پایان نامه
چارچوب محاسباتی برای درک هیجان انسان بر پایه نظریه ذهن و استنباط علّی (بیزی)

در این پایان‌نامه، یک چارچوب محاسباتی جامع برای تبیین نحوه درک هیجان انسان ارائه شده است که بر این فرض استوار است که انسان‌ها هنگام تفسیر احساسات دیگران تنها به حالات چهره یا رفتارهای ظاهری اتکا نمی‌کنند، بلکه با استفاده از یک نظریه شهودی ذهن (Theory of Mind) و فرایندهای استنباط معکوس (Inverse Inference) و مدل‌های بیزی (Bayesian Models)، حالات ذهنی، اهداف، باورها، ارزش‌ها و زمینه وقوع رویدادها را نیز در نظر می‌گیرند. پژوهش با هدف رفع محدودیت دیدگاه‌های سنتی که شناخت هیجان را صرفاً به تشخیص الگوهای ظاهری محدود می‌کنند، نشان می‌دهد که درک واقعی هیجان نتیجه تعامل میان نشانه‌های رفتاری، اطلاعات زمینه‌ای و استدلال علّی درباره ذهن دیگران است.

برای بررسی این فرضیه، نویسنده مجموعه‌ای از مطالعات رفتاری و مدل‌سازی محاسباتی را بر پایه داده‌های واقعی یک بازی تلویزیونی با ساختار «معمای زندانی» (Prisoner’s Dilemma) انجام داده است؛ محیطی که در آن شرکت‌کنندگان در شرایط اجتماعی واقعی، تصمیم‌هایی با پیامدهای مالی و احساسی مهم اتخاذ می‌کنند. این بستر پژوهشی امکان جداسازی اطلاعات زمینه‌ای از حالات چهره و رفتار افراد را فراهم کرده و شرایط مناسبی برای ارزیابی نحوه استنباط هیجان توسط مشاهده‌گران ایجاد کرده است.

در ادامه، پایان‌نامه مدلی مولد (Generative Model) با عنوان مدل ارزیابی‌های استنباط‌شده (Inferred Appraisals Model) معرفی می‌کند که با استفاده از اطلاعاتی مانند اهداف، ترجیحات، عدالت، شهرت، منافع و پیامدهای احتمالی رویدادها، احساسات آینده افراد را پیش‌بینی می‌کند. نتایج نشان می‌دهد این مدل قادر است ساختار پنهان قضاوت‌های انسانی درباره هیجان را با دقت بالایی بازسازی کرده و عملکردی نزدیک به انسان داشته باشد.

در بخش پایانی نیز این چارچوب با مدل‌های بینایی ماشین (Computer Vision) ترکیب شده تا سامانه‌ای ایجاد شود که بتواند بدون دخالت مستقیم انسان، از روی تصاویر و اطلاعات محیطی، هیجان افراد را استنباط کند. یافته‌ها نشان می‌دهد که هرچند مدل‌های بینایی ماشین در استخراج اطلاعات بصری محدودیت‌هایی دارند، اما ترکیب آن‌ها با مدل‌های مولد و استدلال علّی، گامی مهم در جهت توسعه سامانه‌های دارای هوش هیجانی (Emotional Intelligence) و شناخت اجتماعی (Social Cognition) انسان‌مانند محسوب می‌شود. در مجموع، این پایان‌نامه چارچوبی نظری و محاسباتی برای مدل‌سازی درک هیجان انسان ارائه می‌دهد که می‌تواند مبنایی برای پژوهش‌های آینده در علوم شناختی، هوش مصنوعی و تعامل انسان و ماشین باشد.
“`html

“`

این پایان‌نامه با هدف ارائه یک چارچوب محاسباتی جامع برای تبیین نحوه درک هیجان انسان تدوین شده است. نویسنده تلاش می‌کند به یکی از بنیادی‌ترین پرسش‌های علوم شناختی، روان‌شناسی و هوش مصنوعی پاسخ دهد: انسان‌ها چگونه تنها با مشاهده چهره، رفتار و شرایط پیرامون یک فرد، احساسات، اهداف، باورها و حتی واکنش‌های آینده او را استنباط می‌کنند؟ برخلاف دیدگاه‌های رایج که تشخیص هیجان را عمدتاً بر پایه شناسایی الگوهای ظاهری چهره یا حرکات بدن می‌دانند، این پژوهش استدلال می‌کند که چنین رویکردی برای توضیح پیچیدگی شناخت اجتماعی انسان کافی نیست. از دیدگاه نویسنده، حالات چهره معمولاً مبهم، وابسته به شرایط و فاقد اطلاعات کافی هستند و تنها زمانی معنا پیدا می‌کنند که در کنار اطلاعات زمینه‌ای و دانش انسان درباره ذهن دیگران تفسیر شوند.

