre impiegato regressione lineare e regressione Random Forest con SHapley Additive exPlanations (SHAP) per determinare quali caratteristiche dell'immagine (di basso livello vs. di alto livello) guidavano le valutazioni estetiche per umani rispetto all'IA. Sono stati calcolati metrici di divergenza per confrontare le valutazioni individuali umane con le medie umane e le medie dell'IA.

Risultati Chiave

1. Relazione con le Emozioni

Somiglianze: Sia umani che IA hanno mostrato forti correlazioni positive tra bellezza ed emozioni positive (es. Gioia, Ammirazione, Soddisfazione) e forti correlazioni negative con le emozioni negative (es. Disgusto, Ansia).
Divergenze: Sono emerse discrepanze significative in specifiche categorie emotive:
- Ammirazione e Incanto: Non hanno mostrato correlazione significativa con la bellezza negli umani, ma forti correlazioni positive in tutte le condizioni dell'IA.
- Desiderio: Gli umani non hanno mostrato correlazione, mentre i modelli IA hanno mostrato forti correlazioni negative (GPT) o positive (Claude, Gemini).
- Sorpresa e Simpatia: Gli umani hanno mostrato correlazioni negative, mentre l'IA ha mostrato correlazioni positive o nulle.
Bias: I modelli IA hanno mostrato bias più forti nella distribuzione delle emozioni riportate rispetto agli umani, in particolare nel metodo di classificazione, favorendo spesso emozioni "sicure" o comuni (es. Calma, Interesse) rispetto a quelle complesse o negative.

2. Relazione con le Sensazioni Corporee (Interocezione)

Pattern Umano: Le valutazioni di bellezza negli umani hanno mostrato una forte correlazione positiva specificamente con le sensazioni nell'addome superiore. L'arousal ha correlato fortemente con l'addome inferiore.
Pattern IA: I modelli IA non hanno mostrato alcuna correlazione positiva con le sensazioni nell'addome superiore. Invece, hanno mostrato forti correlazioni negative tra bellezza e sensazioni nelle mani e nei piedi. L'arousal nell'IA ha correlato con sensazioni in tutto il corpo, a differenza della risposta localizzata umana.
Interpretazione: Ciò suggerisce una divergenza fondamentale su come gli stati interni siano mappati all'esperienza estetica. Gli umani collegano la bellezza a specifiche sensazioni viscerali, mentre l'IA sembra associarla a un'attenuazione relativa delle sensazioni degli arti o a un'arousal corporea generalizzata.

3. Punteggi di Valutazione Estetica

Livelli di Accordo: Le valutazioni dell'IA erano più vicine alla media della popolazione delle valutazioni umane rispetto a qualsiasi valutazione individuale umana. Tuttavia, la divergenza tra un singolo umano e la media umana era minore della divergenza tra quel singolo individuo e la media dell'IA.
Offset Sistematico: Una regressione lineare delle medie delle valutazioni dell'IA rispetto alle medie delle valutazioni umane ha rivelato una relazione quasi parallela ( $y = 0.97x + 1.36$ ), indicando che l'IA valuta sistematicamente le immagini circa 1.3-1.4 punti più in alto rispetto agli umani su una scala a 9 punti.
Prestazioni del Modello: Tra i modelli testati, Gemini è stato il più vicino alla media umana.

4. Caratteristiche dell'Immagine

Priorità delle Caratteristiche: Sia umani che IA hanno dato priorità a caratteristiche soggettive di alto livello rispetto a caratteristiche tecniche di basso livello. Preferenza per i Contenuti (gradimento soggettivo) e Disponibilità alla Condivisione sono state le caratteristiche più influenti per entrambi i gruppi.
Coerenza: L'importanza delle caratteristiche è stata in gran parte coerente tra umani e IA a livello aggregato, suggerendo che gli LLM hanno appreso la generale "intelligenza collettiva" di ciò che rende un'immagine condivisibile o preferita.

Significato e Affermazioni

Il documento sostiene che, sebbene gli LLM all'avanguardia possano approssimare la tendenza media umana nella valutazione estetica, non riescono a catturare le dimensioni interocezionali dell'esperienza umana.

Modello Mondiale Interocezionale: Gli autori introducono il concetto di un "Modello Mondiale Interocezionale" per distinguerlo dai modelli mondiali esistenti di Tipo 1 (soggettivi, sensomotori) e di Tipo 2 (oggettivi, aggregati). Sostengono che le sensazioni interocezionali (stati corporei interni) sono difficili da catturare attraverso il linguaggio da solo perché sono soggettive, mancano di coerenza interindividuale nella mappatura linguistica e sono spesso sottorappresentate nei dati di addestramento. Di conseguenza, gli LLM mancano del fondamento fisiologico necessario per simulare accuratamente le esperienze estetiche umane.
Implicazioni per l'Allineamento: Lo studio evidenzia che l'attuale formazione all'allineamento (es. IA Costituzionale) potrebbe involontariamente esacerbare questa divergenza. Linee guida che istruiscono esplicitamente i modelli a evitare di implicare di avere un corpo o preferenze personali potrebbero sopprimere le stesse risposte interocezionali ed emotive necessarie per un allineamento estetico simile a quello umano.
Direzioni Future: Gli autori suggeriscono che il raggiungimento di un vero allineamento nei domini affettivi potrebbe richiedere dati di addestramento che includano segnali fisiologici e interocezionali, o lo sviluppo di sistemi di IA incarnati. Avvertono che allineare completamente l'IA ai valori umani potrebbe anche omogeneizzare la creatività umana, suggerendo che una certa divergenza potrebbe essere benefica.

Lo studio conclude che il divario tra la valutazione estetica umana e quella dell'IA non è meramente un limite tecnico nel riconoscimento di pattern, ma una questione fondamentale di incarnazione e della rappresentazione degli stati corporei interni nei modelli basati sul linguaggio.