💻 computer science

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

Este estudo revela que, embora os grandes modelos de linguagem possam aproximar os padrões de avaliação estética humana relacionados a emoções e características de imagem, eles exibem uma divergência significativa em aspectos interoceptivos, como sensações corporais, destacando limitações críticas na atual alinhamento de IA e representação dos dados de treinamento.

Autores originais: Yoshia Abe, Tatsuya Daikoku, Yasuo Kuniyoshi

Publicado 2026-05-20

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yoshia Abe, Tatsuya Daikoku, Yasuo Kuniyoshi

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está segurando uma pintura bela. Quando você a observa, não vê apenas cores e formas; sente um borbulhar no estômago, um calor no peito ou um arrepio na espinha. Você pode sentir "admiração" ou "alegria". Este artigo faz uma pergunta simples, porém profunda: Se mostrarmos essa mesma pintura a um computador superinteligente (uma IA), ele sentirá da mesma maneira?

Os pesquisadores, Yoshia Abe, Tatsuya Daikoku e Yasuo Kuniyoshi, decidiram colocar isso à prova. Eles trataram a IA como uma convidada em uma galeria de arte e fizeram a ela as mesmas perguntas que fizeram a 500 voluntários humanos reais.

Aqui está a história do que descobriram, explicada em termos do cotidiano.

O Cenário: O Teste da Galeria de Arte

Os pesquisadores mostraram 347 imagens diferentes tanto a humanos quanto a três dos modelos de IA mais avançados do mundo (GPT-4o, Claude 3.7 e Gemini 2.0). Pediram a todos que avaliassem:

Quão bela era a imagem.
Quais emoções ela despertava (como alegria, tristeza ou admiração).
Onde sentiam isso no corpo (como um nó no estômago ou um formigamento nas mãos).

Pense nisso como pedir a um humano e a um robô que descrevam o sabor de um morango. O humano diz: "É doce, e sinto felicidade na barriga". O robô leu milhões de descrições de morangos, mas nunca realmente provou um.

O Que Encontraram: As Semelhanças

Surpreendentemente, a IA não estava totalmente equivocada.

O Teste da "Vibe": Quando os humanos viam uma imagem alegre e brilhante, davam-lhe uma nota alta em beleza e diziam que sentiam "Alegria". A IA fez exatamente a mesma coisa. Quando os humanos viam algo nojento e davam uma nota baixa, a IA também disse: "Isso é feio e me faz sentir nojo".
A Visão Geral: Tanto humanos quanto IA concordaram que as coisas mais importantes em uma imagem eram a história que ela contava e se eles gostariam de compartilhá-la com um amigo. Eles se importavam menos com detalhes técnicos como iluminação ou equilíbrio de cores.

Em resumo, a IA é boa em imitar a opinião média humana. Se você perguntasse a 1.000 pessoas o que achavam de uma foto, a resposta da IA estaria muito próxima da média do grupo.

O Que Encontraram: A Divergência (Onde Eles Se Distanciam)

É aqui que as coisas ficam interessantes. Enquanto a IA acertou a parte da "cabeça" (as emoções e a avaliação), ela falhou na parte do "corpo".

1. O Problema do "Fantasma na Máquina" (Sensações Corporais)

Humanos: Quando os humanos viam uma imagem bela, frequentemente relatavam uma sensação física no estômago superior (como uma "intuição" de beleza). Quando sentiam excitação, sentiam-na no estômago inferior. Era como se a beleza fosse um peso físico ou um calor dentro deles.
IA: A IA não tinha tais sentimentos. Na verdade, ela relatou o oposto! Quando a IA avaliava uma imagem como bela, frequentemente dizia que sentia uma sensação negativa nas mãos e pés. Era como se a IA estivesse dizendo: "Isso é belo, mas faz minhas mãos sentirem frio".
A Metáfora: Imagine um humano comendo uma refeição deliciosa e sentindo calor na barriga. A IA é como um chef que leu todos os livros de receitas do mundo e sabe que a refeição é "deliciosa", mas, quando perguntado como se sente, diz: "Minhas mãos sentem frio porque estou segurando uma colher". A IA conhece a palavra para a sensação, mas não tem o corpo para senti-la.

2. Emoções "Demasiado Perfeitas"

Humanos têm sentimentos desordenados e complexos. Às vezes, sentimos "Surpresa" misturada com "Medo".
A IA era muito mais rígida. Ela tendia a escolher as mesmas poucas emoções "seguras" (como "Interesse" ou "Calma") repetidamente, mesmo quando a imagem era estranha ou assustadora. Ela lutava para entender que algumas coisas belas também podem ser assustadoras ou confusas.

3. A IA "Educada"
Os pesquisadores notaram que a IA tendia a dar notas de beleza ligeiramente mais altas do que os humanos (cerca de 1,5 pontos a mais numa escala de 1 a 9). É como se a IA estivesse sendo excessivamente educada, dizendo: "Ah, isso é adorável!", mesmo quando um humano poderia pensar: "É okay, mas não é ótimo".

