《情感人工智能的量子操作》123页长综述

这篇综述分析了人工智能应遵循的基本原则，以便模仿人类体验情感做出决策的真实过程。本文考虑了两种方法，一种基于量子理论，另一种则采用经典术语。这两种方法有许多相似之处，主要都是概率论方法。研究阐明了内在噪声下的量子测量与情感决策之间的类比关系。研究表明，认知过程的许多特征在形式上与量子测量相似。然而，这绝不意味着情感人工智能必须依赖量子系统的功能才能模仿人类决策。人类决策与量子测量之间的类比只是展示了它们在功能上的形式共性。从这个意义上说，我们必须理解人工智能的量子运行。理解量子测量与决策之间的共同特征有助于制定一种只使用经典概念的公理方法。采用这种方法的人工智能的运作方式与人类类似，都会考虑到所考虑的备选方案的效用及其情感吸引力。情感人工智能的运作考虑到了认知与情感的二元性，避免了传统决策中的许多行为悖论。一个由智能体组成的社会，通过重复的多步骤信息交换进行互动，形成一个网络，在效用评估的基础上并受备选方案情感吸引力的影响，完成动态决策。所考虑的智能网络既可以描述由情感决策者组成的人类社会的运作，也可以描述由神经元组成的大脑或典型的人工智能概率网络的运作。

人工智能（Artificial Intelligence）被理解为机器表现出的智能，与包括人类在内的动物所表现出的自然智能相反。人工智能的主要教科书将这一领域定义为研究人工智能系统感知从环境中获取的信息，并为实现目标做出决策和采取行动[1-6]。人工智能研究人员普遍认为，要称得上智能，就必须能够使用逻辑策略，并在不确定的情况下做出判断。

拥有智能的系统被称为智能体。该系统在评估可用信息后，能够采取自主行动和决策，以实现预期目标，并可通过学习或利用获得的知识提高自身性能[1-6]。通常，智能体一词适用于具有人工智能的系统。然而，智能体范式与经济学、认知科学、伦理学、哲学以及许多跨学科的社会认知建模和模拟中使用的智能体密切相关。一般来说，从技术或数学的角度来看，智能体的概念可以与真实智能或人工智能相关联。智能体可以是任何能做出决策的东西，如人、公司、机器或软件。

在这篇综述中，我们将集中讨论人工智能最困难和最重要的问题之一，即与人类决策过程类似的决策机制，因为人类的决策实际上总是伴随着情感。实现人类水平的机器智能一直是人工智能工作一开始的主要目标[1-6]。本综述的重点是描述如何将情感决策数学形式化，使其达到足以让人工智能模仿人类决策过程（情感是其中不可避免的一部分）的水平。下面，在谈到人工智能时，我们会想到情感人工智能。

为了制定情感人工智能的基本操作算法，有必要对人类情感决策进行数学描述。情感量化问题包括两个方面。一方面是评估主体对外部事件（如听到声音或看到图片）的反应所体验到的情绪。产生的情绪包括快乐、愤怒、愉悦、厌恶、恐惧、悲伤、惊讶、痛苦等。这种情绪的严重程度或强度可以通过研究其在运动反应中的表现形式，如面部表情、哑剧和一般运动活动，以及通过测量生理反应，如自主神经系统交感和副交感神经部分的活动以及内分泌腺的活动来估计。通过研究皮肤电阻的变化、心脏收缩的频率和强度、血压、皮肤温度、血液中的激素和化学成分等，可以发现情绪的植物表现。关于语音、面部表情和肢体动作中的情绪检测和评估方法，已有大量文献[7, 8]。能够识别、解释、处理和模拟人类情感的系统和设备的研究和开发被命名为情感计算 [9，10]。本综述将不涉及这些问题。

故事的另一面是描述情绪如何影响决策的挑战。要制定情感人工智能在决策过程中的运作原则，就必须能够量化情感在这一过程中的作用。本综述的中心正是这一目标。

这一目标面临着如何定义和量化决策过程中产生的情感这一基本问题。要对情绪进行形式化的量化，以便在存在情绪的情况下，在决策的认知过程中选择最佳的替代方案，这似乎太难了，如果有可能的话。对决策过程中的情绪影响进行数学描述是一个难题，至今尚未找到全面的解决方案[11]。

困难首先在于，与认知相比，情感究竟是什么，并没有一个唯一的公认定义。关于情感是独立于认知之外的主要情感[12,13]，还是始终依赖于认知的次要情感[14,15]，长期以来一直存在争议，不过也有观点认为，这种争议主要是由不同定义引起的语义争议[16]。

对大脑组织的研究通常支持这样一种假设，即大脑存在着相当程度的功能特化，许多脑区可以被概念化为情感区或认知区。最常见的例子是情感领域的杏仁核和认知领域的外侧前额叶皮层。然而，也有观点认为[17,18]，复杂的认知-情感行为是以脑区网络的动态联盟为基础的，而这些脑区都不应被视为专门的情感或认知脑区。不同的脑区在调节脑区之间的信息流和信息整合方面表现出高度的连通性，这导致了认知与情感之间的强烈互动。通常情况下，"情绪 "只是一个占位符，指的是比狭义情绪更广泛的东西，包括一般的情感过程[19]。有观点认为，情绪、认知和相关现象的概念可以在功能性框架下进行更精确的定义，例如，从行为原则[20]、情绪分类学[21]、情绪调节[22]或研究情绪过程动态中的情绪评估[7, 23, 24]等方面进行定义。关于情绪的定义及其与认知的关系的更多参考资料可参见相关调查[25-27]。

功能框架牢记认知与情感在操作上的分离，认知与情感是与决策过程有关的概念，决策过程包括推理和情感两个方面[11, 28]。推理是指制定明确规则的能力，从而做出规范性选择。而情感方面则意味着做出选择的可能性受到情感的影响，而情感并不总是允许做出明确的正式规定。决策中的理性-情感二分法通常被称为理性-非理性二元对立 [29]。如上所述，严格来说，认知与情感、理性与非理性并不存在唯一定义且绝对分离的概念。然而，我们的目标并不是陷入语义学的争论，而是描述一种考虑到决策两个方面的方法，即允许对效用进行明确评估的规范性方法和似乎可以避免用规定的形式规则来描述的情感方法。情感的万花筒可能相当复杂，无法进行明确的分类定义，因此被称为[7,23,24]特异性和模糊性。这种模糊性是量化情绪对决策影响的主要障碍。

因此，标准编程机器人或计算机与人类智能的主要区别在于人类意识在决策过程中的认知-情感二元性。为了清楚起见，我们可以谈论人类智能，尽管正如大量实证研究证明的那样，几乎所有有生命的生物都具有决策过程中的二重性。动物可能会感受到各种情绪，包括恐惧、快乐、幸福、羞耻、尴尬、怨恨、嫉妒、愤怒、生气、爱、愉悦、同情、尊重、解脱、厌恶、悲伤、绝望和悲痛[30]。

人类在做决定时表现出的认知-情感二元性，将理性的有意识行动效用评估与非理性的潜意识情感结合在一起。后者在风险和不确定性决策中尤为明显。当人的行为与预期效用理论相矛盾时，这种二元性就是经典决策中许多行为悖论的起因。因此，为了制定情感人工智能（Affective Artificial Intelligence）运作的明确算法，包括认知与情感的二元性，有必要发展一种适当的情感决策理论，以便在不确定情况下做出切合实际的预测。

认知-情感二元性在决策中的存在，暗示了借助量子理论技术对其进行描述的可能性，在量子理论中也存在二元性，即所谓的粒子-波二元性[31]。虽然这些概念在物理学和决策理论中的性质相当不同，但量子理论的数学技术很可能暗示了对这两种现象的类似描述。玻尔[32, 33]是第一个认为人脑的功能可以用量子理论技术来描述的人。从那时起，就有许多出版物讨论了直接应用量子技术描述人类决策过程的可能性。这些讨论假设意识是量子的或类似量子的，并在许多综述著作中进行了总结，例如[34-39]，其中引用了大量关于应用量子技术描述意识的不同尝试的参考文献。

