A Computational Implementation of a Goal-Directed Theory of Affect

Gli esseri umani navigano costantemente in un mondo di obiettivi, dalle semplici aspirazioni come prendere un autobus alle complesse ambizioni di costruire una carriera. Per decenni, gli scienziati hanno cercato di comprendere il motore invisibile che guida queste attività: l'emozione. Nel campo dell'informatica affettiva, i ricercatori costruiscono programmi per computer in grado di riconoscere o simulare i sentimenti, sperando di creare macchine che interagiscano in modo più naturale con le persone. Tuttavia, una tensione di lunga data ha tormentato questo lavoro. Molti modelli esistenti trattano le emozioni come un'etichetta finale apposta su una situazione a posteriori, come un timbro su una lettera. Altri si affidano a segnali di dati grezzi che mancano di una profonda connessione con la psicologia umana. Il risultato è spesso una "scatola nera" dove un computer produce un sentimento senza una spiegazione chiara e passo dopo passo di come quel sentimento sia effettivamente nato dai processi interni della macchina.

Un nuovo studio presentato alla conferenza internazionale del 2026 su Affective Computing and Intelligent Interaction cerca di risolvere questo problema costruendo un modello informatico basato su un'idea psicologica specifica chiamata Teoria Orientata allo Scopo (Goal-Directed Theory). Questa teoria suggerisce che l'emozione non è un evento separato che accade dopo che abbiamo pensato, ma un sottoprodotto funzionale dell'atto stesso di cercare di raggiungere qualcosa. Propone che i nostri sentimenti emergano continuamente mentre rileviamo lo scarto tra dove siamo e dove vogliamo essere, e mentre valutiamo le nostre possibilità di colmare tale scarto. I ricercatori, guidati da Bernhard Hilpert e dal suo team, hanno tradotto questa teoria in una simulazione informatica ad alta fedeltà. Il loro lavoro dimostra che complessi schemi emotivi, come la crescente speranza dell'anticipazione o il improvviso crollo del fallimento, possono emergere naturalmente da semplici interazioni meccaniche, senza la necessità di moduli dedicati e speciali per generarli.

Per testare questa idea, il team ha creato un agente digitale e lo ha posto in due ambienti semplici e controllati. Il primo era un gioco di dadi virtuale. In questo scenario, l'agente aveva un obiettivo chiaro: ottenere un numero specifico, un sei. I ricercatori hanno programmato l'agente per calcolare i suoi sentimenti basandosi su due fattori principali. Primo, l'agente misurava la distanza tra il suo stato attuale e il suo obiettivo. Se era lontano, registrava un sentimento negativo proporzionale a quella distanza. Secondo, l'agente considerava le sue aspettative. Se l'agente sapeva di avere una possibilità di lanciare il dado, calcolava la probabilità di successo. La simulazione ha mostrato che anche prima del lancio del dado, la mera presenza di un'azione percorribile creava un sottile "innalzamento" nello stato emotivo dell'agente. Questo innalzamento avveniva perché l'agente aveva una strada davanti a sé, anche se l'esito era ancora incerto. Quando l'agente lanciava finalmente il dado, il sentimento cambiava istantaneamente. Se colpiva l'obiettivo, lo scarto svaniva e il sentimento subiva un picco positivo netto. Se mancava, il sentimento tornava a una base negativa.

I ricercatori hanno poi introdotto una seconda sfida, più complessa: un corridoio virtuale. Qui, l'agente doveva camminare passo dopo passo verso la fine di un corridoio. Lungo il percorso, c'era una piccola possibilità di cadere in una trappola ad ogni passo. Questa configurazione ha permesso al team di vedere come i sentimenti evolvessero nel tempo mentre l'agente si avvicinava al suo obiettivo. Hanno eseguito la simulazione con diversi tipi di agenti. Alcuni erano "obliviosi", ovvero non si rendevano conto della presenza di una trappola e assumevano che avrebbero raggiunto la fine con certezza. Altri erano "accurati", ovvero conoscevano l'esatta probabilità di cadere in una trappola ad ogni passo. I risultati hanno rivelato un affascinante intreccio tra progresso ed aspettativa. Mentre l'agente accurato avanzava, il suo sentimento di speranza cresceva non solo perché era fisicamente più vicino al traguardo, ma perché il rischio cumulativo di cadere in una trappola diminuiva con ogni passo sicuro. Ciò creava un aumento non lineare del sentimento positivo, un "innalzamento" che diventava più forte man mano che l'agente si avvicinava al successo.

Al contrario, l'agente obliquo, che non percepiva il mutare del rischio, mostrava una linea emotiva piatta fino alla fine. Ciò ha evidenziato un risultato chiave dello studio: la forma specifica di un'esperienza emotiva dipende interamente da come l'agente elabora l'ambiente e le proprie possibilità di successo. Le simulazioni hanno anche catturato la meccanica del fallimento. Quando l'agente accurato cadeva finalmente in una trappola, sperimentava un "crollo". Questo non era solo un ritorno a uno stato negativo; era un calo improvviso e netto causato da due cose che accadevano simultaneamente. Il progresso dell'agente verso l'obiettivo svaniva e la sua aspettativa di successo futuro scendeva istantaneamente a zero. Nelle versioni più semplici e binarie dei compiti, in cui l'agente o aveva successo o falliva senza una via di mezzo, il sentimento del fallimento era meno drammatico ma comunque distinto, guidato dalla perdita totale di ogni speranza residua.

La significatività di questo lavoro risiede nella sua trasparenza. A differenza dei modelli precedenti che potevano utilizzare regole complesse e nascoste per decidere quando un agente si sentiva felice o triste, questo nuovo framework è costruito interamente sulla visibile meccanica del perseguimento degli obiettivi. Ogni output emotivo nella simulazione è un calcolo diretto dello scarto tra realtà e un risultato desiderato, combinato con la probabilità di colmare tale scarto. I ricercatori hanno scoperto che non avevano bisogno di programmare un modulo separato per la "speranza" o la "paura". Invece, questi complessi profili emotivi emergevano automaticamente dalla matematica di base della discrepanza e dell'aspettativa. Ciò suggerisce che la sensazione di anticipazione non è un'aggiunta misteriosa al comportamento umano, ma una conseguenza naturale del avere un obiettivo e un piano per raggiungerlo.

Sebbene lo studio sia attualmente limitato alle simulazioni informatiche e non coinvolga ancora partecipanti umani, esso stabilisce un nuovo e potente strumento per il settore. Gli autori descrivono il loro modello come un "laboratorio computazionale" dove diverse teorie psicologiche possono essere testate e perfezionate. Assicurando che ogni parte del codice informatico corrisponda direttamente a un concetto della psicologia umana, i ricercatori hanno creato un sistema che è completamente ispezionabile. Ciò consente agli scienziati di prevedere come un agente dovrebbe sentirsi in una situazione specifica prima ancora di testarlo su una persona reale. Il lavoro sposta il campo lontano dal trattare le emozioni come euristiche a scatola nera e verso una comprensione granulare e meccanica, dove i sentimenti sono visti come parti integranti del processo di agire nel mondo. Offre una via chiara per costruire macchine che non si limitino a mimare l'emozione umana, ma che la generino attraverso gli stessi processi fondamentali che guidano il comportamento umano.