A Computational Implementation of a Goal-Directed Theory of Affect
यह शोध पत्र प्रभाव (affect) के लक्ष्य-निर्देशित सिद्धांत (Goal-Directed Theory) का पहला उच्च-निष्ठा वाला कम्प्यूटेशनल कार्यान्वयन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि कैसे एक पारदर्शी, मनोवैज्ञानिक रूप से आधारित एजेंट ढांचे के भीतर विसंगति का पता लगाने (discrepancy detection) और क्रिया चयन (action selection) के बीच परस्पर क्रिया से जटिल भावनात्मक गतिशीलता स्वाभाविक रूप से उभरती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानव निरंतर लक्ष्यों की एक दुनिया में नेविगेट कर रहे होते हैं, चाहे वह बस पकड़ने की सरल इच्छा हो या करियर बनाने की जटिल महत्वाकांक्षा। दशकों से, वैज्ञानिक उन अदृश्य इंजन को समझने की कोशिश कर रहे हैं जो इन प्रयासों को संचालित करता है: भावना। अफेक्टिव कंप्यूटिंग के क्षेत्र में, शोधकर्ता ऐसे कंप्यूटर प्रोग्राम बनाते हैं जो भावनाओं को पहचान सकें या उनका अनुकरण कर सकें, इस उम्मीद में कि वे ऐसी मशीनें बना सकें जो मनुष्यों के साथ अधिक स्वाभाविक रूप से संवाद कर सकें। हालाँकि, एक लंबे समय से चली आ रही तल्खी ने इस कार्य को बाधित किया है। कई मौजूदा मॉडल भावनाओं को एक अंतिम लेबल की तरह मानते हैं जो किसी स्थिति पर बाद में चिपका दिया जाता है, जैसे पत्र पर एक स्टैम्प। अन्य कच्चे डेटा संकेतों पर निर्भर करते हैं जिनमें मानव मनोविज्ञान के साथ गहरा संबंध नहीं होता। इसका परिणाम अक्सर एक "ब्लैक बॉक्स" होता है जहाँ एक कंप्यूटर बिना किसी स्पष्ट व्याख्या के यह आउटपुट देता है कि वह भावना वास्तव में मशीन की आंतरिक प्रक्रियाओं से कैसे उत्पन्न हुई।
2026 के 'इंटरनेशनल कॉन्फ्रेंस ऑन अफेक्टिव कंप्यूटिंग एंड इंटेलिजेंट इंटरेक्शन' में प्रस्तुत एक नया अध्ययन इस समस्या को हल करने का प्रयास करता है, जो एक विशिष्ट मनोवैज्ञानिक विचार पर आधारित है जिसे 'गोल-डायरेक्टेड थ्योरी' (लक्ष्य-निर्देशित सिद्धांत) कहा जाता है। यह सिद्धांत सुझाव देता है कि भावना कोई अलग घटना नहीं है जो हमारे सोचने के बाद होती है, बल्कि यह कुछ हासिल करने के प्रयास के ही एक कार्यात्मक उपोत्पाद (बायप्रोडक्ट) के रूप में उभरती है। यह प्रस्तावित करता है कि हमारी भावनाएं तब निरंतर उभरती हैं जब हम इस बात का पता लगाते हैं कि हम कहाँ हैं और हम कहाँ पहुँचना चाहते हैं, और जब हम उस अंतर को पाटने की अपनी संभावनाओं का आकलन करते हैं। बर्नहार्ड हिलपर्ट और उनकी टीम के नेतृत्व में शोधकर्ताओं ने इस सिद्धांत को एक उच्च-सटीक कंप्यूटर सिमुलेशन में अनुवादित किया है। उनका कार्य प्रदर्शित करता है कि जटिल भावनात्मक पैटर्न, जैसे कि प्रत्याशा की बढ़ती आशा या विफलता की अचानक गिरावट, बिना किसी विशेष, समर्पित मॉड्यूल के, सरल यांत्रिक अंतःक्रियाओं से स्वाभाविक रूप से उत्पन्न हो सकते हैं।
