A Computational Implementation of a Goal-Directed Theory of Affect

Los seres humanos navegan constantemente por un mundo de metas, desde el simple deseo de tomar un autobús hasta la compleja ambición de construir una carrera profesional. Durante décadas, los científicos han intentado comprender el motor invisible que impulsa estas búsquedas: la emoción. En el campo de la computación afectiva, los investigadores construyen programas informáticos que pueden reconocer o simular sentimientos, con la esperanza de crear máquinas que interactúen de forma más natural con las personas. Sin embargo, una tensión de larga data ha plagado este trabajo. Muchos modelos existentes tratan las emociones como una etiqueta final aplicada a una situación a posteriori, como un sello en una carta. Otros dependen de señales de datos brutos que carecen de una conexión profunda con la psicología humana. El resultado es a menudo una "caja negra" donde una computadora emite un sentimiento sin una explicación clara y paso a paso de cómo surgió realmente ese sentimiento de los procesos internos de la máquina.

Un nuevo estudio presentado en la Conferencia Internacional de Computación Afectiva e Interacción Inteligente de 2026 busca resolver esto construyendo un modelo informático basado en una idea psicológica específica llamada la Teoría Dirigida a Metas. Esta teoría sugiere que la emoción no es un evento separado que ocurre después de que pensamos, sino un subproducto funcional del acto mismo de intentar lograr algo. Propone que nuestros sentimientos emergen continuamente a medida que detectamos la brecha entre dónde estamos y dónde queremos estar, y a medida que sopesamos nuestras posibilidades de cerrar esa brecha. Los investigadores, liderados por Bernhard Hilpert y su equipo, han traducido esta teoría en una simulación informática de alta fidelidad. Su trabajo demuestra que patrones emocionales complejos, como la creciente esperanza de la anticipación o la caída repentina del fracaso, pueden emerger naturalmente de interacciones mecánicas simples, sin necesidad de módulos especiales y dedicados para generarlos.

Para probar esta idea, el equipo creó un agente digital y lo colocó en dos entornos simples y controlados. El primero fue un juego de dados virtual. En este escenario, el agente tenía una meta clara: sacar un número específico, un seis. Los investigadores programaron al agente para calcular sus sentimientos basándose en dos factores principales. Primero, el agente medía la distancia entre su estado actual y su meta. Si estaba lejos, registraba un sentimiento negativo proporcional a esa distancia. Segundo, el agente consideraba sus expectativas. Si el agente sabía que tenía una oportunidad de lanzar el dado, calculaba la probabilidad de éxito. La simulación mostró que incluso antes de lanzar el dado, la mera presencia de una acción viable creaba un sutil "ascenso" en el estado emocional del agente. Este ascenso ocurrió porque el agente tenía un camino hacia adelante, incluso si el resultado aún era incierto. Cuando el agente finalmente lanzó el dado, el sentimiento cambió instantáneamente. Si acertó el objetivo, la brecha desapareció y el sentimiento se disparó en un pico positivo agudo. Si falló, el sentimiento cayó de nuevo a una línea base negativa.

Los investigadores introdujeron luego un segundo desafío más complejo: un pasillo virtual. Aquí, el agente tenía que caminar paso a paso hacia el final de un pasillo. A lo largo del camino, había una pequeña posibilidad de caer en una trampa en cualquier paso. Esta configuración permitió al equipo ver cómo evolucionaban los sentimientos a lo largo del tiempo mientras el agente se acercaba a su meta. Ejecutaron la simulación con diferentes tipos de agentes. Algunos eran "obvios", lo que significaba que no se daban cuenta de que había una trampa y asumían que llegarían al final con certeza. Otros eran "precisos", lo que significaba que conocían la probabilidad exacta de caer en una trampa en cada paso. Los resultados revelaron un fascinante juego entre el progreso y la expectativa. A medida que el agente preciso avanzaba, su sentimiento de esperanza crecía no solo porque estaba físicamente más cerca de la línea de meta, sino porque el riesgo acumulado de caer en una trampa disminuía con cada paso seguro. Esto creó un ascenso no lineal en el sentimiento positivo, un "ascenso" que se hacía más fuerte cuanto más cerca estaba el agente del éxito.

En contraste, el agente obvio, que no percibía el riesgo cambiante, mostró una línea emocional plana hasta el final. Esto resaltó un hallazgo clave del estudio: la forma específica de una experiencia emocional depende enteramente de cómo el agente procesa su entorno y sus propias posibilidades de éxito. Las simulaciones también capturaron la mecánica del fracaso. Cuando el agente preciso finalmente caía en una trampa, experimentaba un "colapso". Esto no era solo un regreso a un estado negativo; era una caída repentina y aguda causada por dos cosas sucediendo al mismo tiempo. El progreso del agente hacia la meta desaparecía, y su expectativa de éxito futuro caía a cero instantáneamente. En las versiones más simples y binarias de las tareas, donde el agente o tenía éxito o fallaba sin un punto medio, el sentimiento de fracaso era menos dramático pero aun así distintivo, impulsado por la pérdida total de cualquier esperanza restante.

La importancia de este trabajo reside en su transparencia. A diferencia de los modelos anteriores que podrían usar reglas complejas y ocultas para decidir cuándo un agente se siente feliz o triste, este nuevo marco está construido enteramente sobre la mecánica visible de la persecución de metas. Cada salida emocional en la simulación es un cálculo directo de la brecha entre la realidad y un resultado deseado, combinado con la probabilidad de cerrar esa breza. Los investigadores descubrieron que no necesitaban programar un módulo separado de "esperanza" o "miedo". En cambio, estos perfiles emocionales complejos emergieron automáticamente de la matemática básica de la discrepancia y la expectativa. Esto sugiere que el sentimiento de anticipación no es un añadido misterioso al comportamiento humano, sino una consecuencia natural de tener una meta y un plan para alcanzarla.

Si bien el estudio está actualmente limitado a simulaciones por computadora y aún no involucra participantes humanos, establece una nueva y poderosa herramienta para el campo. Los autores describen su modelo como un "laboratorio computacional" donde se pueden probar y refinar diferentes teorías psicológicas. Al asegurar que cada parte del código informático se mapee directamente con un concepto en la psicología humana, los investigadores han creado un sistema que es totalmente inspeccionable. Esto permite a los científicos predecir cómo debería sentirse un agente en una situación específica antes de probarlo siquiera en una persona real. El trabajo aleja al campo de tratar las emociones como heurísticas de caja negra y lo dirige hacia una comprensión granular y mecánica donde los sentimientos se ven como partes integrales del proceso de actuar en el mundo. Ofrece un camino claro para construir máquinas que no solo imiten la emoción humana, sino que la generen a través de los mismos procesos fundamentales que impulsan el comportamiento humano.