A Computational Implementation of a Goal-Directed Theory of Affect

Menschen navigieren ständig durch eine Welt voller Ziele, vom einfachen Wunsch, einen Bus zu erwischen, bis hin zum komplexen Ehrgeiz, eine Karriere aufzubauen. Seit Jahrzehnten versuchen Wissenschaftler, den unsichtbaren Motor zu verstehen, der diese Bestrebungen antreibt: die Emotion. Im Bereich des Affective Computing entwickeln Forscher Computerprogramme, die Gefühle erkennen oder simulieren können, in der Hoffnung, Maschinen zu erschaffen, die natürlicher mit Menschen interagieren. Es gibt jedoch eine langjährige Spannung, die diese Arbeit plagt. Viele bestehende Modelle behandeln Emotionen als ein finales Etikett, das im Nachhinein auf eine Situation geklebt wird, wie ein Stempel auf einem Brief. Andere verlassen sich auf rohe Datensignale, denen die tiefe Verbindung zur menschlichen Psychologie fehlt. Das Ergebnis ist oft eine „Black Box“, bei der ein Computer ein Gefühl ausgibt, ohne eine klare, schrittweise Erklärung dafür zu liefern, wie dieses Gefühl tatsächlich aus den internen Prozessen der Maschine entstanden ist.

Eine neue Studie, die auf der International Conference on Affective Computing and Intelligent Interaction 2026 vorgestellt wurde, versucht dies zu lösen, indem sie ein Computermodell auf Basis einer spezifischen psychologischen Idee namens „Goal-Directed Theory“ (zielgerichtete Theorie) aufbaut. Diese Theorie besagt, dass Emotionen kein separates Ereignis sind, das nach dem Denken eintritt, sondern ein funktionales Nebenprodukt des eigentlichen Versuchs, etwas zu erreichen. Sie schlägt vor, dass unsere Gefühle kontinuierlich entstehen, während wir die Lücke zwischen dem, wo wir sind, und dem, wo wir sein wollen, wahrnehmen und während wir abwägen, welche Chancen wir haben, diese Lücke zu schließen. Die Forscher unter der Leitung von Bernhard Hilpert und seinem Team haben diese Theorie in eine hochpräzise Computersimulation übersetzt. Ihre Arbeit zeigt, dass komplexe emotionale Muster, wie etwa die steigende Hoffnung der Erwartung oder der plötzliche Abfall des Scheiterns, natürlich aus einfachen mechanischen Interaktionen entstehen können, ohne dass spezielle, dedizierte Module zu deren Erzeugung benötigt werden.

Um diese Idee zu testen, erschuf das Team einen digitalen Agenten und platzierte ihn in zwei einfachen, kontrollierten Umgebungen. Die erste war ein virtuelles Würfelspiel. In diesem Szenario hatte der Agent ein klares Ziel: eine Sechs zu würfeln. Die Forscher programmierten den Agenten so, dass er seine Gefühle basierend auf zwei Hauptfaktoren berechnet. Erstens maß der Agent die Distanz zwischen seinem aktuellen Zustand und seinem Ziel. War er weit entfernt, registrierte er ein negatives Gefühl, das proportional zu dieser Distanz war. Zweitens berücksichtigte der Agent seine Erwartungen. Wenn der Agent wusste, dass er eine Chance hatte, die Würfel zu werfen, berechnete er die Erfolgswahrscheinlichkeit. Die Simulation zeigte, dass bereits vor dem Wurf des Würfels die bloße Präsenz einer praktikablen Handlung zu einem subtilen „Lift“ (einem Anstieg) im emotionalen Zustand des Agenten führte. Dieser Lift trat ein, weil der Agent einen Weg nach vorne hatte, selbst wenn das Ergebnis noch ungewiss war. Als der Agent schließlich würfelte, änderte sich das Gefühl augenblicklich. Wenn er das Ziel traf, verschwand die Lücke und das Gefühl schoss in einen scharfen positiven Peak. Wenn er verfehlte, fiel das Gefühl zurück auf ein negatives Baseline-Niveau.

Die Forscher führten dann eine zweite, komplexere Herausforderung ein: einen virtuellen Korridor. Hier musste der Agent Schritt für Schritt durch einen Flur gehen. Unterwegs bestand bei jedem Schritt eine kleine Chance, in eine Falle zu fallen. Dieser Aufbau ermöglichte es dem Team zu sehen, wie sich Gefühle im Laufe der Zeit entwickelten, während sich der Agent dem Ziel näherte. Sie ließen die Simulation mit verschiedenen Typen von Agenten laufen. Einige waren „oblivious“ (unwissend), was bedeutete, dass sie nicht realisierten, dass es eine Falle gab, und davon ausgingen, das Ende mit Sicherheit zu erreichen. Andere waren „accurate“ (genau), was bedeutete, dass sie die exakte Wahrscheinlichkeit kannten, bei jedem Schritt in eine Falle zu fallen. Die Ergebnisse offenbarten ein faszinierendes Zusammenspiel zwischen Fortschritt und Erwartung. Während der genaue Agent vorankam, wuchs sein Gefühl der Hoffnung nicht nur, weil er physisch näher an die Ziellinie rückte, sondern weil das kumulative Risiko, in eine Falle zu fallen, mit jedem sicheren Schritt abnahm. Dies erzeugte einen nicht-linearen Anstieg des positiven Gefühls, ein „Lift“, der stärker wurde, je näher der Agent dem Erfolg kam.

Im Gegensatz dazu zeigte der unwissende Agent, der die sich ändernde Gefahr nicht wahrnahm, eine flache emotionale Linie bis zum ganz am Ende. Dies unterstrich eine zentrale Erkenntnis der Studie: Die spezifische Form eines emotionalen Erlebnisses hängt vollständig davon ab, wie der Agent seine Umgebung und seine eigenen Chancen auf Erfolg verarbeitet. Die Simulationen erfassten auch die Mechanik des Scheiterns. Wenn der genaue Agent schließlich in eine Falle fiel, erlebte er einen „Crash“. Dies war nicht nur eine Rückkehr zu einem negenativen Zustand; es war ein plötzlicher, scharfer Abfall, verursacht durch zwei Dinge, die gleichzeitig geschah: Der Fortschritt des Agenten in Richtung des Ziels verschwand, und seine Erwartung zukünftigen Erfolgs sank augenblicklich auf Null. In den einfacheren, binären Versionen der Aufgaben, in denen der Agent entweder Erfolg hatte oder scheiterte, ohne einen Mittelweg, war das Gefühl des Scheiterns weniger dramatisch, aber dennoch deutlich, getrieben durch den totalen Verlust jeglicher verbleibender Hoffnung.

Die Bedeutung dieser Arbeit liegt in ihrer Transparenz. Im Gegensatz zu früheren Modellen, die möglicherweise komplexe, verborgene Regeln verwendeten, um zu entscheiden, wann ein Agent glücklich oder traurig ist, basiert dieser neue Rahmen vollständig auf der sichtbaren Mechanik der Zielverfolgung. Jede emotionale Ausgabe in der Simulation ist eine direkte Berechnung der Diskrepanz zwischen der Realität und einem gewünschten Ergebnis, kombiniert mit der Wahrscheinlichkeit, diese Lücke zu schließen. Die Forscher fanden heraus, dass sie kein separates Modul für „Hoffnung“ oder „Angst“ programmieren mussten. Stattdessen entstanden diese komplexen emotionalen Profile automatisch aus der grundlegenden Mathematik von Diskrepanz und Erwartung. Dies deutet darauf hin, dass das Gefühl der Erwartung kein mysteriöses Add-on zum menschlichen Verhalten ist, sondern eine natürliche Konsequenz daraus, ein Ziel und einen Plan zu haben, dieses zu erreichen.

Obwohl die Studie derzeit auf Computersimulationen beschränkt ist und noch keine menschlichen Probanden einbezieht, etabliert sie ein leistungsstarkes neues Werkzeug für das Fachgebiet. Die Autoren beschreiben ihr Modell als ein „computationales Laboratorium“, in dem verschiedene psychologische Theorien getestet und verfeinert werden können. Indem sie sicherstellen, dass jeder Teil des Computercodes direkt auf ein Konzept der menschlichen Psychologie abgebildet wird, haben die Forscher ein System geschaffen, das vollständig inspizierbar ist. Dies ermöglicht es Wissenschaftlern, vorherzusagen, wie ein Agent in einer bestimmten Situation fühlen sollte, noch bevor sie es an einem echten Menschen testen. Die Arbeit bewegt das Feld weg von der Behandlung von Emotionen als Black-Box-Heuristiken und hin zu einem granularen, mechanischen Verständnis, in dem Gefühle als integrale Bestandteile des Prozesses gesehen werden, in der Welt zu handeln. Sie bietet einen klaren Weg nach vorn, um Maschinen zu bauen, die menschliche Emotionen nicht nur imitieren, sondern sie durch dieselben fundamentalen Prozesse generieren, die auch das menschliche Verhalten antreiben.