Emotion prediction as computation over a generative theory of mind.
Emotion prediction as computation over a generative theory of mind.
复制标题
DOI：
10.1098/rsta.2022.0047
复制
发表时间：
2023-07-24
期刊：
影响因子：
5
通讯作者：
Saxe, Rebecca
中科院分区：
文献类型：
--
作者：
Houlihan, Sean Dae;Kleiman-Weiner, Max;Hewitt, Luke B.;Tenenbaum, Joshua B.;Saxe, Rebecca
关键词：
通过对事件的稀疏描述，观察者可以对参与者的情绪进行系统而细致的预测。我们提出了一个正式的情感预测模型的背景下，公众高风险的社会困境。该模型使用逆向规划来推断一个人的信仰和偏好，包括对公平和维护良好声誉的社会偏好。然后，该模型将这些推断出的心理内容与事件相结合，以计算“评估”：情况是否符合预期并满足偏好。我们学习将计算的评价映射到情感标签的函数，使模型能够匹配人类观察者对20种情感的定量预测，包括喜悦，解脱，内疚和嫉妒。模型比较表明，推断的货币偏好不足以解释观察者的情绪预测;推断的社会偏好被考虑到几乎每一种情绪的预测。人类观察者和模型都使用最少的个性化信息来调整不同人对同一事件的反应的预测。因此，我们的框架集成了逆向规划，事件评估和情绪的概念在一个单一的计算模型，以逆向工程的人的直觉理论的情绪。这篇文章是一个讨论会议的一部分问题“认知人工智能”。
From sparse descriptions of events, observers can make systematic and nuanced predictions of what emotions the people involved will experience. We propose a formal model of emotion prediction in the context of a public high-stakes social dilemma. This model uses inverse planning to infer a person’s beliefs and preferences, including social preferences for equity and for maintaining a good reputation. The model then combines these inferred mental contents with the event to compute ‘appraisals’: whether the situation conformed to the expectations and fulfilled the preferences. We learn functions mapping computed appraisals to emotion labels, allowing the model to match human observers’ quantitative predictions of 20 emotions, including joy, relief, guilt and envy. Model comparison indicates that inferred monetary preferences are not sufficient to explain observers’ emotion predictions; inferred social preferences are factored into predictions for nearly every emotion. Human observers and the model both use minimal individualizing information to adjust predictions of how different people will respond to the same event. Thus, our framework integrates inverse planning, event appraisals and emotion concepts in a single computational model to reverse-engineer people’s intuitive theory of emotions. This article is part of a discussion meeting issue ‘Cognitive artificial intelligence’.
登录
查看更多内容
影响因子：
4.2
作者：
Barrett LF
通讯作者：
Barrett LF
影响因子：
4
作者：
Asaba, Mika;Ong, Desmond C.;Gweon, Hyowon
通讯作者：
Gweon, Hyowon
影响因子：
16.4
作者：
Cowen, Alan S.;Keltner, Dacher
通讯作者：
Keltner, Dacher
影响因子：
4.6
作者：
de Melo, Celso M.;Terada, Kazunori
通讯作者：
Terada, Kazunori
影响因子：
1.1
作者：
Dufwenberg, M;Gneezy, U
通讯作者：
Gneezy, U