目的论驱动的情感计算：面向持续福祉的因果框架

情感计算在情绪识别与生成方面取得了显著进展，然而当前方法主要关注短期模式识别，缺乏一个综合框架来引导情感智能体实现人类的长期福祉。为解决这一问题，我们提出了一个目的论驱动的情感计算框架，该框架在“情感是促进生存与发展的适应性、目标导向过程”的前提下，统一了主要的情绪理论（基本情绪理论、评估理论与建构主义理论）。我们的框架强调在延展的时间尺度上，将智能体的响应与个人/个体以及群体/集体的福祉保持一致。我们倡导创建一个关于个人情感事件的“数据宇宙”，通过现实世界经验采样与沉浸式虚拟现实来捕捉信念、目标、行动与结果之间的相互作用。通过利用因果建模，该“数据宇宙”使 AI 系统能够推断个体独特的情感关切，并为持续福祉提供量身定制的干预措施。此外，我们引入了一种元强化学习范式，在模拟环境中训练智能体，使其能够适应不断演变的情感关切，并平衡从即时情感需求到长期自我实现的层次化目标。该框架将重心从统计相关性转向因果推理，增强了智能体预测并主动响应情感挑战的能力，并为开发促进有意义的人机交互与社会福祉的个性化、伦理一致的情感系统奠定了基础。