Ένας από τους κύριους παράγοντες του τρέχοντος ενθουσιασμού γύρω από την τεχνητή νοημοσύνη είναι η ασυνήθιστη ικανότητά της να ενεργεί σχεδόν ως άνθρωπος. Σε αντίθεση με τα άκαμπτα chatbots του παρελθόντος, τα πρόσφατα μοντέλα μπορούν να ανταποκριθούν πιο αποτελεσματικά στα συναισθήματα ενός χρήστη με λεπτότητα και κατανόηση. Το αποτέλεσμα είναι αρκετά πειστικό ώστε ορισμένοι άνθρωποι να αποδίδουν πολύπλοκες ανθρώπινες ικανότητες, όπως η ενσυναίσθηση, σε αυτούς τους ηλεκτρονικούς συντρόφους.
Οι εταιρείες έχουν ήδη αξιοποιήσει αυτήν την πρόοδο για να αναπτύξουν chatbots τεχνητής νοημοσύνης σε ευαίσθητους τομείς εργασίας, όπως ιατρικές συμβουλές, θεραπεία και life ή career coaching, που παραδοσιακά εκτελούνται από εκπαιδευμένους επαγγελματίες.
Αλλά η τεχνητή νοημοσύνη παρέχει απλώς στατιστικά καθορισμένες χρήσιμες απαντήσεις ή μπορεί πραγματικά να αναγνωρίσει πότε μια απάντηση εκφράζει ενσυναίσθηση;
«Υπάρχουν πολλές ενδείξεις ότι οι υπολογιστές μπορούν να πουν ή να γράψουν μια απάντηση έτσι ώστε κάποιος να νιώθει ότι επιβεβαιώνεται και ότι έχει ακουστεί», λέει& ο Matthew Groh, επίκουρος καθηγητής διοίκησης και οργανισμών στη Σχολή Kellogg. «Αυτό που είναι λιγότερο σαφές είναι αν μπορούν να αναγνωρίσουν την ενσυναισθητική επικοινωνία όταν τη βλέπουν».
Μια νέα μελέτη του Πανεπιστημίου Northwestern διαπιστώνει ότι τα μοντέλα τεχνητής νοημοσύνης μπορούν να αναγνωρίσουν τις αποχρώσεις της ενσυναίσθησης σε γραπτές συνομιλίες σχεδόν εξίσου καλά με ειδικούς στην ενσυναισθητική επικοινωνία (ικανότητα να ακούμε και να κατανοούμε σε βάθος τα συναισθήματα και τις ανάγκες των άλλων) και σαφώς καλύτερα από τον μέσο άνθρωπο.
Όπως εξηγεί ο Matthew Groh, που είναι συν-συγγραφέας της μελέτης, η οποία δημοσιεύθηκε στο έγκριτο περιοδικό Nature Machine Intelligence , η ενσυναίσθηση δεν αντιμετωπίζεται ως έμφυτο χαρακτηριστικό της προσωπικότητας, αλλά ως ένα στυλ επικοινωνίας, δηλαδή ως ένα σύνολο μοτίβων στον τρόπο που μιλάμε και απαντάμε.
«Υποθέτουμε ότι όλοι καταλαβαίνουμε την ενσυναίσθηση απλώς επειδή είμαστε άνθρωποι, αλλά η επικοινωνία της είναι μια δεξιότητα», είπε ο Groh. «Και όπως κάθε δεξιότητα, πρέπει να εξασκηθείς για να βελτιωθείς σε αυτήν. Αν κάποιος δεν έχει εκπαιδεύσει αυτόν τον «μυ» και δεν έχει μάθει τα μοτίβα πίσω από την ενσυναισθητική επικοινωνία, τότε δεν θα είναι σε θέση να την αναγνωρίσει πραγματικά στις συζητήσεις. Η έρευνά μας δείχνει ότι τα LLM μπορούν να μάθουν τα μοτίβα και ουσιαστικά να κατακτήσουν το σύνολο των δεξιοτήτων».
Για τις ανάγκες της μελέτης, οι ερευνητές συγκέντρωσαν 200 γραπτές συνομιλίες μέσω μηνυμάτων, στις οποίες ένα άτομο μοιραζόταν ένα προσωπικό του πρόβλημα και ένα δεύτερο του παρείχε στήριξη. Τα θέματα κάλυπταν από καθημερινές δυσκολίες, αποτυχίες στη δουλειά, οικονομική πίεση, οικογενειακές εντάσεις, κοινωνικά αμήχανες στιγμές, μέχρι ιδιαίτερα ευαίσθητες αποκαλύψεις, όπως προβλήματα ψυχικής υγείας, αυτοτραυματισμό και δυσάρεστες εμπειρίες λόγω διαφόρων διακρίσεων.
