Fine-grained Affective Processing Capabilities Emerging from Large Language Models

要約

大規模な言語モデル、特に生成事前トレーニング済みトランスフォーマー (GPT) は、言語関連のさまざまなタスクで優れた結果を示します。
この論文では、プロンプトのみを使用して感情的なコンピューティング タスクを実行する ChatGPT のゼロショット機能を調査します。
ChatGPT は、a) 価性、覚醒、優越性の次元で意味のある感情分析を実行し、b) 感情カテゴリとこれらの感情の次元に関して意味のある感情表現を持ち、c) に基づいて状況の基本的な評価ベースの感情誘発を実行できることを示します。
OCC 評価モデルのプロンプトベースの計算実装。
これらの発見は非常に関連性が高く、まず、複雑な感情処理タスクを解決する能力が、広範なデータセットで訓練された言語ベースのトークン予測から現れることを示しています。
第二に、人間の感情をシミュレート、処理、分析するための大規模な言語モデルの可能性を示しています。これは、感情分析、社会的対話型エージェント、ソーシャル ロボット工学などのさまざまなアプリケーションに重要な意味を持ちます。

要約(オリジナル)

Large language models, in particular generative pre-trained transformers (GPTs), show impressive results on a wide variety of language-related tasks. In this paper, we explore ChatGPT’s zero-shot ability to perform affective computing tasks using prompting alone. We show that ChatGPT a) performs meaningful sentiment analysis in the Valence, Arousal and Dominance dimensions, b) has meaningful emotion representations in terms of emotion categories and these affective dimensions, and c) can perform basic appraisal-based emotion elicitation of situations based on a prompt-based computational implementation of the OCC appraisal model. These findings are highly relevant: First, they show that the ability to solve complex affect processing tasks emerges from language-based token prediction trained on extensive data sets. Second, they show the potential of large language models for simulating, processing and analyzing human emotions, which has important implications for various applications such as sentiment analysis, socially interactive agents, and social robotics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google