[论文解读] A computational model of affects

Mika Turkia|ArXiv.org|Nov 2, 2008

Evolutionary Algorithms and Applications参考文献 9被引用 3

一句话总结

本文提出了一种计算定义的情感模型，将情感视为由特定事件触发的无意识生理过程，根据事件类型（预期/非预期、过去/未来、自我/他人相关）对情感进行区分。该模型将OCC模型重构为一个完全可实现的框架，采用基于效用的事件评估与对象建模，使具有最低认知开销的智能体能够模拟复杂的情感动态，如自豪、内疚、嫉妒和情绪状态。

ABSTRACT

This article provides a simple logical structure, in which affective concepts (i.e. concepts related to emotions and feelings) can be defined. The set of affects defined is similar to the set of emotions covered in the OCC model (Ortony A., Collins A., and Clore G. L.: The Cognitive Structure of Emotions. Cambridge University Press, 1988), but the model presented in this article is fully computationally defined.

研究动机与目标

• 解决现有情感模型（如OCC）在计算清晰度上的不足，这些模型依赖于诸如规范和标准等未定义的概念。
• 将情感定义为无意识的、进化决定的生理状态变化，由与智能体目标相关的效用变化事件所触发，从而实现人工智能体的直接实现。
• 提供一个逻辑清晰、最小化的感情状态框架，支持先天和习得的行为反应。
• 展示社会性与自我参照性情感（如自豪、内疚、嫉妒和情绪）如何从基于效用的事件评估与对象建模中自然涌现。
• 为计算心理学、社会学、精神病学以及计算机游戏等交互系统提供应用支持。

提出的方法

• 情感被定义为：当智能体感知到改变其目标效用的事件时，所触发的无意识、进化决定的躯体状态变化。
• 智能体维护一个过去事件的对象模型，将事件与效用值关联，以预测未来结果并形成预期。
• 情感类型根据事件类型进行区分：非预期的正/负/中性事件分别触发喜悦/惊讶/恐惧；预期的未来事件触发希望/恐惧；实现/未实现的预期分别触发满足/失望/恐惧确认/宽慰。
• 源自自我的事件触发自豪（正向）或羞耻（负向）；影响喜爱/不喜爱对象的行动分别触发内疚（对喜爱者造成负向行为）、怜悯（对喜爱者造成负向行为）、怨恨（对不喜爱者造成正向行为）或幸灾乐祸（对不喜爱者造成负向行为）。
• 智能体的亲和度（喜爱/不喜爱）由过去互动的净效用决定；期望的/不期望的状态则基于未来效用的预期。
• 情绪被建模为事件平均效用的函数，其中幸福（平均效用为正）、悲伤（平均效用为负）和抑郁（无正向效用）为典型状态。

实验结果

研究问题

• RQ1 如何在不依赖诸如规范或标准等未定义心理概念的前提下，形式化且计算地定义情感状态？
• RQ2 无意识情感如何单独引发人工智能体的复杂行为与情感反应？
• RQ3 对未来或过去事件的预期如何引发特定情感状态（如希望、恐惧、满足或宽慰）？
• RQ4 社会性情感（如嫉妒、感激或怨恨）如何从智能体之间的基于效用的互动中自然涌现？
• RQ5 如何将情绪建模为一种由累积事件历史衍生的稳定、长期的情感状态？

主要发现

• 该模型成功地仅通过效用变化和事件预期，就形式化定义了一套全面的情感，包括自豪、内疚、嫉妒和情绪，且不依赖于未定义的概念。
• 系统表明，复杂的社交情感动态（如怜悯、幸灾乐祸和感激）可自然地从简单的基于效用的互动与对象建模中涌现。
• 在基于浏览器的模拟中，智能体发展出稳定的预期，并表现出与心理学理论一致的情感反应，如未达预期后的失望，或避免负面结果后的宽慰。
• 该模型支持先天和习得的行为关联，如受挫时的攻击性，或对高效益用智能体的认同。
• 智能体根据累积效用模式表现出情绪状态的转变，当无正向效用时出现抑郁，当预期转为负面时则出现不良情绪。
• 模拟结果证实，自我参照性情感（如自豪与悔恨）源于自我引发的行为及其结果，其中悔恨由自我发起行为的负面后果所触发。