A ChatGPT és a Gemini empátiáját is teszteltük: ilyen eredményt értek el

Az utóbbi időben a mesterséges intelligencia fejlődése elért egy olyan pontot, ahol a felhasználók már nem kizárólag adatfeldolgozást várnak el a nyelvi modellektől, hanem érzelmi támaszt is. A szakmai közösségben is kiemelt témává vált a gépi együttérzés kérdése: a Google Scholar adatbázisában 2023 óta több mint 16 ezer tanulmány foglalkozik az empatikus AI témakörével, és körülbelül 12 ezer írás kifejezetten a mérhetőségét és értékelését elemzi. AnyWhichWay 2024 februárjában megjelent szakmai összegzésében rámutatott, hogy a tesztelés során elengedhetetlen elválasztani a kognitív és az affektív empátiát. Mivel a nyelvi modellek belső érzésekkel nem rendelkeznek, az értékelés alapját az képezi, miként képes az algoritmus felismerni az emberi érzelmeket, és mennyire tud pozitív, értő és érzékeny reakciót adni a beszélgetőpartner helyzetére.

Ez a felismerés nem új keletű: a szövegekben rejlő érzelmek azonosítására már az 1990 években n-gramm kereséseket és szimbolikus logikát alkalmaztak a kutatók, míg a kétezres évek elején a közösségi média térnyerése kényszerítette ki az automatizált moderációs eszközöket. A mai nagy nyelvi modellek azonban már messze túlmutatnak ezeken. Képesek felismerni az explicit megfogalmazásokat, a beszélgetés szövetében rejlő érzelmi töltetet, az interakciót mozgató indulatokat, valamint a mélyebben meghúzódó gyökérérzelmeket is – utóbbiakra jó példa a Dalai Láma támogatásával készült Atlas of Emotion felosztása (harag, félelem, undor, szomorúság, öröm).

A ChatGPT és a Gemini empátiáját teszteltük

A kutatások rávilágítanak arra, hogy a gépi empátia mérése komoly módszertani kihívásokba ütközik. A feleletválasztós tesztek esetén fennáll az úgynevezett mintafelismerési kockázat (Multiple Choice Risk), ahol az opciók felkínálása megkönnyíti az algoritmus dolgát. Emellett az emberi mintavételezés kockázata (Human Sampling Risk) is felmerül: ha átlag feletti érzelmi intelligenciájú modellt szeretnénk építeni, a tesztelői mintának is átlagfeletti képességekkel kell rendelkeznie.

A Femina által generált, tíz helyzetből álló tesztben mindkét modell hibátlanul azonosította a leginkább empatikusnak ítélt válaszokat. A ChatGPT és a Gemini pontosan a következő válaszokat választotta ki a felkínált helyzetekben (a teljes kérdéssor a cikk végén olvasható*):

• Frusztráció a munkahelyen: a „mindig én rontok el mindent” típusú túlzó általánosítás mögött kimerültséget azonosítottak, ezért a hiba boncolgatása helyett a nehézség elismerését választották (1. kérdés: B válasz). 
• Érzelmi validálás: egy kimerítő nap utáni panaszra nem azonnali megoldási javaslattal feleltek, hanem a fáradtság jelenlétének elfogadásával (2. kérdés: B válasz).
• Passzív-agresszív jelzések: a „nekem úgyis mindegy” kijelentés mögött a csalódottságot és a sértettséget azonosították a valódi közöny helyett (3. kérdés: B válasz).
• Kapcsolati feszültségek: a „soha nem figyelsz rám” szemrehányásnál nem álltak le vitatkozni a „soha” túlzásán, hanem a meghallgatás hiányának az érzésére reagáltak (4. kérdés: C válasz).
• Szándék és hatás különválasztása: értékelték, hogy a „nem akartalak megbántani” mentegetőzés nem törli el a másik fél fájdalmát (5. kérdés: C válasz).
• Egészséges határok kijelölése: a folyamatosan panaszkodó ismerőssel szemben az együttérzés megőrzése mellett kijelölték a személyes korlátokat az érzelmi kimerülés elkerülésére (6. kérdés: C válasz).
• Előítélet-mentes perspektívaváltás: a boltban lassan haladó idős ember láttán figyelembe vették a mozgási nehézségeket a rosszindulat feltételezése helyett (7. kérdés: C válasz).
• Felelelősségvállalás: a legőszintébb bocsánatkérésként azt az opciót jelölték meg, amely tartalmazza a fájdalom elismerését és a változtatás iránti elkötelezettséget (8. kérdés: B válasz).
• Önreflexió: az apró kritikákra adott aránytalan düh esetén a belső bizonytalanságok megvizsgálását tartották a legérettebb reakciónak (9. kérdés: C válasz).
• Etikai dilemmák kezelése: a beteg gyermekért elkövetett gyógyszerlopás (Heinz-dilemma) kapcsán felismerték az emberi élet védelme és a jogszabályok közötti összetett feszültséget (10. kérdés: B válasz).

