【MIT博士论文】情感理解的计算框架，200页pdf

本论文的组织原则是，人类情感理解反映了一种基于模型的解决方案，用于解决大量的不适定反问题。为了解释某人的表情，或预测那个人在未来情境中的反应，观察者需要在一个逻辑上和因果上结构化的直观他心理论上进行推理。对于这项工作，我选择了一个在感知和社交方面丰富但受到严格限制的领域：现实生活中高风险的电视一次性囚徒困境游戏。在第一组研究中，我阐述了前向预测在情感理解中起着关键作用。关于某人可能感受到的直观假设指导了观察者对表现行为的解释和推理。通过将人类因果推理模拟为对潜在情感表示的诱导性推断，一个无参数的贝叶斯模型捕捉到了社会认知的惊人模式。在第二组研究中，我将情感预测形式化为概率生成模型。通过对直观心智理论的反演，推导出的心理内容为推断他人如何评估或“评价”某种情境提供了基础。推断评价模型将逆向规划扩展到模拟观察者如何推断他人的反应，从而涉及对公平和声誉的丰富社会偏好的效用、预测误差和反事实。我证明了，推断评价的联合后验分布为发现人类情感直观理论的潜在结构提供了一种强大方法。在第三组研究中，我构建了一种刺激可计算的情感理解模型。这项工作强调了检验计算模型能否利用与情感相关的信息来服务于社会认知的重要性。我认为，构建接近人类情感智能水平的计算机系统需要生成模型，其中推断的评价作为潜在的因果解释，将行为、心理内容和世界状态联系起来。