Estudos recentes em machine learning e inteligência artificial estão desafiando nossa compreensão de como modelos como o ChatGPT interpretam metáforas, especialmente em relação a associações de cores. Pesquisadores da Universidade do Sul da Califórnia conduziram uma análise profunda sobre a capacidade de modelos de linguagem em compreender nuances semânticas que são geralmente informadas por experiências sensoriais humanas.
Contexto da pesquisa
A pesquisa, liderada pela professora Lisa Aziz-Zadeh, questiona se a linguagem, por si só, é suficiente para entender metáforas relacionadas a cores, uma vez que sistemas como o ChatGPT nunca vivenciaram cores fisicamente. A equipe interdisciplinar envolveu psicólogos, neurocientistas e cientistas da computação de várias universidades, incluindo UC San Diego e Stanford.
Método proposto
O estudo utilizou pesquisas online em larga escala, envolvendo quatro grupos participantes: adultos que enxergam cores, adultos daltônicos, pintores que trabalham regularmente com pigmentos e o modelo ChatGPT. Os participantes foram convidados a associar cores a palavras abstratas e a interpretar metáforas familiares e não familiares.
Resultados e impacto
Os resultados revelaram que humanos com percepção de cores e daltônicos apresentaram associações de cores surpreendentemente semelhantes, indicando que a percepção visual não é condição necessária para a compreensão metafórica. No entanto, os pintores se destacaram na interpretação de metáforas coloridas, sugerindo que experiências práticas com cores podem proporcionar uma compreensão mais profunda. ChatGPT também apresentou associações de cores consistentes, baseando-se frequentemente em associações emocionais e culturais, mas utilizou explicações embasadas nas experiências sensoriais com menos frequência. Ao tentar interpretar metáforas novas, o modelo muitas vezes falhou. “O que estamos interessados em explorar é se isso ainda é uma forma de conhecimento obtido indiretamente, em comparação com o conhecimento humano baseado em experiências diretas.” (”But what we are interested in exploring is whether or not that’s still a form of secondhand knowledge, in comparison to human knowledge grounded in firsthand experiences.”)
— Lisa Aziz-Zadeh, Professora, Universidade do Sul da Califórnia
Estudos como esse sugerem limites nos modelos baseados apenas em linguagem e propõem a possível integração de informações sensoriais, como dados visuais, para aproximar a cognição humana em sistemas de AI.
Fonte: (TechXplore – Machine Learning & AI)