इस विचार का परीक्षण करने के लिए, टीम ने एक डिजिटल एजेंट बनाया और उसे दो सरल, नियंत्रित वातावरणों में रखा। पहला एक आभासी पासा खेल (डाइस गेम) था। इस परिदृश्य में, एजेंट का एक स्पष्ट लक्ष्य था: एक विशिष्ट संख्या, छह, लाना। शोधकर्ताओं ने एजेंट को दो मुख्य कारकों के आधार पर अपनी भावनाओं की गणना करने के लिए प्रोग्राम किया। पहला, एजेंट ने अपनी वर्तमान स्थिति और अपने लक्ष्य के बीच की दूरी को मापा। यदि वह दूर था, तो उसने उस दूरी के अनुपात में एक नकारात्मक भावना दर्ज की। दूसरा, एजेंट ने अपनी अपेक्षाओं पर विचार किया। यदि एजेंट को पता था कि उसके पास पासा फेंकने का मौका है, तो उसने सफलता की संभावना की गणना की। सिमुलेशन ने दिखाया कि पासा फेंकने से पहले ही, एक व्यवहार्य क्रिया की उपस्थिति मात्र से एजेंट की भावनात्मक स्थिति में एक सूक्ष्म "उछाल" (लिफ्ट) पैदा हुआ। यह उछाल इसलिए हुआ क्योंकि एजेंट के पास आगे बढ़ने का एक रास्ता था, भले ही परिणाम अभी भी अनिश्चित था। जब एजेंट ने आखिरकार पासा फेंका, तो भावना तुरंत बदल गई। यदि उसने लक्ष्य प्राप्त कर लिया, तो अंतर समाप्त हो गया, और भावना एक तीव्र सकारात्मक शिखर में बदल गई। यदि वह चूक गया, तो भावना वापस एक नकारात्मक आधार रेखा पर गिर गई।
शोधकर्ताओं ने फिर एक दूसरा, अधिक जटिल चुनौती पेश की: एक आभासी गलियारा (वर्चुअल कॉरिडोर)। यहाँ, एजेंट को एक हॉलवे के अंत तक कदम-दर-कदम चलना था। रास्ते में, हर कदम पर एक जाल में गिरने की छोटी सी संभावना थी। इस सेटअप ने टीम को यह देखने की अनुमति दी कि जैसे-जैसे एजेंट अपने लक्ष्य की ओर बढ़ता है, भावनाएं समय के साथ कैसे विकसित होती हैं। उन्होंने विभिन्न प्रकार के एजेंटों के साथ सिमुलेशन चलाया। कुछ "अविज्ञ" (ओब्लिवियस) थे, जिसका अर्थ था कि उन्हें जाल का एहसास नहीं था और उन्होंने माना कि वे निश्चित रूप से अंत तक पहुँच जाएंगे। अन्य "सटीक" (एक्यूरेट) थे, जिन्हें पता था कि प्रत्येक चरण पर जाल में गिरने की सटीक संभावना क्या है। परिणामों ने प्रगति और अपेक्षा के बीच एक दिलचस्प परस्पर क्रिया को प्रकट किया। जैसे-जैसे सटीक एजेंट आगे बढ़ा, उसकी आशा की भावना न केवल इसलिए बढ़ी क्योंकि वह भौतिक रूप से फिनिश लाइन के करीब था, बल्कि इसलिए भी क्योंकि हर सुरक्षित कदम के साथ जाल में गिरने का संचयी जोखिम कम होता गया। इसने एक गैर-रैखिक सकारात्मक भावना की वृद्धि को जन्म दिया, एक "उछाल" जो वह जितना करीब पहुँचता गया, उतना ही मजबूत होता गया।
इसके विपरीत, अविज्ञ एजेंट, जिसने बदलते जोखिम को महसूस नहीं किया, अंत तक एक सपाट भावनात्मक रेखा दिखाता रहा। इसने अध्ययन के एक प्रमुख निष्कर्ष को उजागर किया: एक भावनात्मक अनुभव का विशिष्ट आकार पूरी तरह से इस बात पर निर्भर करता है कि एजेंट अपने वातावरण और सफलता की अपनी संभावनाओं को कैसे संसाधित करता है। सिमुलेशन ने विफलता के तंत्र को भी कैप्चर किया। जब सटीक एजेंट अंततः एक जाल में गिरा, तो उसने एक "क्रैश" (गिरावट) का अनुभव किया। यह केवल एक नकारात्मक स्थिति में वापसी नहीं थी; यह एक अचानक, तीव्र गिरावट थी जो दो चीजों के एक साथ होने के कारण हुई: एजेंट की लक्ष्य की ओर प्रगति लुप्त हो गई, और भविष्य की सफलता की उसकी अपेक्षा तुरंत शून्य हो गई। उन सरल, बाइनरी कार्यों में जहाँ एजेंट या तो सफल होता है या विफल होता है (बिना किसी मध्य मार्ग के), विफलता की भावना कम नाटकीय थी लेकिन फिर भी स्पष्ट थी, जो किसी भी शेष आशा के पूर्ण नुकसान से प्रेरित थी।
इस कार्य का महत्व इसकी पारदर्शिता में निहित है। पिछले मॉडलों के विपरीत जो यह तय करने के लिए जटिल, छिपे हुए नियमों का उपयोग कर सकते हैं कि एजेंट कब खुश या दुखी होता है, यह नया ढांचा पूरी तरह से लक्ष्य प्राप्ति की दृश्य यांत्रिकी पर निर्मित है। सिमुलेशन में प्रत्येक भावनात्मक आउटपुट वास्तविकता और वांछित परिणाम के बीच के अंतर की एक सीधी गणना है, जिसे सफलता की संभावना के साथ जोड़ा गया है। शोधकर्ताओं ने पाया कि उन्हें "आशा" या "भय" के लिए एक अलग मॉड्यूल प्रोग्राम करने की आवश्यकता नहीं थी। इसके बजाय, ये जटिल भावनात्मक प्रोफाइल विसंगति (डिस्क्रिपेंसी) और अपेक्षा की बुनियादी गणितीय गणना से स्वतः उत्पन्न हुए। यह सुझाव देता है कि प्रत्याशा की भावना मानव व्यवहार का एक रहस्यमय जुड़ाव नहीं है, बल्कि एक लक्ष्य और उसे प्राप्त करने की योजना होने का एक स्वाभाविक परिणाम है।
हालांकि यह अध्ययन वर्तमान में कंप्यूटर सिमुलेशन तक सीमित है और इसमें अभी तक मानव प्रतिभागी शामिल नहीं हैं, यह क्षेत्र के लिए एक शक्तिशाली नया उपकरण स्थापित करता है। लेखक अपने मॉडल को एक "कंप्यूटेशनल प्रयोगशाला" के रूप में वर्णित करते हैं जहाँ विभिन्न मनोवैज्ञानिक सिद्धांतों का परीक्षण और परिशोधन किया जा सकता है। यह सुनिश्चित करके कि कोड का प्रत्येक हिस्सा मानव मनोविज्ञान की एक अवधारणा से सीधे मेल खाता है, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो पूरी तरह से निरीक्षण योग्य है। यह वैज्ञानिकों को यह भविष्यवाणी करने की अनुमति देता है कि एक एजेंट किसी विशिष्ट स्थिति में कैसा महसूस करेगा, इससे पहले कि वे इसे वास्तविक व्यक्ति पर आजमाएं। यह कार्य क्षेत्र को भावनाओं को 'ब्लैक-बॉक्स ह्यूरिस्टिक्स' के रूप में मानने से हटाकर एक सूक्ष्म, यांत्रिक समझ की ओर ले जाता है जहाँ भावनाओं को दुनिया में कार्य करने की प्रक्रिया के अभिन्न अंग के रूप में देखा जाता है। यह ऐसी मशीनें बनाने के लिए एक स्पष्ट मार्ग प्रदान करता है जो केवल मानवीय भावनाओं की नकल नहीं करतीं, बल्कि उन्हें उन्हीं मौलिक प्रक्रियाओं के माध्यम से उत्पन्न करती हैं जो मानव व्यवहार को संचालित करती हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।