摘要

本文由Candice Pattisapu等人撰写，提出了一种基于自由能理论的环形情绪模型，该模型将情绪映射到两个维度：愉悦度和唤醒度。文章探讨了如何从代理的预期自由能中提取愉悦度和唤醒度信号，并通过模拟实验展示了代理在不同情境下的情绪状态变化。这一模型不仅丰富了情绪的维度理解，还为人工智能中的情绪推理提供了新的理论框架。

原理

本文的核心在于将情绪的愉悦度和唤醒度与自由能理论相结合。愉悦度被定义为观察到的效用与预期效用之间的差异，而唤醒度则与后验信念的熵相关。通过这种方式，代理的情绪状态可以被量化并映射到一个二维的环形模型中，其中愉悦度和唤醒度的变化反映了情绪的动态变化。这种量化方法不仅先进，而且为情绪的计算模型提供了新的视角。

流程

文章通过模拟一个代理在不同情境下寻找物体的任务，展示了情绪模型的应用。代理的初始情绪状态、对物体位置的先验信念以及物体是否存在等因素，都会影响代理的情绪轨迹。例如，当代理的先验信念被违反时，可能会经历从平静到愤怒再到放松的情绪变化。通过这些模拟，文章展示了情绪模型如何帮助理解代理的行为和认知过程。

应用

该情绪模型不仅适用于模拟单一代理的情绪状态，还可能扩展到多代理系统中，用于模拟社交互动和共情行为。此外，该模型对于理解人类情绪的神经基础和开发基于情绪的智能系统具有重要意义。未来研究可以探索情绪强度与认知过程的关系，以及情绪在社交和决策中的作用。