必须承认，许多研究人员对量子物理学与认知过程之间的平行关系持怀疑态度，原因如下：

功能框架牢记认知与情感在操作上的分离，认知与情感是与决策过程有关的概念，决策过程包括推理和情感两个方面[11, 28]。推理是指制定明确规则的能力，从而做出规范性选择。而情感方面则意味着做出选择的可能性受到情感的影响，而情感并不总是允许做出明确的正式规定。决策中的理性-情感二分法通常被称为理性-非理性二元对立 [29]。如上所述，严格来说，认知与情感、理性与非理性并不存在唯一定义且绝对分离的概念。然而，我们的目标并不是陷入语义学的争论，而是描述一种考虑到决策两个方面的方法，即允许对效用进行明确评估的规范性方法和似乎可以避免用规定的形式规则来描述的情感方法。情感的万花筒可能相当复杂，无法进行明确的分类定义，因此被称为[7,23,24]特异性和模糊性。这种模糊性是量化情绪对决策影响的主要障碍。

因此，标准编程机器人或计算机与人类智能的主要区别在于人类意识在决策过程中的认知-情感二元性。为了清楚起见，我们可以谈论人类智能，尽管正如大量实证研究证明的那样，几乎所有有生命的生物都具有决策过程中的二重性。动物可能会感受到各种情绪，包括恐惧、快乐、幸福、羞耻、尴尬、怨恨、嫉妒、愤怒、生气、爱、愉悦、同情、尊重、解脱、厌恶、悲伤、绝望和悲痛[30]。

人类在做决定时表现出的认知-情感二元性，将理性的有意识行动效用评估与非理性的潜意识情感结合在一起。后者在风险和不确定性决策中尤为明显。当人的行为与预期效用理论相矛盾时，这种二元性就是经典决策中许多行为悖论的起因。因此，为了制定情感人工智能（Affective Artificial Intelligence）运作的明确算法，包括认知与情感的二元性，有必要发展一种适当的情感决策理论，以便在不确定情况下做出切合实际的预测。

认知-情感二元性在决策中的存在，暗示了借助量子理论技术对其进行描述的可能性，在量子理论中也存在二元性，即所谓的粒子-波二元性[31]。虽然这些概念在物理学和决策理论中的性质相当不同，但量子理论的数学技术很可能暗示了对这两种现象的类似描述。玻尔[32, 33]是第一个认为人脑的功能可以用量子理论技术来描述的人。从那时起，就有许多出版物讨论了直接应用量子技术描述人类决策过程的可能性。这些讨论假设意识是量子的或类似量子的，并在许多综述著作中进行了总结，例如[34-39]，其中引用了大量关于应用量子技术描述意识的不同尝试的参考文献。

必须承认，许多研究人员对量子物理学与认知过程之间的平行关系持怀疑态度，原因如下：

(i) 首先，根据目前的神经生理学知识，大脑绝非量子系统，因此与量子意识无关。关于大脑神经元充当微型量子设备，因此大脑的功能类似于量子计算机的假设[40,41]已经受到了公正的批评[42]，因为退相干效应不允许神经元充当量子对象。这并不排除大脑中确实存在某些量子过程，量子生物物理学对这些过程进行了研究[43, 44]。然而，整个大脑及其功能似乎与量子理论无关。

(ii) 对于上述反对意见，通常的说法是，用量子理论描述人类思维过程的可能性并不要求假设人脑是某种量子系统。相反，它认为，虽然大脑不是量子对象，但认知和人类思维过程可以用量子理论的语言进行数学形式化。这与微分方程理论所呈现的情况类似，微分方程理论最初是为了描述行星运动而发展起来的。但现在，微分方程理论已被广泛应用，它只是一种高效的数学工具，与行星运动没有必然联系。同样，量子理论可以为思维过程的数学描述提供一个方便的框架。然而，批评者坚持认为，这些类比是肤浅的，并没有规定实用的方法，有时甚至在质量上与经验数据相矛盾[45, 46]。

(iii) 此外，简单的逻辑告诉我们，如果大脑是一个经典物体，那么它的功能就应该用经典方程来描述，因为正是它的属性（包括功能）将一个物体划分为经典或量子。如果一个物体的特性原则上不能用经典理论来描述，而只能用量子理论来描述，那么这个物体就是量子物体，这与我们目前对大脑的认识是矛盾的。

