論文の概要: Emotions in Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2505.01462v1
- Date: Thu, 01 May 2025 17:37:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-06 18:49:35.132046
- Title: Emotions in Artificial Intelligence
- Title（参考訳）: 人工知能の感情
- Authors: Hermann Borotschnig,
- Abstract要約: すべての事象に付随して対応する感情タグを記憶することで、感情がエピソード記憶と織り交ぜられることが示唆された。
これにより、AIは現在の状況が過去の出来事に似ているかどうかを確認し、関連する感情ラベルを現在の状況に投影することができる。
複合感情状態は、行動選択を調節することにより、現在における意思決定を促進する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This conceptual contribution offers a speculative account of how AI systems might emulate emotions as experienced by humans and animals. It presents a thought experiment grounded in the hypothesis that natural emotions evolved as heuristics for rapid situational appraisal and action selection, enabling biologically adaptive behaviour without requiring full deliberative modeling. The text examines whether artificial systems operating in complex action spaces could similarly benefit from these principles. It is proposed that affect be interwoven with episodic memory by storing corresponding affective tags alongside all events. This allows AIs to establish whether present situations resemble past events and project the associated emotional labels onto the current context. These emotional cues are then combined with need-driven emotional hints. The combined emotional state facilitates decision-making in the present by modulating action selection. The low complexity and experiential inertness of the proposed architecture are emphasized as evidence that emotional expression and consciousness are, in principle, orthogonal-permitting the theoretical possibility of affective zombies. On this basis, the moral status of AIs emulating affective states is critically examined. It is argued that neither the mere presence of internal representations of emotion nor consciousness alone suffices for moral standing; rather, the capacity for self-awareness of inner emotional states is posited as a necessary condition. A complexity-based criterion is proposed to exclude such awareness in the presented model. Additional thought experiments are presented to test the conceptual boundaries of this framework.
- Abstract（参考訳）: この概念的な貢献は、AIシステムが人間や動物が経験した感情をエミュレートする方法の投機的な説明を提供する。
これは、自然な感情が、迅速な状況評価と行動選択のためのヒューリスティックとして進化し、完全な熟考モデルを必要としない生物学的適応的な行動を可能にするという仮説に基づく思考実験である。
このテキストは、複雑なアクション空間で動作する人工システムがこれらの原理の恩恵を受けるかどうかを検証している。
すべての事象に付随して対応する感情タグを記憶することで、感情がエピソード記憶と織り交ぜられることが示唆された。
これにより、AIは現在の状況が過去の出来事に似ているかどうかを確認し、関連する感情ラベルを現在の状況に投影することができる。
これらの感情的な手がかりは、ニーズ駆動の感情的なヒントと組み合わせられる。
複合感情状態は、行動選択を調節することにより、現在における意思決定を促進する。
提案アーキテクチャの低複雑性と経験的慣性は、感情的表現と意識が、原則として、感情的ゾンビの理論的可能性の直交的許容であることを示す証拠として強調されている。
そこで,情緒状態を模擬したAIの道徳的地位を批判的に検討した。
感情の内的表現や意識のみの存在は道徳的地位に十分ではなく、むしろ内的感情状態の自己認識能力は必要条件として提示される。
提示されたモデルにおけるそのような認識を排除するために,複雑性に基づく基準を提案する。
このフレームワークの概念的境界をテストするための追加の思考実験が提示される。
関連論文リスト
- Mechanistic Interpretability of Emotion Inference in Large Language Models [16.42503362001602]
感情表現は大規模言語モデルにおいて特定の領域に機能的に局所化されていることを示す。
我々は,環境刺激の評価から感情が出現することを示すための認知的評価理論を導いた。
この研究は、因果的に介入し、感情的なテキスト生成を正確に形作る新しい方法を強調している。
論文 参考訳（メタデータ） (2025-02-08T08:11:37Z) - CTSM: Combining Trait and State Emotions for Empathetic Response Model [2.865464162057812]
共感応答生成は、対話システムに話者の感情を知覚し、それに応じて共感応答を生成する。
我々は,共感反応モデル(CTSM)のためのトラストと状態感情の組み合わせを提案する。
対話における感情を十分に知覚するために、まず特徴と状態の感情の埋め込みを構築し、エンコードする。
感情表現を誘導する感情誘導モジュールにより、感情知覚能力をさらに強化する。
論文 参考訳（メタデータ） (2024-03-22T10:45:13Z) - The Good, The Bad, and Why: Unveiling Emotions in Generative AI [73.94035652867618]
EmotionPromptはAIモデルの性能を向上し、EmotionAttackはそれを妨げうることを示す。
EmotionDecodeによると、AIモデルは人間の脳内のドーパミンのメカニズムに似た感情的な刺激を理解することができる。
論文 参考訳（メタデータ） (2023-12-18T11:19:45Z) - CASE: Aligning Coarse-to-Fine Cognition and Affection for Empathetic
Response Generation [59.8935454665427]
共感的対話モデルは、通常、感情的な側面のみを考慮するか、孤立して認知と愛情を扱う。
共感的対話生成のためのCASEモデルを提案する。
論文 参考訳（メタデータ） (2022-08-18T14:28:38Z) - Emotions as abstract evaluation criteria in biological and artificial
intelligences [0.0]
機能レベルで感情を模倣するフレームワークを提案する。
感情安定度(TAES)による時間割当に基づいて、感情を抽象的な基準として実装する。
エージェントの長期的なゴールは、個々のタスクを選択する頻度を最適化することで、キャラクタと経験を一致させることである。
論文 参考訳（メタデータ） (2021-11-30T10:49:04Z) - A Circular-Structured Representation for Visual Emotion Distribution
Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。
具体的には、まず感情圏を構築し、その内にある感情状態を統一する。
提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文 参考訳（メタデータ） (2021-06-23T14:53:27Z) - Emotion-aware Chat Machine: Automatic Emotional Response Generation for
Human-like Emotional Interaction [55.47134146639492]
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2021-06-06T06:26:15Z) - Target Guided Emotion Aware Chat Machine [58.8346820846765]
意味レベルと感情レベルにおける投稿に対する応答の整合性は、人間のような対話を提供する対話システムにとって不可欠である。
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-11-15T01:55:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。