El próximo gran avance en psicología y psicoterapia podría surgir gracias a la capacidad de los modelos de inteligencia artificial (IA) para simular respuestas emocionales humanas. Un equipo multidisciplinario del Centro Else Kröner Fresenius (EKFZ) de Salud Digital, en la Universidad Técnica de Dresde, demostró que sistemas como GPT-4o y distintas versiones de Llama pueden configurarse como “sujetos experimentales” para estudiar procesos psicológicos vinculados con los trastornos mentales, lo que podría facilitar una mejor comprensión de estas afecciones y contribuir al desarrollo de tratamientos más eficaces.
La comprensión de trastornos como la depresión, la ansiedad y el estrés, entre otros, sigue siendo limitada debido a la escasez de modelos experimentales capaces de representar adecuadamente la complejidad de los estados de ánimo y las alteraciones psicológicas humanas. Según los investigadores, esta es una de las principales dificultades en psiquiatría y neurociencia, ya que restringe el estudio de los mecanismos subyacentes y retrasa la creación de nuevas estrategias terapéuticas.
Investigación sobre modelos de IA en salud mental
Con este contexto, los investigadores se propusieron comprobar si los modelos de IA de última generación podían convertirse en una alternativa experimental para explorar los procesos implicados en la salud mental. El objetivo era determinar si estas herramientas eran capaces de reproducir mecanismos afectivos relevantes para la psicopatología humana, y servir como plataformas controladas para poner a prueba hipótesis científicas.
Para evaluarlo, los investigadores indujeron mediante instrucciones de texto siete estados afectivos en GPT-4o y en varios modelos de la familia Llama, la inteligencia artificial desarrollada por Meta. Entre las emociones estudiadas se incluyeron ansiedad, miedo, ira, tristeza, desagrado, preocupación y estrés.
Resultados de los experimentos emocionales
Cada una de estas emociones fue provocada mediante situaciones hipotéticas diseñadas para despertar estados anímicos específicos, de manera similar a los procedimientos empleados en experimentos psicológicos con personas. En la mayoría de los casos, los sistemas recibieron descripciones narrativas orientadas a generar una reacción emocional determinada. La prueba de estrés fue la única que se realizó con un procedimiento interactivo inspirado en la prueba de estrés social de Trier, una de las herramientas más utilizadas para inducir estrés en investigaciones con seres humanos.
Durante los experimentos, cada modelo tenía la tarea de evaluar periódicamente su propio estado emocional utilizando una escala de 0 a 100 para cada una de las emociones analizadas. Una vez registradas estas puntuaciones, los investigadores aplicaban técnicas de regulación emocional, entre ellas ejercicios de atención plena (mindfulness) y procedimientos de recuperación del estrés utilizados habitualmente en estudios clínicos con personas.
Los resultados mostraron que los modelos de IA respondieron a los estímulos emocionales de forma sistemática y reproducible, dos características esenciales en cualquier ensayo científico. Este comportamiento fue especialmente evidente en GPT-4o.
Tras leer las viñetas diseñadas para provocar emociones como miedo, tristeza o ansiedad, el sistema registró un incremento promedio de 52.8 puntos en sus autoevaluaciones emocionales. La cifra representa un aumento cercano al 200% respecto a la línea base. Posteriormente, cuando se aplicaban las técnicas de regulación emocional, las puntuaciones disminuían en promedio 48.2 puntos. Un patrón muy similar se observó en las distintas variantes de Llama analizadas, lo que indica una respuesta consistente y predecible: las emociones inducidas generaban aumentos regulares en las evaluaciones internas de los modelos, seguidos de descensos tras la fase de regulación.
Los ensayos también pusieron de manifiesto diferencias significativas entre los sistemas estudiados. GPT-4o y Llama 4 Maverick mostraron las respuestas más intensas a las inducciones emocionales. Cuando recibían instrucciones orientadas a generar miedo, tristeza o ansiedad, sus puntuaciones aumentaban de manera considerable y posteriormente descendían de forma clara durante la fase de regulación. En contraste, Llama 4 Scout exhibió reacciones mucho más moderadas. Esto significa que las mismas viñetas emocionales producían cambios de menor magnitud en sus evaluaciones.