Language-Specific Representation of Emotion-Concept Knowledge Causally Supports Emotion Inference

要約

人間が感情的な経験を伝えるために言語を使用していることは間違いありませんが、言語は人間の感情を理解するのに役立つのでしょうか、それとも言語は単なるコミュニケーション手段なのでしょうか?
この研究では、大規模言語モデル (LLM) として知られる人工知能 (AI) の一種を使用して、言語ベースの感情表現が、新しい状況の感情的な意味についての推論を生成する AI の能力に因果関係があるかどうかを評価しました。
人間の感情概念表現の 14 の属性が、LLM の個別の人工ニューロン集団によって表現されることが判明しました。
これらの属性関連ニューロンを操作することにより、生成的感情推論における感情概念知識の役割を実証しました。
属性固有のパフォーマンスの低下は、人間の精神空間におけるさまざまな属性の重要性に関連していました。
私たちの発見は、LLMでも感覚運動表現がない場合でも感情について学習できるという概念実証を提供し、言語由来の感情概念の知識が感情推論に貢献していることを強調しています。

要約(オリジナル)

Humans no doubt use language to communicate about their emotional experiences, but does language in turn help humans understand emotions, or is language just a vehicle of communication? This study used a form of artificial intelligence (AI) known as large language models (LLMs) to assess whether language-based representations of emotion causally contribute to the AI’s ability to generate inferences about the emotional meaning of novel situations. Fourteen attributes of human emotion concept representation were found to be represented by the LLM’s distinct artificial neuron populations. By manipulating these attribute-related neurons, we in turn demonstrated the role of emotion concept knowledge in generative emotion inference. The attribute-specific performance deterioration was related to the importance of different attributes in human mental space. Our findings provide a proof-in-concept that even a LLM can learn about emotions in the absence of sensory-motor representations and highlight the contribution of language-derived emotion-concept knowledge for emotion inference.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google