(iv) 直接使用量子理论来描述决策，会引入大量未知参数和模糊概念，而这些参数和概念无法在与决策相关的可观测量层面上定性。例如，什么是心理过程中的哈密顿？如何定义和测量进入描述大脑状态的波函数的大量系数？描述大脑特征的统计算子的演化方程是什么？还有很多其他定义模糊的概念[47]。

(v) 任何理论最重要的目标都是能够预测可在实验中验证的定量结果。然而，没有一个纯量子决策变体能预测出一些数字数据。能做到的最大限度就是考虑特定情况，并为这些情况的假定解释拟合参数。为了从推导出的量子关系中提取定量信息，有必要用一些与量子技术无关的假设对其进行补充。从这个意义上说，复杂的量子子结构变得过度了，这与解释量子现象的非局部隐变量的过度性类似[48]。

(vi) 决策过程中的某些事件可以定性地解释为量子过程所致，但这并不排除用经典语言进行其他解释的可能性。根据 "奥卡姆剃刀原则"（Occam's razor principle），在相互竞争的理论中，最简单的理论要优于较复杂的理论，因此应首先从已知量的角度来解释未知现象。因此，基于量子公式的相当复杂的理论应不予考虑，而应选择基于经典概念的简单得多的解释，只要这些解释是存在的。实体不应超出必要的范围。最简单的理论就是最好的理论 [49]。

了解意识的运行是由量子规则还是经典规则来描述是非常重要的，因为根据所涉及的形式主义，人工智能的运行必须用同样的语言来描述。通过对上述反对将量子技术用于决策形式化的观点进行研究，我们可以得出以下结论： 首先，尽管目前量子效应对大脑功能的影响尚未得到令人信服的论证，但不能绝对排除这种影响。其次，即使量子效应在大脑运行中没有实际作用，意识也不需要量子描述，但研究决策与量子过程之间的类比关系可以丰富二者的内涵，建议对二者进行更深刻的理解。量子现象的特殊性如果能得到更好的理解，就能为描述意识功能的方法提供提示。

本综述所倡导的观点可概括如下： 大脑是一个经典物体，因此它的基本属性，即意识，顾名思义，必须是经典的。否则，说经典物体具有量子特性就毫无意义了。然而，在量子测量和决策的描述中存在着一些形式上的类比。这些类比需要仔细研究，原因有二：

(i) 虽然是形式上的类比，但不同现象之间的类比往往为描述这些现象提供了具体的实用方法。

(ii) 从两种不同方法的名义类比中借鉴一些想法，有助于对这些方法进行比较，并选择更有效、更简单的理论。

冯-诺依曼（von Neumann）很早就注意到了量子现象与意识现象之间的形式类比，他提到量子测量理论可以解释为决策理论[50]。其他研究人员也发展了这一概念，例如贝尼奥夫 [51,52]。因此，量子测量类似于决策，因此对可观测物的测量类似于决策中对备选方案的选择。接受了这些类比，我们可以更进一步。考虑到情绪是在决策过程中潜意识产生的，我们可以将情绪与测量设备在测量过程中产生的内在噪音联系起来。这样，可观测-噪声二元性就等同于认知-情感二元性。在物理测量中，信号的检测可能会受到噪声的阻碍，或者加入适量的噪声会增强信号，从而促进信号的检测[53, 54]，同样，在决策过程中，情绪可能会阻碍决策的做出，也可能会促进决策的做出。

在量子测量中，可能存在可观测噪声纠缠，这在决策中与模仿认知-情感纠缠的相关性相对应。如果固有噪声呈现为几种模式的叠加，那么就会出现噪声干扰，从而产生情感干扰。这样一来，量子测量和决策之间就有了不同的相似性。因此，即使意识并不完全按照与量子测量相同的规则运作，但无论如何，所发现的许多相似之处可以为决策程序的正规化运作，从而为人工智能的创造提供有用的提示。