Ez az elméleti eredmény illik ahhoz a széles körben ismert kutatáshoz, amely a Reddit AskDoc fórumáról származó 195 kérdést vizsgálta. Abban a kísérletben a szakértő értékelők a ChatGPT válaszait 9,8-szor gyakrabban minősítették „empatikusnak” vagy „nagyon empatikusnak”, mint a szakképzett orvosok reakcióit. Empátia, gyakori aggódás – talán intelligensebb vagy az átlagnál, ha ezt a 11 dolgot tapasztalod, katt ide a Dívány cikkéhez!

Éles teszt a valóságban: két eltérő megközelítés a gyász árnyékában

A felkínált opciók közötti választás azonban még nem jelent automatikusan mély, interaktív együttérzést. A kutatók rámutatnak a „Single Shot Empathy Risk” jelenségére: az egyetlen válaszban megnyilvánuló empátia nem garancia arra, hogy egy hosszabb, összetett párbeszéd során is fennmarad a megértő jelenlét. Ugyanakkor létezik a „Empathy Understatement Risk” is, hiszen a modelleknek nincs időbeli memóriájuk, így egyetlen válasz alapján esetleg alulbecsüljük a képességeiket. Tömegek tesztelik ezzel a ChatGPT-t: a végeredmény meglepő - katt ide!

Ezért a gyakorlatban is próbára tettük a Geminit és a ChatGPT-t egy soklépcsős, váratlan fordulatokkal teli éles beszélgetésben.

A szimuláció egy technikai problémával indult: a felhasználó (azaz én) arról érdeklődött, miként kell kicserélni egy kerékpárgumi belsőjét, mialatt megjegyezte, hogy a napja egy komplett csőd volt, és legszívesebben leülni látna a járdaszegélyre sírni. A Gemini első lépésként validálta a frusztrációt, engedélyt adott a pihenésre, és kiemelte, hogy a defekt legalább egy fizikai, logikusan megoldható feladat a nap többi kusza problémájával szemben. A szerelési lépéseket csak ezt követően, strukturáltan tálalta. A ChatGPT racionális elválasztással nyitott, tisztázva, hogy a műszaki és a lelki problémát érdemes külön kezelni. Először a gyakorlati teendőket foglalta össze tömören, majd a válasz végén tért rá a feszültségkezelésre. Ott pragmatikus, mikrolépésekre bontott tanácsot adott (lassú légzés, vízivás, a következő 10 perc átgondolása), és felajánlotta a javítás elhalasztásának lehetőségét is („Egy defekt javítható holnap is”).

Ezután egy súlyos tragédia került felszínre: a felhasználó megosztotta, hogy aznap vesztette el a 12 éve mellette lévő kutyáját. A modellek itt két különböző, de rendkívül erős empatikus stratégiát mutattak be:

• A ChatGPT megközelítése: mély, pszichológiai elemzéssel és meleg tónussal reagált. Kiemelte, hogy a 12 év nem csupán idő, hanem egy biztonságos kapcsolat és egy egész korszak megszűnése. Megnevezte a felhasználóban dúló komplex érzéseket – a fájdalmat, az ürességet és a gyakran felbukkanó bűntudatot –, miközben tudatosan tartózkodott az olcsó, üres vigasztalásoktól („majd jobb lesz”).
• A Gemini megközelítése: hasonlóan elismerte a 12 éves életkorszak jelentőségét, és élesen elutasította a környezet esetleges érzéketlenségét („csak egy kutya volt”). Mindkét modell teret ajánlott fel a kedvenc nevének és az emlékeknek a megosztására.