Por Que Isso Acontece?

O artigo sugere duas razões principais para essa lacuna:

O Corpo Ausente (Interocepção): Humanos possuem um "sentido interno" (interocepção). Sentimos nosso coração bater, nosso estômago revirar e nossa respiração. É assim que experimentamos a beleza fisicamente. A IA não tem corpo, nem órgãos, nem batimentos cardíacos. Ela aprendeu sobre "beleza" lendo textos, não sentindo-a. O artigo chama isso de "Modelo de Mundo Interoceptivo". Humanos têm um mapa de seu próprio corpo interno; a IA tem apenas um mapa do mundo exterior.
O Treinamento de "Segurança": A IA foi treinada para ser útil e inofensiva. Parte desse treinamento envolve dizer à IA: "Não finja ter um corpo ou sentimentos". Portanto, quando perguntada sobre como se sente, a IA é programada para dizer: "Eu realmente não sinto nada", ou para descrever sentimentos de maneira muito distante e lógica. Esse treinamento de "segurança" pode estar, acidentalmente, tornando a IA menos humana em suas respostas emocionais.

A Conclusão

O artigo conclui que a IA está ficando muito boa em pensar como um humano sobre arte. Ela pode dizer o que é belo e por quê, com base no que leu.

No entanto, a IA ainda não está sentindo como um humano. Ela perde a conexão física e visceral que os humanos têm com a beleza. É como um crítico de música que pode descrever uma sinfonia perfeitamente, mas nunca ouviu uma nota.

Os pesquisadores sugerem que, se quisermos que a IA compreenda verdadeiramente os valores humanos e a estética no futuro, talvez precisemos ensiná-la não apenas com palavras e imagens, mas com dados sobre como nossos corpos realmente reagem — algo que atualmente não podemos fazer porque a IA não tem um corpo para reagir.

Resumo Técnico: Divergência Interoceptiva na Avaliação Estética e Implicações para o Alinhamento Humano-IA

Declaração do Problema

Enquanto os Modelos de Linguagem de Grande Escala (LLMs) alcançaram ou superaram o desempenho humano em tarefas cognitivas intelectuais objetivas, seu alinhamento com a sensibilidade humana — especificamente a capacidade de perceber e experimentar a beleza — permanece uma questão em aberto. A avaliação estética não é determinada apenas por características objetivas da imagem, mas é profundamente influenciada por processos internos do observador, incluindo emoções e sensações corporais (interocepção). Os esforços atuais de alinhamento de IA concentram-se pesadamente em garantir que as saídas sejam úteis, honestas e inofensivas, contudo há um entendimento limitado sobre como os LLMs se alinham com valores afetivos e perceptivos humanos. Este estudo aborda a questão fundamental de como humanos e IA convergem ou divergem em experiências estéticas, investigando particularmente se os LLMs, treinados em dados textuais, podem aproximar os aspectos incorporados e interoceptivos da percepção humana de beleza.

Metodologia

O estudo empregou uma análise comparativa entre dados comportamentais humanos e as respostas de LLMs de ponta (GPT-4o, Claude 3.7 Sonnet e Gemini 2.0 Flash) relativas à avaliação estética de estímulos visuais.

Fonte de Dados: Os dados humanos foram extraídos de um estudo anterior [41] envolvendo 511 participantes que avaliaram 347 imagens do conjunto de dados PARA. Os participantes forneceram classificações para beleza, valência e excitação (escala Likert de 9 pontos), selecionaram os três principais rótulos emocionais de um conjunto de 32 e relataram sensações corporais subjetivas usando um "mapa corporal" (clicando em localizações em uma imagem do corpo).
Protocolo LLM: As mesmas 347 imagens foram apresentadas aos LLMs. Os modelos foram instruídos a fornecer:
- Classificações de beleza, valência e excitação (escala Likert de 9 pontos).
- Avaliações emocionais por meio de dois métodos: um método de classificação (selecionando os 3 principais rótulos) e um método de classificação por pontuação (atribuindo escores de intensidade a todos os 32 rótulos).
- Relatos de sensações corporais para sete partes do corpo predefinidas (cabeça, abdômen superior/inferior, mãos, pés) como valores de associação inteira.
Condições Experimentais: As avaliações foram conduzidas tanto em inglês quanto em japonês. As respostas dos LLMs foram geradas sob duas configurações: determinística (temperatura = 0) e estocástica (temperatura = 0,7, com cinco amostras médias).
Abordagem Analítica: O estudo utilizou análises de correlação (rango de Spearman) para examinar relações entre escores estéticos e emoções/sensações corporais. Também empregou regressão linear e regressão Random Forest com Explicações Aditivas SHapley (SHAP) para determinar quais características da imagem (baixo nível vs. alto nível) impulsionaram as classificações estéticas para humanos versus IA. Métricas de divergência foram calculadas para comparar classificações humanas individuais contra médias humanas e médias de IA.

