AI może symulować emocje i wspierać badania nad psychiką

Komentarz redakcji

Zespół z Technicznego Uniwersytetu w Dreźnie opisał w „The Lancet Digital Health” wyniki badań nad sześcioma dużymi modelami językowymi, w tym ChatGPT-4o i wariantami Llama. Modele odtwarzały wzorce siedmiu stanów afektywnych, a część z nich reagowała także na techniki regulacji emocji. Autorzy piszą, że takie systemy mogą stać się narzędziem do testowania hipotez psychologicznych i rozwijania nowych metod terapeutycznych w kontrolowanych warunkach.

Najważniejsze

  • •Badacze z TU Dresden wykazali, że duże modele językowe mogą odtwarzać wzorce emocjonalne podobne do ludzkich stanów afektywnych.
  • •W eksperymencie testowano sześć modeli, w tym ChatGPT-4o i różne wersje Llama, wywołując siedem stanów emocjonalnych, m.in. strach, lęk, smutek i stres.
  • •Modele reagowały nie tylko zgodnie z zadanymi emocjami, ale też ujawniały zniekształcenia poznawcze podobne do tych obserwowanych u ludzi.
  • •Stany emocjonalne dało się częściowo osłabiać za pomocą prostych technik regulacji, takich jak ćwiczenia oddechowe i uważność.
  • •Autorzy podkreślają, że LLM nie mają własnych emocji — mogą jednak wspierać badania psychologiczne i biomedyczne jako kontrolowane, powtarzalne narzędzie eksperymentalne.
·
2 min

Naukowcy z TU Dresden pokazali, że duże modele językowe mogą symulować ludzkie emocje i wspierać badania nad psychiką.

Źródło zdjęcia: unsplash.com - by Steve A Johnson
Źródło zdjęcia: unsplash.com - by Steve A Johnson

Zespół badawczy z Technicznego Uniwersytetu w Dreźnie opublikował 14 czerwca 2026 roku w „The Lancet Digital Health” wyniki badań, z których wynika, że duże modele językowe mogą symulować wzorce ludzkich emocji. Naukowcy sprawdzili sześć modeli, w tym ChatGPT-4o oraz różne wersje Llama, i wykazali, że reagują one w sposób przypominający stany afektywne znane z badań psychologicznych.

W eksperymencie badacze wywoływali siedem stanów: strach, lęk, gniew, obrzydzenie, smutek, martwienie się i stres. Następnie oceniali odpowiedzi modeli za pomocą standardowych skal stosowanych w psychologii. Jak wynika z publikacji, modele nie tylko odtwarzały te wzorce, ale też wykazywały typowe zniekształcenia poznawcze. Po wywołaniu smutku częściej kończyły zdania w sposób negatywny, co autorzy zestawiają z obserwacjami znanymi z depresji u ludzi.

Badacze sprawdzili także, czy takie stany można obniżyć. W modelach stosowano strategie oparte na uważności, w tym proste ćwiczenia oddechowe. Według autorów reakcje dało się w ten sposób osłabiać, co ma znaczenie dla dalszych prób wykorzystania LLM jako narzędzi badawczych w psychologii i terapii.

Dr Magdalena Wekenborg, kierująca grupą PsychoDigital Research na TU Dresden, powiedziała, że modele mogą pomóc w testowaniu hipotez „w skalowalnym, eksperymentalnie dobrze sterowalnym systemie”. Prof. Jakob N. Kather zwrócił z kolei uwagę, że jedną z ich zalet jest powtarzalność. Te same warunki można odtwarzać wielokrotnie i modyfikować w sposób kontrolowany, czego często nie da się zrobić w badaniach z udziałem ludzi.

Autorzy podkreślają jednak ograniczenia tego podejścia. LLM nie mają własnych emocji, a ich odpowiedzi wynikają z wzorców zapisanych w danych treningowych. Nie chodzi więc o przypisywanie maszynom ludzkich przeżyć, lecz o wykorzystanie ich jako uproszczonego modelu niektórych procesów emocjonalnych i poznawczych.

Badanie wpisuje się w szerszy kontekst rosnących potrzeb w ochronie zdrowia psychicznego. Według przywoływanych szacunków do 2050 roku zaburzenia psychiczne mogą dotyczyć 1,2 miliarda ludzi. W tej sytuacji narzędzia, które pozwalają szybciej i taniej testować mechanizmy psychologiczne, mogą zyskać znaczenie w pracach nad terapiami opartymi na rozmowie.

W praktyce oznacza to, że LLM mogą stać się dodatkowym narzędziem w badaniach psychologicznych i biomedycznych, zwłaszcza na wczesnym etapie projektowania eksperymentów. Autorzy zaznaczają jednak, że modele mają uzupełniać badania z udziałem ludzi, a nie je zastępować.

Jak badacze testowali emocje w LLM

1
Wybór modeli
Sprawdzono m.in. ChatGPT-4o i różne wersje Llama.
2
Wywołanie stanów
Badacze indukowali strach, lęk, gniew, obrzydzenie, smutek, martwienie się i stres.
3
Ocena odpowiedzi
Odpowiedzi modeli porównywano ze standardowymi narzędziami stosowanymi w psychologii.
4
Regulacja stanu
Testowano strategie obniżające wywołane reakcje emocjonalne.
5
Wniosek
LLM mogą wspierać eksperymenty, ale nie zastępują badań z udziałem ludzi.

