🤖 AI

Emotional regulation improves deep learning-based image classification

Dieses Paper stellt „Emotional Regulation“ vor, ein neuartiges Deep-Learning-Framework, das künstliche subjektive Erfahrung und affektives Pre-Training nutzt, um die Bildklassifizierungsleistung auf CIFAR-Benchmarks signifikant zu verbessern und einen neuen Stand der Technik im Bereich des emotionsgestützten Lernens zu etablieren.

Ursprüngliche Autoren: Riccardo Emanuele Landi, João M. F. Rodrigues, Marta Chinnici

Veröffentlicht 2026-06-12

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Riccardo Emanuele Landi, João M. F. Rodrigues, Marta Chinnici

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Die Kernidee: Einem KI eine „Stimmung“ geben

Stellen Sie sich vor, Sie versuchen, einem Roboter beizubringen, Bilder von Katzen und Hunden zu erkennen. Normalerweise zeigen Sie ihm einfach tausende Fotos und sagen: „Das ist eine Katze, das ist ein Hund.“ Der Roboter lernt durch das Auswendiglernen von Formen und Farben.

Diese Arbeit stellt eine andere Frage: Was wäre, wenn der Roboter eine „Stimmung“ oder eine „Vergangenheit“ hätte, die beeinflusst, wie er die Welt sieht?

Beim Menschen verändern Emotionen die Art und Weise, wie wir lernen. Wenn Sie ein Bild einer gruseligen Spinne sehen, während Sie bereits ängstlich sind, erinnern Sie sich vielleicht anders daran, als wenn Sie sich ruhig fühlen würden. Die Forscher wollten herausfinden, ob es die KI intelligenter bei der Bilderkennung machen würde, wenn man ihr eine solche „emotionale Geschichte“ gäbe.

Das Problem mit alten KI-„Emotionen“

Frühere Versuche, KI Emotionen zu geben, waren so, als würde man einen Roboter mit einem aus Drähten bestehenden Fake-Herz bauen. Man versuchte, die Biologie des menschlichen Gehirns nachzuahmen (wie Hormone oder spezifische Hirnregionen). Aber die Autoren argumentieren, dass dies den wichtigsten Teil der menschlichen Emotion verpasst: die Subjektivität.

Der alte Weg: „Mein Gehirn hat einen Botenstoff namens Dopamin, also fühle ich mich glücklich.“ (Fokus auf Hardware/Biologie).
Der neue Weg: „Ich habe gestern einen Sonnenuntergang gesehen, und das hat mich ruhig gemacht, also sehe ich die Welt jetzt durch eine ‚ruhige‘ Brille.“ (Fokus auf Erfahrung/Subjektivität).

Die Lösung: „Emotional Regulation“ (Emotionale Regulierung)

Die Forscher entwickelten ein neues System namens Emotional Regulation. Stellen Sie sich das wie ein Dreierteam vor, das zusammenarbeitet, um ein Bild zu identifizieren:

Der Logik-Bot (Nicht-emotional): Dies ist eine Standard-KI. Sie betrachtet das Bild und sagt: „Basierend auf den Pixeln ist die Wahrscheinlichkeit, dass dies eine Katze ist, 90 %.“ Er hat keine Gefühle.
Der Gefühls-Bot (Emotional beeinflusst): Diese KI wurde mit einem Datensatz emotionaler Bilder vortrainiert (wie wütende Gesichter, glückliche Landschaften oder traurige Szenen). Sie lernt, Bilder mit Gefühlen zu verknüpfen. Sie sieht das Bild an und sagt: „Dies fühlt sich wie ein ‚gruseliges‘ oder ‚glückliches‘ Bild an.“
Der Schiedsrichter (Der Regulator): Dies ist der wichtigste neue Teil. Der Schiedsrichter hört sowohl dem Logik-Bot als auch dem Gefühls-Bot zu. Er entscheidet: „Wie sehr sollte ich dem Gefühls-Bot im Moment vertrauen?“

Die Analogie:
Stellen Sie sich vor, Sie machen eine Prüfung.

Der Logik-Bot ist Ihr Fachwissen aus dem Lehrbuch.
Der Gefühls-Bot ist Ihr Bauchgefühl oder Ihre Intuition basierend auf vergangenen Erfahrungen.
Der Schiedsrichter ist Ihr Gehirn, das entscheidet, wann Sie Ihrem Bauchgefühl vertrauen und wann Sie sich an das Lehrbuch halten sollen.

Manchmal hilft Ihnen Ihr Bauchgefühl, die richtige Antwort zu finden. Manchmal täuscht es Sie auch. Das „Emotional Regulation“-System lernt genau, wann es dem „Bauchgefühl“ (der emotionalen Geschichte) vertrauen muss, um das Endergebnis zu verbessern.

Wie sie es getestet haben

Die Forscher haben nicht nur geraten; sie führten ein massives Experiment durch:

Das „Stimmungs“-Training: Zuerst lehrten sie den „Gefühls-Bot“ anhand von vier verschiedenen Sets emotionaler Bilder (echte Fotos, abstrakte Gemälde und sogar KI-generierte Kunst). Dies gab dem Bot eine „subjektive Geschichte“.
Der Test: Dann baten sie das gesamte Team (Logik + Gefühl + Schiedsrichter), Bilder in zwei sehr berühmten, schwierigen Bildersätzen zu identifizieren: CIFAR-10 (10 Arten von Objekten) und CIFAR-100 (100 Arten von Objekten).

Die Ergebnisse: Emotion macht die KI schlauer

Die Ergebnisse waren eindeutig: Das Team mit dem „Schiedsrichter“ und der „emotionalen Geschichte“ hat gewonnen.

Bessere Punktzahlen: Das neue System schlug die Standard-„Logik-nur“-KI. Beispielsweise verbesserte das neue System bei dem schwierigeren Test (CIFAR-100) die Genauigkeit um über 3 % im Vergleich zum Standardmodell. In der Welt der KI ist das ein riesiger Sprung.
Neuer Rekord: Die Arbeit behauptet, dass diese Methode nun der „State-of-the-Art“ (der weltweit beste Stand der Technik) für emotionsgestützte Deep-Learning-Anwendungen auf diesen spezifischen Bilddatensätzen ist.
Es ist nicht nur „mehr Emotion“: Interessanterweise folgte das System den Emotionen nicht blind. Der „Schiedsrichter“ lernte, die beiden zu balancieren. Wenn die emotionale Geschichte verwirrend war, lehnte sich der Schiedsrichter wieder auf den Logik-Bot zurück. Wenn die Emotion half, lehnte sich der Schiedsrichter in diese Richtung.

Was das bedeutet (laut der Arbeit)

Die Arbeit kommt zu dem Schluss, dass subjektive Erfahrung wichtig ist. Obwohl die KI kein Mensch mit echten Gefühlen ist, hilft die Simulation einer „Geschichte emotionaler Erfahrungen“ dabei, besser zu lernen.

Es geht nicht darum, die menschliche Biologie zu kopieren: Sie haben nicht versucht, ein digitales Gehirn mit künstlichen Hormonen zu bauen.
Es geht um „Künstliche Subjektivität“: Sie haben ein System geschaffen, in dem die KI eine „persönliche Geschichte“ darüber hat, wie sie auf Dinge reagiert hat, und sie nutzt diese Geschichte, um heute bessere Entscheidungen zu treffen.

Zusammenfassung

Betrachten Sie diese Arbeit als das Lehren eines Roboters, nicht nur ein Bild zu „sehen“, sondern sich auch zu „erinnern“, wie es sich angefühlt hat, als er ähnliche Bilder zuvor gesehen hat. Durch das Hinzufügen eines „Schiedsrichters“, der weiß, wann er diesen Erinnerungen vertrauen muss, wird der Roboter signifikant besser darin, zu erkennen, was vor ihm liegt. Die Arbeit beweist, dass das Geben einer KI ein wenig „künstlicher Subjektivität“ sie zu einem besseren Lerner macht.

