美感評估中的內感差異與人機對齊啟示
arXiv - Human-Computer InteractionYoshia Abe, Tatsuya Daikoku, Yasuo Kuniyoshi
研究比較人類與大型語言模型在美感評估中的情緒與內感差異，揭示AI在內感方面的局限，對人機對齊提出挑戰。
AI 幫你先抓重點
AI 重點 1
AI指出，內感差異是人機對齊的關鍵瓶頸，因為AI缺乏對身體感受的理解。
滑鼠懸停看 AI 判斷理由
這一洞察提醒研究者在訓練AI時需加入內感相關資料，否則AI在美感評估上的人性化程度有限，影響其在教育情境中的應用。
AI 重點 2
AI強調，情緒分佈差異揭示AI在情緒表達上過於單一，可能導致學生對AI生成內容的共情不足。
滑鼠懸停看 AI 判斷理由
若AI無法呈現多樣情緒，學生在互動中可能感受不到情感連結，影響學習動機與投入，故需設計多情緒輸出機制。
核心研究發現
- 1
研究發現，人類與大型語言模型在美感評分與情緒之間的相關性，以及對圖像特徵的重視度，呈現相似模式，顯示AI在美感判斷上可近似人類。
- 2
然而，兩者在情緒回應的分佈上存在顯著差異，AI的情緒表達較為集中，缺乏人類情緒多樣性的波動。
- 3
更重要的是，AI與人類在美感評分與身體感受（內感）之間的關聯存在明顯分歧，AI對內感的敏感度不足。
對教育工作者的啟發
本研究顯示，AI在美感評估中仍缺乏對內感的敏感度，對教育科技設計提出兩項實務建議：一是將身體感受相關資料（如語音情緒、觸覺反饋）納入AI訓練集，提升其對學生情緒與身體狀態的辨識與回應；二是設計多情緒輸出機制，讓AI在提供美感相關內容時能呈現多樣情緒，增進學生共情與學習動機。透過這兩項改進，可使AI更貼近人類美感體驗，提升課程互動品質與學習成效。
原始文獻資訊
- 英文標題：
- Interoceptive Divergence in Aesthetic Evaluation and Implications for Human-AI Alignment
- 作者：
- Yoshia Abe, Tatsuya Daikoku, Yasuo Kuniyoshi
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。