Grote taalmodellen blinken uit in het creëren van emotionele intelligentietests

Recent onderzoek geeft aan dat grote taalmodellen (LLM's) niet alleen emotionele intelligentie (EI) tests kunnen oplossen, maar ze ook kunnen creëren. Deze studie, gepubliceerd in Communications Psychology in 2025 door Schlegel, Sommer en Mortillaro, benadrukt de mogelijkheden van LLM's in het begrijpen van menselijke emoties.

Emotionele intelligentie, van oudsher een menselijke eigenschap, omvat het herkennen, begrijpen en beheren van emoties. De studie maakt gebruik van transformatorarchitecturen om te beoordelen hoe LLM's omgaan met emotioneel genuanceerde inhoud. De modellen blonken uit in het beantwoorden en samenstellen van geloofwaardige EI-tests.

LLM's worden getraind op enorme tekstcorpora, waarbij semantische subtiliteiten, affectieve signalen en sociale dynamiek worden vastgelegd. Onderzoekers analyseerden de reacties van de modellen op EI-testitems en vergeleken deze met menselijke benchmarks. De modellen toonden het vermogen aan om emotioneel redeneren te simuleren.

Fine-tuning protocollen verbeterden emotionele subtiliteiten, waardoor de gevoeligheid voor emotionele lexicons toenam. Aandachtsvisualisatie toonde aan dat LLM's verschillende delen van de invoertekst prioriteren bij het voorspellen van emotionele competentie. Dit geeft aan dat LLM's impliciet emotionele waarden en contextuele relevantie herkennen.

Het creëren van nieuwe EI-beoordelingen door LLM's opent een nieuw front in psychologische hulpmiddelen. AI-modellen kunnen autonoom plausibele EI-vragen genereren. Dit suggereert een nieuwe synergie tussen AI en psychologische wetenschap.

Hoewel LLM's competentie tonen in EI-taken, blijft de vraag of ze emoties echt begrijpen. De studie benadrukt prestaties als een meetbare uitkomst, niet als subjectief emotioneel bewustzijn. Door AI gegenereerde EI-beoordelingen kunnen de diagnose en personalisatie van therapie verbeteren.

De afhankelijkheid van de modellen van trainingsgegevens stelt ze bloot aan vooroordelen die inherent zijn aan tekstuele bronnen. Onderzoekers pleiten voor voortdurende interventie in modeltraining. Naarmate modellen in verfijning toenemen, zijn longitudinale studies nodig om de evolutie van emotionele intelligentiecapaciteiten in AI te volgen.

Het onderzoek presenteert een kruispunt van AI, psychologie en taalkunde. Schlegel, Sommer en Mortillaro hebben een paradigmaverschuiving in gang gezet. Dit zal de toekomstige AI-ontwikkeling en emotionele beoordelingsmethodologieën beïnvloeden.

Verdere interdisciplinaire samenwerking zal essentieel zijn om de kracht van taalmodellen op verantwoorde wijze te benutten. Dit zorgt ervoor dat emotionele machine-intelligentie de menselijke ervaring verrijkt. AI-partners kunnen ons emotionele begrip helpen, vergroten of zelfs uitdagen.