Ricercatori dell’Università di Ben-Gurion del Negev hanno progettato un sistema di intelligenza artificiale che identifica le violazioni delle norme sociali.

Ricercatori dell'Università di Ben-Gurion del Negev hanno creato un sistema di intelligenza artificiale per riconoscere le violazioni delle norme sociali.

Il Dizionario APA di Psicologia fornisce una definizione completa delle norme sociali come standard socialmente determinati che indicano comportamenti tipici e appropriati all’interno di un contesto sociale specifico. Queste norme possono essere universali, applicabili ampiamente tra diverse culture, o contestuali, specifiche di determinati contesti culturali.

Sebbene le norme sociali varino tra culture e contesti, le violazioni delle norme sociali possono spesso essere raggruppate in alcune categorie generali. Queste categorie rappresentano temi comuni che trascendono i confini culturali.

L’identificazione automatica delle norme sociali e delle loro violazioni rappresenta una sfida significativa. Per affrontare questa sfida in modo efficace, il primo passo è identificare le caratteristiche, i segnali o le variabili che indicano quando una norma sociale è stata violata.

• Raccolta dati in primo piano i modelli di linguaggio stanno oltrepassando il limite allenandosi su tutti i contenuti?
• Incontra Prismer un modello di visione-linguaggio open source con un insieme di esperti
• Disrupting Productivity Paranoia Sì a Microsoft 365 Copilot?

I ricercatori presso l’Università Ben-Gurion del Negev hanno studiato l’identificazione automatica delle violazioni delle norme sociali e un ricercatore ha progettato un sistema di intelligenza artificiale in grado di rilevare le violazioni delle norme sociali. Questo studio mirava a colmare il divario tra scienze sociali e scienze dei dati, riconoscendo il potenziale di integrare entrambi i campi per ottenere una comprensione più approfondita del comportamento umano e delle dinamiche sociali.

I ricercatori hanno costruito questo sistema utilizzando la classificazione del testo a zero-shot (la classificazione a zero-shot è una forma specializzata di inferenza del linguaggio naturale (NLI) in cui l’obiettivo è determinare la probabilità che una determinata etichetta di classe possa essere dedotta o implicata da un premessa testuale), GPT-3 (per generare dati sintetici e identificare le norme sociali violate attraverso l’esperienza umana nel dominio) e la scoperta automatica delle regole. Il sistema che hanno creato utilizzava una classificazione binaria di dieci emozioni sociali come categorie. Poiché il numero di norme sociali è enorme, i ricercatori le hanno raggruppate in un numero limitato di emozioni sociali.

I ricercatori hanno addestrato il sistema a rilevare dieci emozioni: competenza, cortesia, fiducia, disciplina, cura, piacevolezza, successo, conformità, decenza e lealtà. Il sistema che hanno creato può classificare un determinato testo in una di queste emozioni e può ulteriormente classificarle come positive o negative.

I ricercatori hanno utilizzato inizialmente la classificazione a zero-shot per identificare automaticamente le emozioni sociali nei brevi dati testuali. Hanno quindi utilizzato GPT-3 per generare dati sintetici e identificare le norme sociali violate attraverso l’esperienza umana nel dominio, ottenendo una tassonomia di alto livello delle norme rappresentate da dieci categorie di primo livello. Inoltre, hanno sviluppato sette modelli semplici basati su caratteristiche che misurano le emozioni sociali, la violazione delle norme e altri fattori per classificare i casi che coinvolgono violazioni o conferme delle norme. Questi modelli sono stati testati su due diversi set di dati massivi di brevi testi.

Le prestazioni del sistema sono state piuttosto impressionanti, con una corrispondenza del 64% tra l’emozione principale del classificatore a zero-shot e le emozioni identificate dai soggetti umani. Per ottenere questo risultato, i ricercatori hanno utilizzato l’insieme di dati EmpatheticDialogues, che contiene circa 25.000 conversazioni etichettate con 32 diverse emozioni. Si sono concentrati sulle situazioni che coinvolgono violazioni delle norme e emozioni.

Sfruttando questi dati etichettati, hanno addestrato i modelli a identificare automaticamente le norme sociali e a classificarle in gruppi di alto livello. I risultati sono stati molto incoraggianti, con una precisione di circa il 94% e una precisione di circa il 96% nel rilevare le violazioni delle norme.

Parlando dello studio, i ricercatori hanno affermato che si tratta di un lavoro preliminare, ma fornisce una forte evidenza che il loro approccio sia corretto e possa essere ampliato per includere più norme sociali.