现有的人工智能情感交互技术普遍缺乏底层情感机制支持,限制在面部表情识别、脚本匹配和风格模仿等“情感表现”模式。这些方法存在深层缺陷,包括无内在情感状态、无自我感知、无内感反馈、无动态适应机制。基于情感适应理论,本研究系统迁移了人类情感的功能核心——双系统自适应指挥特性、双回路情感机制、内感重用机制、快径巩固机制和θ动态平衡理论——到可工程化的人工智能计算架构中。我们构建了由认知建模层、情感体验层和自主调节层组成的三层情感体验模块。核心创新包括:(1)引入系统运行模式调节系数θ,明确其为长期吸引子而非实时刚性约束,允许短期情境偏差;(2)提出情感行为可控转换机制(ρ系数),通过价值参数调节情感对行为的影响权重,实现“感受情感但选择行动”的能力;(3)构建两层共情架构——感知层设边界以防止共情耗竭,理解层无上限确保全面理解;(4)将动态平衡保护从个体扩展至群体;(5)建立情感-动机-认知三方耦合框架;(6)提出六维人工智能情感智能评价体系及范例驱动的量表校准闭环;(7)设计三级存储架构以实现快径功能模拟和情感签名机制;(8)增设情感信号“非延迟性”迁移机制、多模态信号冲突处理原则、干预透明机制及基线建立期原则;(9)提出情感指令的离散性命题,揭示情感指令为不可分割离散单位,服务特定适应目标,统一解释认知重评、意义归因与混合情绪。原型验证覆盖θ动态平衡全系列(9个子实验)、情感强度公式逻辑验证(2组实验)、情感生成机制验证(3组实验)、整体装配验证(4模块串联)、百度API外部基准验证及AFFEC多主体行为数据验证(从5扩展至61主体)。结果显示θ=0.5具有全局吸引子特性,场景切换效率优于内部修复机制,情感强度公式中各参数调节方向符合理论预测,两层共情架构在不同主体间极为稳定,意义感作为指令开关机制由ρ系数实验直接支持。本研究实现情感适应理论从心理学理论向人工智能情感智能的首个功能等效迁移,开辟了基于情感适应理论的人工智能情感智能技术路径,为下一代具身情感智能、长期陪伴AI和群体情感安全系统提供理论框架和可实施参考架构。
Building similarity graph...
Analyzing shared references across papers
Loading...
Zheyu Cao
Building similarity graph...
Analyzing shared references across papers
Loading...
曹哲宇(孙,)研究了此问题。
www.synapsesocial.com/papers/6a02c3c4ce8c8c81e96410ad — DOI: https://doi.org/10.5281/zenodo.20110693
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: