利用情感控制理论推进虚拟智能体的情感智能
作者
情感智能虚拟智能体(AIVAs)是一个新兴研究领域,整合了人工智能、情感计算和虚拟智能体技术。这种融合旨在开发能够感知、解释和响应人类情感的可交互系统。情感控制理论(ACT)是由Heise(1977年)开发的理论框架,由Robillard和Hoey(2018年)改编用于虚拟智能体应用,提出个体会无意识地将自己的情感行为与对话者的行为进行比较,从而形成对后者的预测。满意度和心理压力水平随后受到对话者行为与这些预期相符程度的影响。在本文中,我们介绍了一款采用ACT概念的AIVA,用于解释用户文本并为正在开发的虚拟角色AvataRena生成情感一致的反应、面部表情和手势,我们开发该角色的目的是作为虚拟生活教练。使用DeepMoji网络,用户文本输入被映射到表情符号,然后映射到三维情感空间。然后,我们使用提示工程创建由ACT分析调节的ChatGPT响应,以提供情感一致的文本和非言语响应。这种对齐遵循ACT中的偏转原理,提出较低的偏转值对应于所唤起情感的更高积极性。为了验证模型,我们使用从咨询师-患者互动中衍生的1480个问题进行了对照模拟,以探索提示工程生成的ChatGPT响应在有和没有ACT调节之间的差异。具体而言,我们发现ACT调节的AIVA响应的偏转值显著降低,表明调节后的系统比未经调节的ChatGPT更紧密地遵循预期的情感行为。这是一个大效应(t(1479)=-33.03, p<.001,Cohen's d = 0.862)。未来工作将调查这一有希望的结果是否转移到生活教练环境中扩展交互期间增强的用户满意度和响应一致性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
研究问题
3- 基于情感控制理论(ACT)的虚拟智能代理如何实现更加动态和连续的情感识别与反应?分类: LLM使用不满、策略调整与满意度同类问题arrow_forward
- ChatGPT结合ACT框架能否生成更加符合用户情感期望的对话内容与行为?分类: LLM使用不满、策略调整与满意度同类问题arrow_forward
- 情感状态的连续性表示和语言-非语言行为的动态一致性能提升用户对虚拟代理的信任度吗?分类: LLM使用不满、策略调整与满意度同类问题arrow_forward
现实痛点
1- 虚拟助手难以准确理解和反应用户的情感,从而降低其可信度。分类: LLM使用不满、策略调整与满意度同类问题arrow_forward
- 67%
使用基于图像的语言模型生成情感对话
CHI '18· 智能语音助手(Alexa、Siri 等) +1
- 67%
理解与对话代理的情感体验
CHI '19· 智能语音助手(Alexa、Siri 等) +1
- 67%
“适合情境的声音”:理解支持最终用户声音定制的需求和挑战
CHI '22· 会话代理的人格与拟人化 +1
- 67%
一个新的恐怖谷?语音保真度和人类听众性别对虚拟人类说话者社交认知的影响
CHI '22· 智能语音助手(Alexa、Siri 等) +1
- 67%
模拟智能虚拟代理在时间陈述中的人类不精确性
CHI '22· 智能语音助手(Alexa、Siri 等) +1
- 67%
超级可爱音调:放大计算机语音的“可爱”因素
CHI '25· 智能语音助手(Alexa、Siri 等) +1
- 67%
探索幽默作为语音助手沟通失误时的修复策略
CUI '23· 智能语音助手(Alexa、Siri 等) +1
- 67%
「你好,这是一个语音助手打来的电话」——当某人在普通日子里打电话自称是机器时
DIS '25· 智能语音助手(Alexa、Siri 等) +1
- 67%
打字行为不仅仅是速度:尽管打字速度较慢用户选择词汇建议的策略
MobileHCI '23· 智能语音助手(Alexa、Siri 等) +1
- 67%
基于智能体的智能手机使用调解:促进共处情侣的互动
MobileHCI '24· 智能语音助手(Alexa、Siri 等) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)