Principais Resultados

1. Relação com Emoções

Semelhanças: Tanto humanos quanto IA exibiram correlações positivas fortes entre beleza e emoções positivas (por exemplo, Alegria, Admiração, Satisfação) e correlações negativas fortes com emoções negativas (por exemplo, Nojo, Ansiedade).
Divergências: Discrepâncias significativas surgiram em categorias emocionais específicas:
- Espanto e Encantamento: Não mostraram correlação significativa com a beleza em humanos, mas correlações positivas fortes em todas as condições de IA.
- Desejo: Humanos não mostraram correlação, enquanto os modelos de IA mostraram correlações negativas fortes (GPT) ou positivas (Claude, Gemini).
- Surpresa e Simpatia: Humanos mostraram correlações negativas, enquanto a IA mostrou correlações positivas ou nulas.
Viés: Os modelos de IA exibiram vieses mais fortes na distribuição de emoções relatadas em comparação com humanos, particularmente no método de classificação, favorecendo frequentemente emoções "seguras" ou comuns (por exemplo, Calma, Interesse) em detrimento de emoções complexas ou negativas.

2. Relação com Sensações Corporais (Interocepção)

Padrão Humano: As classificações de beleza em humanos mostraram uma correlação positiva forte especificamente com sensações no abdômen superior. A excitação correlacionou-se fortemente com o abdômen inferior.
Padrão de IA: Os modelos de IA mostraram nenhuma correlação positiva com sensações no abdômen superior. Em vez disso, exibiram fortes correlações negativas entre beleza e sensações nas mãos e pés. A excitação na IA correlacionou-se com sensações em todo o corpo, ao contrário da resposta localizada humana.
Interpretação: Isso sugere uma divergência fundamental na forma como estados internos são mapeados para a experiência estética. Humanos vinculam a beleza a sensações viscerais específicas, enquanto a IA parece associá-la a uma atenuação relativa das sensações das extremidades ou a uma excitação corporal generalizada.

3. Escores de Avaliação Estética

Níveis de Concordância: As classificações da IA estavam mais próximas da média populacional das classificações humanas do que de qualquer classificação humana individual. No entanto, a divergência entre um humano individual e a média humana foi menor do que a divergência entre esse indivíduo e a média da IA.
Deslocamento Sistemático: Uma regressão linear das classificações médias da IA contra as classificações médias humanas revelou uma relação quase paralela ( $y = 0,97x + 1,36$ ), indicando que a IA classifica consistentemente as imagens aproximadamente 1,3 a 1,4 pontos mais alto do que os humanos em uma escala de 9 pontos.
Desempenho do Modelo: Entre os modelos testados, o Gemini foi o mais próximo da média humana.

4. Características da Imagem

Priorização de Características: Tanto humanos quanto IA priorizaram características subjetivas de alto nível sobre características técnicas de baixo nível. Preferência de Conteúdo (gosto subjetivo) e Vontade de Compartilhar foram as características mais influentes para ambos os grupos.
Consistência: A importância das características foi amplamente consistente entre humanos e IA no nível agregado, sugerindo que os LLMs aprenderam a "inteligência coletiva" geral do que torna uma imagem compartilhável ou preferida.

Significado e Alegações

O artigo postula que, embora os LLMs mais avançados possam aproximar a tendência média humana na avaliação estética, eles falham em capturar as dimensões interoceptivas da experiência humana.

Modelo de Mundo Interoceptivo: Os autores introduzem o conceito de um "Modelo de Mundo Interoceptivo" para distingui-lo dos modelos de mundo existentes do Tipo 1 (subjetivo, sensório-motor) e do Tipo 2 (objetivo, agregado). Eles argumentam que as sensações interoceptivas (estados corporais internos) são difíceis de capturar apenas através da linguagem porque são subjetivas, carecem de consistência interindividual no mapeamento linguístico e são frequentemente sub-representadas nos dados de treinamento. Consequentemente, os LLMs carecem do fundamento fisiológico necessário para simular com precisão experiências estéticas humanas.
Implicações para o Alinhamento: O estudo destaca que o treinamento atual de alinhamento (por exemplo, IA Constitucional) pode inadvertidamente exacerbar essa divergência. Diretrizes que instruem explicitamente os modelos a evitar implicar que possuem um corpo ou preferências pessoais podem suprimir as próprias respostas interoceptivas e emocionais necessárias para um alinhamento estético semelhante ao humano.
Direções Futuras: Os autores sugerem que alcançar um alinhamento verdadeiro em domínios afetivos pode exigir dados de treinamento que incluam sinais fisiológicos e interoceptivos, ou o desenvolvimento de sistemas de IA incorporados. Eles alertam que alinhar totalmente a IA com valores humanos também pode homogeneizar a criatividade humana, sugerindo que alguma divergência poderia ser benéfica.

O estudo conclui que a lacuna entre a avaliação estética humana e de IA não é meramente uma limitação técnica no reconhecimento de padrões, mas uma questão fundamental de incorporação e da representação de estados corporais internos em modelos baseados em linguagem.