بر همین اساس، پایان‌نامه یک چارچوب نظری ارائه می‌دهد که «درک هیجان» را نوعی مسئله استنباط معکوس (Inverse Problem) می‌داند. به بیان دیگر، انسان‌ها هنگام مشاهده رفتار دیگران از معلول به علت می‌رسند؛ یعنی از روی حالات چهره، رفتار و شرایط محیطی تلاش می‌کنند به احساسات، باورها، اهداف، ارزش‌ها و انگیزه‌های پنهان فرد پی ببرند. این فرایند با استفاده از «نظریه شهودی ذهن» (Theory of Mind) انجام می‌شود؛ مجموعه‌ای از دانش و قواعد ذهنی که به انسان امکان می‌دهد رفتار دیگران را پیش‌بینی و تفسیر کند. نویسنده معتقد است این استدلال‌ها ماهیتی علّی و احتمالاتی دارند و بهترین روش برای مدل‌سازی آن‌ها استفاده از مدل‌های بیزی (Bayesian Models) و مدل‌های مولد (Generative Models) است.

یکی از مشکلات مهمی که این پایان‌نامه قصد حل آن را دارد، ناتوانی مدل‌های رایج تشخیص هیجان در استفاده از اطلاعات زمینه‌ای است. بسیاری از سامانه‌های هوش مصنوعی تنها تصویر چهره را تحلیل می‌کنند و بر اساس ویژگی‌های ظاهری، احساساتی مانند شادی، غم یا خشم را تشخیص می‌دهند. اما در زندگی واقعی، یک حالت چهره مشابه می‌تواند در موقعیت‌های متفاوت معانی کاملاً متفاوتی داشته باشد. برای مثال، یک لبخند ممکن است نشانه شادی، رضایت، تمسخر، اضطراب، شرمندگی یا حتی فریب باشد و بدون اطلاع از شرایط پیرامون، تفسیر درستی از آن امکان‌پذیر نیست. نویسنده نشان می‌دهد که انسان‌ها هنگام قضاوت درباره احساسات دیگران همواره از اطلاعات مربوط به موقعیت، اهداف، روابط اجتماعی، پیامدهای رویدادها و باورهای فرد استفاده می‌کنند و همین ویژگی باید در مدل‌های محاسباتی نیز وجود داشته باشد.

برای بررسی این فرضیه، پایان‌نامه یک محیط آزمایشی واقعی را انتخاب کرده است. داده‌های پژوهش از مسابقه تلویزیونی GoldenBalls استخراج شده است که در پایان هر قسمت، دو شرکت‌کننده در یک نسخه واقعی از «معمای زندانی» (Prisoner’s Dilemma) قرار می‌گیرند. هر فرد باید تصمیم بگیرد که جایزه را با طرف مقابل تقسیم کند یا او را فریب دهد. این تصمیم‌ها پیامدهای مالی، اجتماعی و هیجانی مهمی دارند و واکنش‌های افراد نیز کاملاً طبیعی و بدون بازیگری ثبت شده‌اند. نویسنده با استفاده از فیلم‌های این مسابقه، اطلاعات مربوط به شرایط وقوع رویداد و حالات چهره افراد را از یکدیگر جدا کرده تا بتواند نقش هر کدام را به صورت مستقل و ترکیبی بررسی کند. این محیط آزمایشی به دلیل طبیعی بودن رفتار شرکت‌کنندگان و کنترل‌پذیر بودن متغیرها، بستر مناسبی برای مدل‌سازی شناخت اجتماعی فراهم کرده است.

در فصل دوم، مبانی نظری پژوهش تشریح می‌شود. نویسنده بیان می‌کند که هیجان‌ها باید در قالب نظریه ذهن مدل‌سازی شوند. در این دیدگاه، مشاهده‌کننده هنگام دیدن رفتار یک فرد ابتدا سعی می‌کند باورها، اهداف، ارزش‌ها، هزینه‌ها و ترجیحات او را استنباط کند. سپس بر اساس این عوامل، ارزیابی ذهنی فرد از رویداد (Appraisal) را تخمین می‌زند و در نهایت هیجان احتمالی او را پیش‌بینی می‌کند. بنابراین، هیجان نتیجه مستقیم ارزیابی ذهنی فرد از شرایط است و نه صرفاً واکنشی خودکار به یک رویداد. این نگاه باعث می‌شود مدل بتواند تفاوت واکنش افراد مختلف به یک رویداد مشابه را نیز توضیح دهد.

در فصل سوم، نویسنده با اجرای مجموعه‌ای از آزمایش‌های رفتاری نشان می‌دهد که انسان‌ها در بسیاری از موارد نمی‌توانند تنها از روی حالت چهره، رویدادی را که باعث ایجاد آن احساس شده است به درستی تشخیص دهند. با این حال، اگر اطلاعاتی درباره زمینه وقوع رویداد در اختیار آنان قرار گیرد، دقت قضاوت‌ها به شکل چشمگیری افزایش پیدا می‌کند. نتایج مطالعات نشان می‌دهد که مشاهده‌کنندگان پیش از تفسیر چهره، ابتدا درباره احساس احتمالی فرد بر اساس شرایط موجود فرضیه‌سازی می‌کنند و سپس حالت چهره را در چارچوب همین فرضیه‌ها تفسیر می‌کنند. همچنین مشخص می‌شود که خطاهای افراد در استنباط هیجان کاملاً تصادفی نیست، بلکه از الگوهای مشخص و قابل مدل‌سازی پیروی می‌کند. این یافته‌ها از دیدگاه نظری پایان‌نامه حمایت می‌کنند که شناخت هیجان مبتنی بر استدلال علّی است، نه صرفاً تطبیق الگوهای ظاهری.

