通过符号情感推理实现生成式AI中的个性化情商

情商使人类能够识别情绪、推断其原因、推理干预措施，并修改其环境以达到期望的情感状态。尽管人工智能（AI）近期取得了进展，但当前模型仍主要局限于生成逼真内容或执行语义推理，在理解、预测和个性化人类情绪反应方面的能力有限。在此，我们介绍了情感增强生成系统（EROS），一个混合AI框架，它将符号推理与深度学习相结合，通过视觉内容实现个性化情感增强。利用大规模图像-情感数据集，EROS发现可泛化的情感规则，识别与情感相关的图像区域，并预测上下文感知的视觉修改，在保持场景语义的同时将情感反应引向期望目标。为了解释个体差异，EROS包含一个可扩展的记忆库，支持推理时的个性化，而无需模型微调，从而产生可解释的情感画像并快速适应新用户。在广泛的人类心理物理学实验中，EROS在引发目标情感反应方面优于最先进的大型多模态模型，同时适应个体情感偏好。除了情感计算之外，EROS为能够理解、推理和增强人类认知状态的AI系统奠定了基础，在心理健康、自适应媒体、教育和人机交互方面具有潜在应用。