Na podstawie badania TU Dresden opisanego w 'The Lancet Digital Health' (14.06.2026).

Słownik pojęć

LLM (Large Language Model)
Duży model językowy trenowany na ogromnych zbiorach tekstów, zdolny do generowania i analizowania języka naturalnego.
Stany afektywne
Emocjonalne stany organizmu, takie jak strach, smutek czy stres, wpływające na sposób myślenia i zachowania.
Zniekształcenia poznawcze
Systematyczne błędy w myśleniu i interpretacji informacji, często obserwowane w zaburzeniach psychicznych.
Uważność (mindfulness)
Technika skupiania uwagi na bieżącym doświadczeniu, często wykorzystywana w regulacji stresu i emocji.
Psychoterapia
Forma leczenia oparta na rozmowie i oddziaływaniach psychologicznych, stosowana m.in. w depresji i zaburzeniach lękowych.

Najczęstsze pytania

Czy LLM naprawdę „czują” emocje?▼
Nie. Autorzy badania podkreślają, że modele nie mają własnych przeżyć. Mogą jedynie odtwarzać wzorce językowe i poznawcze podobne do emocji.
Do czego mogą się przydać takie modele w psychologii?▼
Mogą służyć do testowania hipotez w kontrolowanych warunkach, zanim przejdzie się do badań z udziałem ludzi.
Czy wyniki z LLM można bezpośrednio przenosić na człowieka?▼
Nie wprost. To narzędzie pomocnicze, a nie zamiennik badań klinicznych lub psychologicznych z udziałem osób badanych.
Jakie emocje testowano w badaniu TU Dresden?▼
Strach, lęk, gniew, obrzydzenie, smutek, martwienie się i stres.
Czy da się zmieniać „stan emocjonalny” modelu?▼
W badaniu sprawdzono, że reakcje modeli można częściowo osłabiać za pomocą strategii regulacji, takich jak uważność i ćwiczenia oddechowe.

Pierwsi napisali na ten temat

Komentarze (0)

0/2000

Powiązane artykuły

Czy twój pies naprawdę czuje twoje emocje? Badanie fMRI

Naukowcy z Uniwersytetu Wiedeńskiego, we współpracy z badaczami z Meksyku i Węgier, zbadali aktywność mózgów 14 psów domowych. Badanie fMRI wykazało, że widok uśmiechniętych twarzy aktywuje u zwierząt obszary odpowiedzialne za odczuwanie nagrody. To pierwszy dowód na to, że psy potrafią wzrokowo odróżniać wybrane negatywne emocje u ludzi.

13 sierpnia 2026

AI ocenia stan psychiczny jak psychiatrzy? Test miał ważne ograniczenie

Multimodalny system analizuje obraz, głos i treść wypowiedzi pacjenta, oceniając 10 elementów badania stanu psychicznego. Autorzy podkreślają, że narzędzie ma wspierać lekarzy, a nie zastępować psychiatrów. Jego skuteczność sprawdzono dotąd wyłącznie w warunkach symulowanych.

18 września 2026

AI może przewidywać zaostrzenia astmy u dzieci

Badacze przeanalizowali siedem badań obejmujących 17 modeli uczenia maszynowego i ocenili ich skuteczność w prognozowaniu wizyt na oddziale ratunkowym oraz hospitalizacji z powodu astmy u dzieci. Wyniki wskazują na umiarkowaną dokładność w pierwszym przypadku i dobrą w drugim, lecz autorzy podkreślają dużą zmienność wyników między badaniami.

20 czerwca 2026

Otyłość a czucie twarzy? Badanie myszy kieruje uwagę na nerw trójdzielny

Badanie opublikowane 20 maja w „Nature” pokazuje, że framework AI MouseMapper umożliwia analizę całego ciała myszy na poziomie komórkowym. W modelu otyłości indukowanej dietą badacze wykryli zmiany zapalne i nerwowe oraz częściowo zgodne sygnatury molekularne w ludzkiej tkance trójdzielnej.

22 maja 2026

Jak dzieci mówią o stresie? Stanford: to może zdradzać przyszłe problemy psychiczne

Badanie opublikowane 4 sierpnia 2026 roku objęło 204 dzieci w wieku 9–13 lat i analizowało ich wypowiedzi o trudnych doświadczeniach. Wyniki sugerują, że styl narracji może być cenniejszym sygnałem ryzyka niż sama treść opowieści.

5 sierpnia 2026

AI zaprojektowała 16 nowych wirusów. Badanie otwiera szanse i rodzi pytania o bezpieczeństwo

Naukowcy wykorzystali modele Evo do wygenerowania około 700 tys. możliwych genomów, a następnie przetestowali część z nich w laboratorium. 16 projektów dało funkcjonalne bakteriofagi zdolne do infekowania E. coli. Osiągnięcie otwiera nowe możliwości dla medycyny, ale nasila też dyskusję o bezpieczeństwie takich badań.

8 sierpnia 2026

StartSzukaj