SensAI+Expanse 面向人类行为的自适应情绪效价预测

一个智能体，无论是人工的还是人类的，都必须不断调整其行为以在或多或少严苛的环境中得以生存。一个能够在地理空间与时间上下文中预测人类情绪效价的人工智能体，需要适当适应其移动设备环境并受到资源消耗的严格限制（例如电池电量）。所开发的分布式系统包含一个移动设备具身智能体（SensAI）以及云扩展（Expanse）的认知与记忆资源。该系统设计了若干自适应机制，尽最大努力使智能体应对交互的人类，并对收集数据用于机器学习预测保持弹性。这些机制涵盖类稳态调整，例如从移动设备中的意外故障自动恢复、遗忘重复数据以节省本地内存、将动作调整至恰当时刻（例如仅当人类交互时通知），以及 Expanse 互补学习算法的参数自动调整。关于情绪效价预测性能，对最先进算法的比较研究结果显示，极端梯度提升（Extreme Gradient Boosting）平均而言是预测最佳且能效高效的模型，并可通过特征重要性检查进行解释。因此，本工作贡献了一个基于智能手机感知、分布于云端的系统，对人类与环境的意外行为具有鲁棒性，能够以非常好的性能预测情绪效价状态。