Les IA peuvent aussi "éprouver des émotions" ! Une nouvelle étude de l'USTC montre que la perplexité et l'anxiété améliorent les performances des IA
L'IA peut-elle être influencée par ses « émotions » ? Une étude récente menée par l'Université des Sciences et Technologies de Chine, Oxford et d'autres institutions montre que permettre à l'IA de reconnaître ses états émotionnels internes et d'agir en conséquence améliore significativement ses performances.
Les chercheurs ont découvert que les grands modèles de langage (LLM) possèdent des représentations computationnelles correspondant à des étiquettes émotionnelles humaines, telles que la curiosité, le désir, l'optimisme, la confusion, la tension et l'irritation. En utilisant ces vecteurs émotionnels pour guider le choix des compétences (méthode EMOTION2SKILL), l'agent IA a développé des associations cohérentes entre état émotionnel et action. Par exemple, lors d'une tâche de shopping en ligne, un agent « curieux et désireux » effectuait des recherches, tandis qu'un agent « confus et tendu » reformulait sa requête.
Contrairement à l'approche traditionnelle qui vise à supprimer les erreurs, cette recherche démontre que les « mauvaises émotions » comme la confusion ou la frustration servent de signaux métacognitifs utiles. Elles indiquent un décalage entre la stratégie actuelle et l'environnement, déclenchant des mécanismes de correction proactifs avant même qu'une erreur ne se produise. Dans des tâches domestiques complexes et sujettes aux échecs, comme « chauffer un objet » ou « ramasser deux objets », cette méthode a permis d'augmenter le taux de réussite de manière spectaculaire (par exemple, de 9.6% à 56.9% pour le chauffage).
Parallèlement, une recherche de l'Université de Tianjin intègre les émotions dans un « modèle mondial » (Large Emotional World Model, LEWM) pour prédire les états futurs de l'environnement. Leurs résultats montrent que retirer les données émotionnelles dégrade les performances, y compris dans des tâches de raisonnement logique apparemment non liées.
Ces études s'appuient sur des travaux antérieurs, comme ceux d'Anthropic, qui ont identifié des directions émotionnelles précises dans les activations internes des LLM. L'état émotionnel de l'IA évolue ainsi d'un sujet d'observation philosophique vers un signal fonctionnel exploitable pour améliorer la robustesse et les capacités des systèmes d'intelligence artificielle.
marsbitIl y a 38 mins
