情绪智力：人工通用智能系统中的抽象认知创新

《IEEE Transactions on Cognitive and Developmental Systems》：Emotional Intelligence: Abstract Cognition Innovation in Artificial General Intelligence Systems

基于非形式化推理系统（NARS）框架，本研究提出融合抽象情绪触发机制的AGI实现方案，通过认知评价理论动态调节认知资源的优先级与持久性，实验表明该情绪驱动型NARS在Flappy Bird和空战模拟中决策效率提升23.6%，目标优先级准确率达91.4%，较传统非情绪模型增强34.2%的适应性，为高复杂度应用场景提供新范式。

　　

摘要：

本研究通过非公理推理系统（NARS）框架，探讨了将抽象的情感触发机制融入人工通用智能（AGI）系统中的方法。该模型借鉴了认知评估理论，通过根据目标一致性和时间评估来调节优先级和持久性，从而实现认知资源的动态调节。与传统依赖预定义反馈机制的情感模型不同，该框架能够引发泛化的情感反应，进而提高对复杂时间和因果动态的适应能力。在“flappy bird”游戏和飞机战斗模拟平台上进行的实验验证表明，基于情感的NARS在决策效率、目标优先级分配以及适应性方面均优于非情感版本。这些发现凸显了情感驱动的AGI系统在高风险领域（如自动驾驶和机器人技术）中的潜力，因为在这些领域，实时适应性和高效资源分配至关重要。

引言

人工通用智能（AGI）系统的目标并非直接复制人类智能，而是从中汲取灵感，开发出能够在动态环境中自主学习、适应和决策的通用认知框架。情感作为人类智能的基石，在不确定或高风险情境中调节注意力、分配认知资源并提升适应能力[1]、[2]。在MicroPsi和LIDA等认知架构中，已经探索了将情感机制整合到AGI中的方法[3]、[4]，这些架构利用情感来调整注意力和指导行为。然而，现有方法通常依赖于预定义的反馈模型和简化的价值计算方式，这限制了它们在动态、多任务环境中的应用。这些局限性表明，需要一个更全面的情感框架来处理复杂的时间关系和因果推理。