فصل 4: یک نمونه از هوش عاطفی تکامل یافته
محققان هوش مصنوعی و روانشناسی، مدتها است به تعریف هوش و یافتن راهی برای شبیه سازی آن، پرداختهاند. بهرحال، تئوریهای بسیاری شکل گرفتهاند که خیلی کم، احساسات را دربر میگیرد. در کتاب Haward Gardner با عنوان "چارچوب مغز[1]" (Gardner, 1973)، او مفهوم هوش چندگانه[2] را توصیف میکند. او هوش را به شش نوع تقسیم میکند: زبانی[3]، موسیقیایی[4]، ریاضی[5]، منطقی[6]، فضایی[7]، روان شناسی بدنی[8] و هوش شخصی[9]، بنابراین، هوش یک شخص میتواند در طول این ابعاد، متفاوت باشد. تئوری Gardner مهم است زیرا بواسطه گنجاندن هوش شخصی، این تئوری با قابلیتهای اجتماعی و احساسی که مردم دارا هستند تلفیق شده و سپس به پیشرفت آنچه که تئوری "هوش عاطفی" نامیده میشود، منتهی میشود. اخیراً، اهمیت عواطف در تئوری هوش بشری، بواسطه شواهد عصب شناختی ارائه شده توسط Damasio ، تقویت شده است (Damasio A , 1994).
در نتیجه، محققان زیادی در عوامل و زمینه هوش مصنوعی، شروع به گسترش مدلهای رایانهای عواطف (Elliot & Brzezinki, 1998) کردهاند. شبیهسازی هوش عاطفی در انواع خاصی از برنامههای کامپیوتری، مهم است. مدلهای رایانهای احساسات، برای کاربردهای زیادی از جمله، برنامههای شخصی کمکی، شبیهسازیهای یادگیری، رویاروییهای هوشمندانه و کاربردهای سرگرمی، خیلی مفید هستند.
برای تشخیص اهمیت فرایند احساسی در شبیهسازی کاراکترهای شبیه زندگی (Elliot & Brzezinki, 1998)، تعدادی از مدلهای رایانهای عاطفی در اجتماع عوامل، پیشنهاد شده است. یک تلاش چشمگیر در این زمینه، پروژه OZ در CMU است (El-Nasr, Ioerger, & Yen, 2000). پروژه OZ ، عواطف قابل اعتماد و عوامل اجتماعی را شبیهسازی میکند: در آغاز هر عاملی، ویژگیها و خصوصیاتی را در جهت اهداف ویژه محیط، تنظیم کرده است. علاوه براین، هر عاملی تعدادی اهداف آغازین و مجموعه استراتژیهایی دارد که برای دستیابی به هر هدف، باید پیروی شود. این عامل یک اتفاق را در محیط تعیین میکند. سپس این رویداد مطابق اهداف، ویژگیها و استانداردهای عامل، ارزیابی میشود. بعد از اینکه رویدادی ارزیابی شد، قوانین ویژهای برای معرفی عاطفی با شدتی خاص، ارائه میشود. این قوانین براساس مدل ارزشیابی رویدادی Ortony و دیگران است (Ortony, Clore, & Collins, 1988). سپس عواطف بوجود آمده، مطابق شدت آنها و برای رفتاری ویژه، طراحی میشود. این رفتار به شکل متنی یا انیمیشن، بیان شده است.
به رغم اینکه مدل OZ عواطف، ویژگیهای خیلی جالبی دارد. اما محدودیتهایی هم دارد. یک احساس و هیجان تنها زمانی که اتفاقی، استانداردها، ویژگیها یا دستیابی به اهداف آن فرد را تحت تأثیر قرار دهد، ایجاد میشود. تصور موفقیت جزیی یا شکست، دست نیافتنی است چون عموماً، رویدادهایی باعث موفقیت کامل یا شکست کامل یک هدف نمیشود. علاوه براین، بعضی از احساسات و هیجانها از قبیل امید و آرامش، هرگز نمیتوانند شبیهسازی شوند، چون آنها متکی بر انتظارات هستند.
به منظور اینکه شخصی یک تجربه احساسی قابل قبولی را شبیهسازی کند، باید بطور پویایی، احساساتش را بواسطه تجربهاش، تغییر دهد. در اینجا مدل جدیدی را بررسی میکنیم که بواسطه آن، شخصی میتواند، ماهیت پویای احساسات را بواسطه یادگیری، شبیهسازی کند. در این مقاله، ما مدلمان را نشان میدهیم و در مورد اینکه چطور مکانیسمهای مختلف یادگیری برای شبیه سازی جنبه پویای فرایند احساسی، استفاده شده است، بحث خواهیم کرد. علاوه بر این، نتایج آزمایشات ارزیابی تعدادی از کاربران سیستمی که با این مدل، اجرا شده و PETEEL نامیده می شود را گزارش میدهیم.
[1] Frames of Mind
[2] Multiple Intelligence
[3] linguistic
[4] Musical
[5] Mathematical
[6] Logical
[7] Spatial
[8] Bodily
[9] Personal Intelligence
4.1 عاطفۀ محاسباتی
در معرفی این مدل، ابتدا مکانیسمهای مختلف یادگیری که در این مدل اجرا شده است را توصیف مسشوند و سپس آنها از لحاظ مکانیسمهای یادگیری درگیر، توصیف خواهند شد، که چطور این مکانیسمها فرایند احساسی را تحت تأثیر قرار داده و یا تسهیل میکنند. به این طریق میتوان مشخصات مدل را بهتر فهمید.
4.1.1 یادگیری
در اینجا چهار مکانیسم مختلف یادگیری که قابلیت شبیه سازی دارد عبارتند از:
1) یادگیری در مورد توالی رویداد و پاداشهای ممکن،
2) یادگیری در مورد فعالیتها و حالتهای کاربر
3) یادگیری در مورد اینکه چه فعالیتهای خوشایند کاربر است و چه فعالیتهای خوشایند کاربر نیست و
4) شرطى شدن پاولفى (S–R)
این مکانیسمهای یادگیری در پاراگرافهای بعدی بطور مفصل مطرح خواهند شد و مثالهایی از تأثیر آنها برفرایند عاطفی نیز ارائه میگردند.
4.1.2 یادگیری در مورد رویدادها (وقایع)
4.1.3 یادگیری در مورد کاربر
4.1.4 یادگیری در مورد فعالیتهای خوشایند و ناخوشایند
4.1.5 شرطى شدن پاولفى
4.2 شبیه سازی عاطفه