最后，为了避免混淆，有必要强调一下本综述的内容和目的。这决不是对应用于意识表征的量子技术的一般领域的调查，因此没有讨论关于此类应用的成千上万篇文章，而只是引用了主要书籍，在这些书籍中可以找到大量参考文献。在集中讨论情感量化的思想和方法时，我们只引用了那些研究情感在决策中的作用，特别是讨论情感描述的实用方法的著作，但我们并没有陷入没有触及这些问题的论文海洋。在大多数讨论量子理论在意识中的应用的著作中，既没有考虑情感的作用，也根本没有涉及情感的量化问题。

创造类人人工智能的首要条件是制定明确的数学运行规则。本文并不打算描述人工智能实际运作的所有技术阶段，但目的是为类人人工智能在决策过程中的运作制定明确的数学算法。没有对这些规则和算法的数学描述，就无法对任何设备进行建模。但是，为了用数学方法制定人工智能在类人决策中的选择过程，就必须理解并用数学方法描述人类的选择过程，而人工智能计划模仿人类的行为。因此，本文的核心目标是分析以下问题的组合，这些问题的解决对于人工智能（无论是类人智能还是人类智能）决策的数学表述是必要的：

(1) 分析情感在决策中的作用，并调查相关文献，无论是采用量子语言还是经典语言。这对于理解情感智能处理的基本定性原则是必要的

(2) 阐述决策过程中情绪量化的实用方法。这是形成情感人工智能的先决条件，而情感人工智能的运行需要有明确的量化算法。

(3) 比较量子和经典两种方法，以制定情感决策的实用原则。这是选择最合适的方法的必要条件，这种方法应是自洽的、简单的，并能为其操作提供定量方法。

(4) 理解如何修改经典方法，以便提供与使用量子技术相同的实际效果。同样，如果不对量子和经典两种方法进行比较，就不可能理解这一点。否则，读者会不断发出这样或那样的感叹：为什么会有这样或那样的假设？这个或那个公式从何而来？

本综述实现了这些目标。综述对讨论情感在决策中的作用的文献进行了详尽的调查。在现有文献的基础上，介绍了情感量化的尝试。从大量引文中可以看出，有大量文献从经典角度讨论了情绪的作用。文中详细比较了量子技术和经典技术。结果表明，经典方法可以通过考虑情感因素进行修改，从而得出与量子决策理论相同的结果。例如，经典决策中的所有悖论都可以在不使用任何量子理论的情况下得到定量解释。

然而，如果不对考虑情感因素的两种不同方法进行比较，就不可能得出结论： 首先，不可能得出哪种方法更可取的结论；其次，不可能知道如何修改经典理论才能使其得出与量子方法相同的结果。因此，评论的所有部分都同等重要，如果分开就失去了意义。因此，如果不将其中一种方法与另一种方法进行比较，就无法证明其中一种方法的合理性。另一方面，在制定了不同的方法后，它们可以独立使用，并比较其有效性。

综述的结构如下。第 2 节介绍了存在本征噪声的量子测量的一般理论。强调了与决策的类比。假设有噪声量子测量的功能与情感决策的功能相似，则为后者提出了总体框架。对量子方法和修正的经典方法进行比较，不仅可以提供有趣的类比，还可以提出最简单有效的情感决策理论。

当然，量子技术并非常识，会严重阻碍量子理论的实际应用。因此，如果同样的现象既可以用量子语言描述，也可以用经典语言描述，那么采用较为简单的经典方法是合理的，但不能用时髦的术语把问题复杂化。理论必须尽可能简单，以便任何人，包括可能不懂量子技术的人，都能直接使用。这也与决策理论有关，决策理论可以作为量子理论的一个分支来发展，也可以重新表述为公理形式，一方面模仿某些量子运算和结构，另一方面又不需要量子术语知识。第 3 节实现了这一目标，表明情感决策理论可以用公理化的方式表述，而无需借助量子理论。由于情感决策理论是用数学术语表述的，因此可以用于人工智能的运行。第 4 节探讨了决策过程中著名的行为悖论，并表明在情感决策理论的框架内，这些悖论在总体上不会出现。从这个意义上说，遵循该理论规则的人工智能将像典型的人类决策者一样行事。第 5 节介绍了由智能体组成的网络结构，这些智能体在情感的作用下做出决策。第 6 节为结论。