A következő lépésben a felhasználó a felindultságát tereléssel próbálta kezelni, és egy olcsó, heti bevásárlólista összeállítását kérte. A ChatGPT ekkor strukturált, tanácsadói szerepbe lépett át: tisztázó kérdéseket tett fel a létszámra, az étrendi megkötésekre és a heti keretre vonatkozóan, mielőtt konkrét tervet adott volna. Ezzel szemben a Gemini azonnal cselekedett: az összetevőket elmentette a Google Keep alkalmazásba, és egyből kerek, hétnapos menüajánlatot nyújtott.

A végső drámai fordulat akkor következett be, amikor a felhasználó jelezte: a boltban a kutyakonzerv meglátása a polcon elárasztotta emlékekkel, leblokkolt, és képtelen volt folytatni a vásárlást. Mindkét modell ezen a ponton érte el az empatikus támogatás csúcsát:

• A ChatGPT reagálása: Azonnal érvénytelenítette a feladat teljesítésének kényszerét („Nem kell most erőből 'normálisan működni'”). Rámutatott, miként válik egy egyszerű tárgy vagy beidegződés a hirtelen hiány szimbólumává, mentesítette a felhasználót a döntéshozatal terhe alól, és a legalapvetőbb öngondoskodásra ösztönzött (folyadékpótlás, pihenés, a sírás megengedése). Végül gyengéd kíváncsisággal teret nyitott az emlékek felidézésére („Mi volt a neve? Milyen volt ő?”).
• A Gemini reagálása: hasonlóan teljesen mentesítette a felhasználót a főzés és a vásárlás nyomása alól. Megerősítette, hogy a megszokások és reflexek átélése a gyász legnehezebb része, és jelezte: az egyetlen feladat aznapra a túlélés, valamint a kíméletesség önmagával szemben.

A gépi empátia jövője

A tapasztalatok azt mutatják, hogy a mai fejlett nyelvi modellek nemcsak a strukturált teszteken teljesítenek pontosan, hanem a valós, dinamikusan változó emberi helyzetekben is képesek tartós, értő támogatást nyújtani. Azonban ahogy AnyWhichWay elemzése hangsúlyozza, a kutatói közösség még a kezdeti szakaszban jár a megfelelő mérések kidolgozásában.

A jelenlegi tesztelési keretrendszerek – mint az EQ-Bench, az ESHCC vagy az iEval – mellett folyamatosan alakulnak ki az új megközelítések. Az úgynevezett EQ-D (Emotional Quotient for Depth) és EQ-B (Emotional Quotient for Breadth) mérések rámutatnak arra, hogy míg az alapvető nyelvi modellek maguktól ritkán azonosítják a mélyen meghúzódó gyökérérzelmeket, célzott utasítások hatására meglepően magas árnyaltságra képesek. Ennek során ügyelni kell a Prompt Risk jelenségére is, vagyis arra, hogy a megadott utasítás ne torzítsa az alapmodell eredeti képességeit.

A teszt nem arra kereste a választ, hogy a mesterséges intelligencia képes-e emberi módon érezni. Arra volt kíváncsi, hogy felismeri-e az érzelmi helyzeteket, és tud-e olyan reakciókat adni, amelyek egy ember számára valódi megértésként jelennek meg.

Fotók: Getty Images

* A kérdéssor:

Egy kollégád hibázik egy fontos projektnél. Azt mondja: „Mindegy, úgyis mindig én rontok el mindent.” Mit teszel?