Technische Zusammenfassung: Emotionale Regulation verbessert die auf Deep Learning basierende Bildklassifizierung

Problemstellung
Bestehende Methoden für emotionsgestütztes Deep Learning stützen sich primär auf objektive neurophysiologische Faktoren, wie etwa anatomische Hirnstrukturen (z. B. Amygdala, präfrontaler Kortex) und hormonelle Prozesse (z. B. Dopamin, Angst, Selbstvertrauen). Obwohl diese Ansätze vielversprechend sind, vernachlässigen sie die Rolle der Subjektivität bei emotionalen Reaktionen. Menschliche emotionale Reaktionen werden nicht ausschließlich durch physiologische Zustände bestimmt, sondern sind maßgeblich von subjektiven Erfahrungen und der emotionalen Geschichte beeinflusst. Darüber hinaus mangelte es früheren Studien in diesem Bereich oft an End-to-End-Lernarchitekturen oder sie wurden nicht über diverse Sätze emotionaler Stimuli hinweg validiert, was die Robustheit und Generalisierbarkeit der Ergebnisse einschränkt. Die vorliegende Arbeit adressert die Lücke in der Modellierung künstlicher Emotionen, indem sie statt rein neurophysiologischer Definitionen die subjektive Erfahrung einbezieht.

Methodik: Das Framework der Emotionalen Regulation
Die Studie führt die Emotionale Regulation ein, ein Framework, das darauf ausgelegt ist, Emotionen im Deep Learning durch „künstliche subjektive Erfahrung“ zu modellieren. Der Kernmechanismus besteht darin, nicht-emotionale und emotional beeinflusste Vorhersagen basierend auf einem gelernten affektiven Zustand auszubalancieren.

Architektur: Das Framework verwendet drei Encoder:
- Nicht-emotionaler Encoder ( $E_n$ ): Das ursprüngliche Backbone (ResNet-50 oder ViT-B/16), das nicht-emotionale Repräsentationen erzeugt.
- Emotional beeinflusster Encoder ( $E_i$ ): Lernt Embeddings durch die Konkatenation von Merkmalen des nicht-emotionalen Encoders mit denen des emotionalen Encoders.
- Emotionaler Encoder ( $E_e$ ): Eine eingefrorene, vortrainierte Komponente, die eine „emotionale Geschichte“ aus einem Datensatz von Stimulus-Emotions-Instanzen lernt. Er gibt einen emotionalen Spektrum-Vektor ( $e$ ) aus.
Regulationsprozess ( $R$ ): Eine lernbare Regulationsschicht gewichtet die Ausgaben der nicht-emotionalen ( $p_n$ ) und der emotional beeinflussten ( $p_i$ ) Modelle basierend auf dem emotionalen Ergebnis ( $\hat{e}$ ). Die endgültige Vorhersage ( $p_r$ ) wird berechnet als:
$p_r = \hat{e} \cdot h_r \cdot p_n + (1 - \hat{e} \cdot h_r) \cdot p_i$
Wobei $h_r$ ein lernbarer Gewichtungsvektor ist, der die Intensität der Regulation für spezifische Emotionen darstellt.
Trainingsphasen:
- Emotionale Vorverarbeitung (Pre-training): Der emotionale Encoder wird auf einem spezifischen emotionalen Datensatz (z. B. EMOd, Diffused-EMOd, Abstract, EmoSet) optimiert, um die Abbildung zwischen visuellen Stimuli und emotionalen Kategorien zu lernen.
- Vorverarbeitung (Pre-training): Die nicht-emotionalen und emotional beeinflussten Encoder werden auf der Downstream-Aufgabe optimiert (oder bleiben eingefroren).
- Training: Das Gesamtsystem wird optimiert, wobei der Regulationsprozess ( $h_r$ ) lernt, die beiden Vorhersageströme auszubalancieren.
Experimentelle Konfigurationen: Die Autoren evaluierten mehrere Variationen, einschließlich nicht-lernbarer Regulation (feste Gewichte), lernbarer Regulation mit festen vortrainierten Encodern sowie vollumfänglich lernbarer End-to-End-Konfigurationen. Die Experimente nutzten ResNet-50 und ViT-B/16 Backbones, die auf ImageNet vortrainiert und auf CIFAR-10 und CIFAR-100 feinjustiert wurden.

