Un estudio reciente en arXiv revela que GPT‑4o, la versión multimodal del modelo de OpenAI, puede inferir emociones y estados mentales a partir de imágenes de los ojos, superando en algunos casos el desempeño humano.
¿Qué descubrieron los investigadores?
-
Se utilizó el test “Reading the Mind in the Eyes”, ampliamente empleado en psicología para evaluar la capacidad de comprender emociones con solo ver los ojos.
-
GPT‑4o superó a los humanos al interpretar correctamente estados emocionales como «pensativo» o «ansioso» en caras vistas en posición normal.
-
Sin embargo, su precisión disminuyó notablemente al analizar imágenes invertidas, lo que destaca diferencias en forma de procesamiento visual¡.
-
Además, mostró sesgo racial, siendo más preciso con rostros blancos que con no blancos .
¿Por qué es importante?
Este avance implica que no solo los humanos pueden interpretar emociones visualmente, también las IA multimodales están desarrollando una proto‑“teoría de la mente” básica. Aunque no poseen conciencia, GPT‑4o evidencia una capacidad emergente de ceder inferencias emocionales complejas.
Limitaciones y precauciones
-
Su desempeño se ve afectado por la orientación de la imagen (normal vs. invertida).
-
Sus respuestas no son imparciales; presenta sesgos raciales evidenciados en los estudios.
-
No se trata de empatía real: es un proceso estadístico basado en patrones visuales, no una comprensión genuina.
GPT‑4o representa un salto significativo hacia IA que comprende señales sociales humanas, al menos de forma superficial. Esto abre la puerta a aplicaciones en salud mental, medicina, robótica social y enseñanza, pero también subraya la necesidad de abordar sesgos y limitaciones técnicas antes de confiar en estas herramientas para tomas de decisiones sensibles.