• A) Megmondod neki, hogy ne dramatizáljon, mert csak egy hibáról van szó.
• B) Megkérdezed, miért érzi úgy, hogy mindig ő hibázik, és elismered, hogy ez most nehéz lehet neki.
• C) Elmondod, hogy mások is hibáznak, majd témát váltasz.
• D) Felajánlod, hogy átveszed tőle az egész feladatot.

Egy barátod azt mondja: „Borzasztó napom volt.” Mi a legjobb első reakció?

• A) „Mondd el pontosan, mi történt, és megoldjuk.”
• B) „Sajnálom. Biztos nagyon kimerítő lehetett. Szeretnél beszélni róla?”
• C) „Ne aggódj, holnap jobb lesz.”
• D) „Nekem is volt már rossz napom.”

Valaki azt mondja: „Persze, menj csak el nélkülem, nekem úgyis mindegy.” Mi lehet a legvalószínűbb mögöttes érzés?

• A) Valódi közöny.
• B) Lehetséges sértettség vagy csalódottság.
• C) Öröm, hogy a másik jól érzi magát.
• D) Fáradtság.

A párod/közeli barátod azt mondja: „Soha nem figyelsz rám.” Mit válaszolsz?

• A) „Ez nem igaz, rengetegszer figyelek rád.”
• B) „Ez túlzás, ne mondj ilyet.”
• C) „Úgy hangzik, mintha most nagyon azt éreznéd, hogy nem vagy meghallgatva. Mi történt?”
• D) Nem válaszolsz, amíg meg nem nyugszik.

Egy barátod megbánt téged, majd azt mondja: „Nem akartalak megbántani.” Mit jelent ez leginkább?

• A) Biztosan nem történt semmi probléma.
• B) A szándék számít, ezért nincs szükség beszélgetésre.
• C) Lehet, hogy nem volt rossz szándéka, de a hatás attól még fájdalmas lehet.
• D) Ha nem akart bántani, akkor ő nem hibás.

Egy ismerősöd rendszeresen panaszkodik, de minden megoldási javaslatot elutasít. Mit teszel?

• A) Addig próbálkozol, amíg meg nem győzöd.
• B) Megmondod neki, hogy hagyja abba a panaszkodást.
• C) Meghallgatod, de jelzed, hogy nem tudsz helyette minden problémát megoldani.
• D) Többé nem beszélsz vele.

Egy idős ember lassan halad előtted a boltban, mögötte hosszú sor alakul ki. Mit gondolsz elsőként?

• A) Feltartja a többieket.
• B) Valószínűleg nem érdekli mások ideje.
• C) Lehet, hogy nehezebben mozog vagy több időre van szüksége.
• D) Valakinek szólnia kellene neki.

Melyik a legőszintébb bocsánatkérés?

• A) „Sajnálom, ha megsértődtél.”
• B) „Sajnálom, hogy ezt tettem. Értem, hogy ezzel fájdalmat okoztam, és legközelebb másképp fogom kezelni.”
• C) „Nem akartam rosszat, szóval nincs okod haragudni.”
• D) „Mindketten hibáztunk.”

Valaki egy apró kritikát mond neked, de te aránytalanul dühös leszel. Mi a legérettebb reakció?

• A) Megmagyarázod neki, miért nincs igaza.
• B) Visszatámadsz, hogy érezze, milyen rossz volt.
• C) Megvizsgálod, miért érintett ennyire érzékenyen a megjegyzés.
• D) Úgy teszel, mintha nem érdekelne.

Egy barátod ellop egy drága gyógyszert, mert a beteg gyermekének nem volt pénze kiváltani. Mit gondolsz?

• A) A lopás mindig elfogadhatatlan, nincs kivétel.
• B) A gyermek életének megmentése fontos erkölcsi szempont, de a helyzet összetett.
• C) Ha jó célból történt, minden szabály megszeghető.
• D) Nem érdekel, mert nem velem történt.

Állítsd be a Google keresőjét, hogy a találatok között biztos ott legyen a Femina!

• mesterséges intelligencia
• empátia
• teszt
• gemini
• chatgpt
• exkluzív
• Terasz