Zentrale Beiträge

Neuartiger Modellierungsansatz: Schlägt Emotionale Regulation als Methode vor, um affektive Zustände im Deep Learning durch künstliche subjektive Erfahrung zu definieren, und schließt damit die Lücke, die durch rein neurophysiologische Modelle entsteht.
End-to-End-Erweiterung: Erweitert das Framework der Emotionalen Regulation auf vollständige End-to-End-Lernarchitekturen und geht damit über die Einschränkungen früherer Nicht-End-to-End-Implementierungen hinaus.
Robuste Validierung: Validiert den Ansatz über vier verschiedene emotionale Datensätze hinweg (reale Stimuli, synthetisch generierte Diffusionsbilder, abstrakte Gemälde und groß angelegte balancierte Sets), um die Generalisierbarkeit sicherzustellen.
State-of-the-Art-Leistung: Zeigt, dass Emotionale Regulation bestehende emotionsgestützte Lösungen auf groß angelegten Bildklassifizierungs-Benchmarks (CIFAR-10 und CIFAR-100) übertrifft.

Ergebnisse
Umfangreiche Experimente zeigten, dass lernbare Regulationsstrategien konsistent die ursprünglichen Backbones und nicht-emotionalen Baselines übertrafen:

Leistungssteigerungen: Auf CIFAR-10 verbesserte die beste Konfiguration (Rand-Learn-E-Reg mit ViT) die Genauigkeit um 0,34 % gegenüber dem ViT-Backbone. Auf CIFAR-100 erreichten die Verbesserungen 1,02 % für ViT und 3,19 % für ResNet.
Vergleich mit Vorarbeiten: Die vorgeschlagene Methode übertraf das AEmNN-Modell (eine vorherige State-of-the-Art-Lösung mittels emotionaler Backpropagation) auf CIFAR-10 und CIFAR-100 signifikant und erreichte Genauigkeitswerte von 97,32 % bzw. 86,24 %, verglichen mit den vorherigen 54,76 % und 27,53 %.
Regulationsdynamik: Die Studie fand heraus, dass die optimale Regulationsintensität nicht fix ist; sie variiert signifikant je nach emotionaler Geschichte (Vorverarbeitungs-Datensatz) und der Downstream-Aufgabe. Beispielsweise zeigten Modelle, die auf Diffused-EMOd trainiert wurden, eine signifikante Regulation semantisch kontrastierender Emotionen (z. B. Angst vs. Freude), während andere bestimmte Valenzen bevorzugten.
Ablations-Erkenntnisse: Lernbare Regulation lieferte konsistent Verbesserungen, während nicht-lernbare (feste) Regulation keine Garantien für Gewinne gegenüber dem Backbone bot. Die Ergebnisse legen nahe, dass ein vollständig von Emotionen beeinflusstes Modell die Lernprozesse nicht immer verbessert; ein Regulationsmechanismus ist notwendig, um die affektive Kognition für eine bessere Generalisierung zu modulieren.

Bedeutung und Ansprüche
Das Paper behauptet, dass Emotionale Regulation einen neuen Stand der Technik für emotionsgestütztes Deep Learning für groß angelegte Bilddatensätze etabliert. Die Studie liefert Beweise dafür, dass subjektive Erfahrung, modelliert als künstliche emotionale Geschichte, ein signifikanter Faktor zur Verbesserung der Optimierung des maschinellen Lernens ist.

Die Autoren betonen, dass ihre Arbeit nicht beansprucht, die menschliche Kognition zu replizieren oder künstliche Ergebnisse mit empirischen Humanstudien gleichzusetzen. Die Bedeutung liegt vielmehr darin, zu demonstrieren, dass die Einführung von „künstlicher Subjektivität“ – durch die Balance von emotionalen und nicht-emotionalen Repräsentationen mittels eines Regulationsmechanismus – die Generalisierungsfähigkeit tiefer neuronaler Netze erhöht. Das Framework legt nahe, dass Emotion als ein kognitiver Faktor fungiert, der, wenn er korrekt reguliert wird, das Lernen visueller Stimuli verbessert, was einen vielversprechenden Weg für zukünftige Architekturen in der Computer Vision und der Mensch-Roboter-Interaktion eröffnet.