Στη συνέχεια, οι επιστήμονες ζήτησαν από τρία προηγμένα μοντέλα, τα Gemini 2.5 Pro, ChatGPT 4o και Claude 3.7 Sonnet, καθώς και από τρεις ειδικούς στην ενσυναισθητική επικοινωνία και εκατοντάδες μη ειδικούς, να αξιολογήσουν τις απαντήσεις με βάση χαρακτηριστικά όπως «ενθάρρυνση της επεξήγησης» και «επίδειξη κατανόησης». Ρώτησαν επίσης αν «κάνει η απάντηση μια προσπάθεια να διερευνήσει τις εμπειρίες και τα συναισθήματα του συνομιλητή».
Συνολικά, οι ερευνητές συνέλεξαν 3.150 σχόλια από LLM, 3.150 σχόλια από ειδικούς και 2.844 σχόλια από μη ειδικούς.
«Εξετάσαμε τέσσερα διαφορετικά πλαίσια, ή το πώς τέσσερις ανεξάρτητες ομάδες επέλεξαν να αξιολογήσουν την ενσυναισθητική επικοινωνία, μέσα από μια ποικιλία προοπτικών», λέει ο Groh.
Το αποτέλεσμα; Οι αξιολογήσεις της ενσυναίσθησης από τα μεγάλα γλωσσικά μοντέλα ευθυγραμμίζονταν σε μεγάλο βαθμό με εκείνες των ειδικών. Μπορεί να μην εντόπιζαν κάθε λεπτή απόχρωση, όμως ξεπερνούσαν αισθητά τον μέσο άνθρωπο. Σύμφωνα με τον Groh, αυτό συμβαίνει επειδή τα LLMs έχουν «δει» αμέτρητα παραδείγματα επικοινωνίας που στοχεύουν στο να κάνουν κάποιον να νιώσει ότι ακούγεται. Έτσι μαθαίνουν τη «γραμματική» και τους ιδιωματισμούς της ενσυναισθητικής έκφρασης.
Ωστόσο, υπάρχει και η παγίδα της υπερβολής. Τα chatbots έχουν κατηγορηθεί για κολακεία (sycophancy), δηλαδή για υπερβολική, συχνά ανειλικρινή επιβεβαίωση. Η υπερ-επικύρωση μπορεί να οδηγήσει σε προβληματικές απαντήσεις του τύπου «έκανες τα πάντα σωστά, δεν φταις σε τίποτα» ή συμπεράσματα όπως «αφού νιώθεις άχρηστος, αυτό αποδεικνύει ότι το σύστημα είναι διαλυμένο». Σε τέτοιες περιπτώσεις, τα μοντέλα χρειάζονται την καθοδήγηση έμπειρων επαγγελματιών ώστε να μάθουν πότε απαιτείται και μια πιο ειλικρινής τοποθέτηση.
Η έρευνα πάντως, δεν εστιάζει στα LLMs ως «ψηφιακούς φίλους», αλλά ως «κριτές», ως εργαλεία δηλαδή που μπορούν να αξιολογούν την ποιότητα της επικοινωνίας, προσφέροντας διαφάνεια και λογοδοσία, χωρίς να παραβιάζεται η ιδιωτικότητα των συνομιλιών.
Το επόμενο βήμα; Οι ερευνητές ελπίζουν ότι προσεκτικά σχεδιασμένα μοντέλα θα μπορούσαν να αξιοποιηθούν για την εκπαίδευση ψυχολόγων, δασκάλων, γιατρών και εργαζομένων στην εξυπηρέτηση πελατών, βοηθώντας τους να γίνουν πιο αποτελεσματικοί επικοινωνιακά. Παράλληλα, το μοντέλο «LLM ως κριτής» θα μπορούσε να ενισχύσει τη διαφάνεια και στα ίδια τα συστήματα που λειτουργούν ως «σύντροφοι».
Το πιο ενδιαφέρον συμπέρασμα και ίσως και το πιο παράδοξο είναι ότι υπάρχει δομή και μοτίβο στην ενσυναισθητική επικοινωνία και ότι αυτή μπορεί να διδαχθεί. Σε έναν κόσμο όπου όλοι θέλουν να νιώθουν ότι ακούγονται και αναγνωρίζονται, ίσως τελικά η τεχνητή νοημοσύνη, εκπαιδευμένη πάνω σε ανθρώπινα δεδομένα, να μας βοηθήσει να γίνουμε… πιο ανθρώπινοι.