برای توضیح این رفتار، نویسنده مدلی با عنوان «استنباط استقرایی» (Abductive Inference Model) توسعه می‌دهد. این مدل فرض می‌کند مشاهده‌کننده ابتدا مجموعه‌ای از هیجان‌های ممکن را برای هر موقعیت پیش‌بینی می‌کند و سپس بررسی می‌کند که کدام‌یک از آن‌ها بهتر می‌تواند رفتار مشاهده‌شده را توضیح دهد. این مدل بدون نیاز به تنظیم پارامترهای متعدد، توانسته است الگوهای قضاوت انسان را با دقت قابل توجهی بازسازی کند و نشان دهد که بازنمایی‌های نهفته هیجان نقش کلیدی در استدلال انسان دارند.

در فصل چهارم، پژوهش وارد مرحله پیش‌بینی هیجان می‌شود. نویسنده مدل جدیدی با نام «مدل ارزیابی‌های استنباط‌شده» (Inferred Appraisals Model) معرفی می‌کند. در این مدل، اطلاعاتی مانند اهداف، باورها، منافع، عدالت، شهرت، ترجیحات اجتماعی، سود و زیان احتمالی افراد به عنوان عوامل مؤثر بر ارزیابی ذهنی در نظر گرفته می‌شوند. سپس این ارزیابی‌ها مبنای پیش‌بینی هیجان قرار می‌گیرند. یکی از دستاوردهای مهم این مدل آن است که می‌تواند ساختار پنهان قضاوت‌های هیجانی انسان را از روی داده‌های رفتاری استخراج کند و تفاوت واکنش افراد مختلف در شرایط یکسان را توضیح دهد. همچنین نشان داده می‌شود که اطلاعات شخصی درباره افراد، مانند شغل یا ویژگی‌های اجتماعی، می‌تواند بر پیش‌بینی احساسات آنان اثر بگذارد.

فصل پنجم به توسعه یک سامانه هوشمند اختصاص دارد که بتواند بدون دخالت انسان هیجان را استنباط کند. برای این منظور، نویسنده مدل‌های بینایی ماشین را با مدل‌های بیزی و مدل ارزیابی‌های استنباط‌شده ترکیب می‌کند. ابتدا الگوریتم‌های بینایی ماشین اطلاعات مربوط به حالت چهره را استخراج می‌کنند، سپس مدل ارزیابی‌های استنباط‌شده اطلاعات زمینه‌ای را تحلیل می‌کند و در نهایت هر دو منبع اطلاعاتی در یک مدل علّی ادغام می‌شوند تا هیجان فرد پیش‌بینی شود. نتایج نشان می‌دهد که اگرچه الگوریتم‌های بینایی ماشین هنوز در استخراج دقیق اطلاعات هیجانی از چهره محدودیت دارند، اما ترکیب آن‌ها با استدلال مبتنی بر زمینه باعث افزایش قابل توجه دقت سیستم می‌شود. نویسنده نتیجه می‌گیرد که توسعه هوش هیجانی مصنوعی تنها با پیشرفت بینایی ماشین ممکن نیست و مدل‌های شناختی و استدلال علّی نیز باید در طراحی این سامانه‌ها نقش اساسی داشته باشند.

در مجموع، این پایان‌نامه نشان می‌دهد که شناخت هیجان فرایندی چندمرحله‌ای، علّی و مبتنی بر استدلال است. انسان‌ها هنگام مشاهده دیگران تنها به حالات چهره توجه نمی‌کنند، بلکه هم‌زمان اطلاعات مربوط به موقعیت، اهداف، باورها، ارزش‌ها، ترجیحات اجتماعی و پیامدهای احتمالی رویدادها را نیز تحلیل می‌کنند. پژوهش با ترکیب علوم شناختی، روان‌شناسی، نظریه ذهن، مدل‌های بیزی، مدل‌های مولد و بینایی ماشین، چارچوبی ارائه می‌دهد که می‌تواند مبنای نسل جدید سامانه‌های هوش مصنوعی دارای شناخت اجتماعی و هوش هیجانی باشد. مهم‌ترین دستاورد پایان‌نامه نیز ارائه یک چارچوب محاسباتی برای مدل‌سازی بنیان‌های شناختی درک هیجان انسان است؛ چارچوبی که علاوه بر توضیح رفتار انسان، می‌تواند مسیر توسعه ماشین‌هایی با توانایی درک بهتر احساسات و تعامل طبیعی‌تر با انسان را هموار کند.