Нейросети учатся читать эмоции, политические позиции и сарказм

<div> <p>Когда мы переписываемся в чатах или оставляем комментарии в соцсетях, зачастую между строк скрываются эмоции, скрытая позиция или едкая ирония. Новое исследование из <em>Scientific Reports</em> проверило, смогут ли современные языковые модели (LLM) «прочитать» эти нюансы так же точно, как человек.</p> <h2>Что проверяли?</h2> <p>Учёные взяли семь LLM — от GPT‑4 до Gemini и Llama‑3.1‑70B — и попросили их оценить 100 отобранных фрагментов текста. Задача была непростая: определить тональность (позитив, негатив), политические взгляды автора, силу эмоционального заряда и даже сарказм.</p> <h2>Главные находки</h2> <p>Оказалось, что модели в среднем не уступают людям в распознавании тональности и политической окраски высказываний. GPT‑4, например, проявил большую стабильность при определении политических взглядов, чем люди-эксперты. Что касается эмоций, LLM умело отличали лёгкое раздражение от ярости, хоть и слегка «сгладили» самые сильные чувства.</p> <p>С сарказмом дела обстояли одинаково сложно и для людей, и для машин: ни одна модель не смогла уверенно победить в этой категории.</p> <h2>Зачем это важно?</h2> <p>Представьте, сколько времени экономят социологи и инструменты фактчекинга: анализ сотен тысяч постов вручную может занять месяцы. LLM позволяют получать оперативные результаты — критично во время выборов, кризисов или вспышек массовых волнений.</p> <p>При этом сохраняются вопросы прозрачности и справедливости: кому доверять, если машина «смотрит» на политику по‑своему? И как гарантировать единообразие оценок при разных формулировках одного и того же вопроса?</p> <h2>Что дальше?</h2> <p>Исследователи планируют проверить, насколько стабильны выводы моделей при минимальных изменениях текста и условиях запроса. Это ключевой шаг перед тем, как LLM станут полноправными «напарниками» учёных, журналистов и специалистов по безопасности.</p> </div>