🤖 AI

Emotional regulation improves deep learning-based image classification

本文介绍了“情绪调节”（Emotional Regulation），这是一种利用人工主观体验和情感预训练来显著提升 CIFAR 基准测试中图像分类性能的新型深度学习框架，从而在情绪增强学习领域建立了新的最先进水平。

原作者： Riccardo Emanuele Landi, João M. F. Rodrigues, Marta Chinnici

发布于 2026-06-12

📖 1 分钟阅读☕ 轻松阅读

原作者： Riccardo Emanuele Landi, João M. F. Rodrigues, Marta Chinnici

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

核心理念：赋予 AI 一种“情绪”

想象一下，你正在试图教一个机器人识别猫和狗的照片。通常情况下，你只是给它看成千上上的张照片，并告诉它：“这是猫，那是狗。”机器人通过记忆形状和颜色来进行学习。

这篇论文提出了一个不同的问题：如果机器人拥有一种会改变它看世界方式的“情绪”或“过往经验”呢？

在人类身上，我们的情绪会改变我们的学习方式。如果你在感到焦虑时看到一张可怕蜘蛛的照片，你对它的记忆方式可能与你在平静时看到它时完全不同。研究人员想要观察，如果给 AI 一个类似的“情绪历史”，是否能让它在识别图像时变得更聪明。

旧有 AI “情绪”的问题所在

以往尝试赋予 AI 情绪的做法，就像是建造了一个由电线组成的假心脏机器人。他们试图模仿人类大脑的生物学特征（比如激素或特定的脑区）。但作者认为，这忽略了人类情绪中最重要的部分：主观性。

旧方法： “我的大脑有一种叫多巴胺的化学物质，所以我感到快乐。”（侧重于硬件/生物学）。
新方法： “我昨天看了一场日落，它让我感到平静，所以现在我透过‘平静’的视角来看待世界。”（侧重于经验/主观性）。

解决方案：“情绪调节”

研究人员构建了一个名为“情绪调节”（Emotional Regulation）的新系统。你可以把它想象成一个三人协作团队，共同识别一张图像：

逻辑机器人（非情感型）： 这是标准的 AI。它观察图片并说：“基于像素，这有 90% 的概率是一只猫。”它没有任何感情。
感觉机器人（受情绪影响型）： 这个 AI 在一组情感图像数据集（如愤怒的面孔、快乐的风景或忧伤的场景）上进行了“预训练”。它学会了将图像与感受联系起来。它观察图片并说：“这感觉像是一张‘恐怖’或‘快乐’的图片。”
裁判员（调节者）： 这是最重要的创新部分。裁判员会倾听逻辑机器人和感觉机器人的意见。它决定：“我现在应该在多大程度上听从感觉机器人的话？”

类比：
想象你正在参加一场考试。

逻辑机器人是你的教科书知识。
感觉机器人是基于过往经验的直觉或感悟。
裁判员是你的大脑，负责决定何时相信直觉，何时坚持遵循教科书。

有时，你的直觉能帮你得到正确答案；有时，它也会误导你。“情绪调节”系统学会了准确判断何时该信任“直觉”（即情绪历史）来优化最终答案。

他们是如何测试的

研究人员并非仅仅凭空猜测，而是进行了一场大规模实验：

“情绪”训练： 他们首先使用四组不同的情感图像（真实的摄影照片、抽象绘画，甚至 AI 生成的艺术品）来训练“感觉机器人”。这给了机器人一个“主观历史”。
测试： 然后，他们要求整个团队（逻辑 + 感觉 + 裁判）去识别两个非常著名的、难度较高的图像集：CIFAR-10（10 类物体）和 CIFAR-100（100 类物体）。

结果：情绪让 AI 更聪明

结果非常明确：拥有“裁判员”和“情绪历史”的团队获胜了。

更高的分数： 新系统击败了标准的“仅靠逻辑”的 AI。例如，在更难的测试（CIFAR-100）中，新系统的准确率比标准模型提高了 3% 以上。在 AI 领域，这是一个巨大的飞跃。
创纪录的表现： 论文声称，对于这些特定的图像数据集，这种方法目前是“最先进的”（state-of-the-art）情绪增强深度学习技术。
不只是“更多的情绪”： 有趣的是，系统并没有盲目地跟随情绪。裁判员学会了平衡两者。如果情绪历史令人困惑，裁判员就会退回到逻辑机器人；如果情绪有助于判断，裁判员就会倾向于情绪。

这意味着什么（根据论文观点）

论文得出结论：主观经验至关重要。尽管这个 AI 并不是一个拥有真实情感的人类，但模拟“情感经验的历史”有助于它更好地学习。

它不是在模仿人类生物学： 他们并没有试图制造一个带有虚假激素的数字大脑。
它是关于“人工主观性”： 他们创造了一个让 AI 拥有“个人历史”以及对事物反应方式的系统，并利用这种历史在当下做出更好的决策。

总结

可以将这篇论文看作是在教机器人不仅要“看”一张图片，还要“记住”以前看到类似图片时的感觉。通过添加一个知道何时信任这些记忆的“裁判员”，机器人变得显著更擅长识别眼前的物体。论文证明了，赋予 AI 一点“人工主观性”会让它成为一个更好的学习者。

技术摘要：情绪调节提升基于深度学习的图像分类性能

问题陈述
现有的情绪增强深度学习方法主要依赖于客观的神经生理因素，例如解剖学脑结构（如杏仁核、前额叶皮层）和激素过程（如多巴胺、焦虑、信心）。虽然这些方法展现出了潜力，但它们忽略了主观性在情绪反应中的作用。人类的情绪反应不仅由生理状态决定，还深受主观体验和情绪历史的影响。此外，该领域的以往研究通常缺乏端到端学习架构，或未在多样化的情绪刺激集上进行验证，从而限制了结果的鲁棒性和泛化能力。本文通过引入主观体验而非严格的神经生理定义，解决了建模人工情绪中的这一差距。

方法论：情绪调节框架
本研究引入了情绪调节（Emotional Regulation），这是一个旨在通过“人工主观体验”在深度学习中模拟情绪的框架。其核心机制是通过学习到的情感状态，平衡非情绪预测与受情绪影响的预测。

架构： 该框架采用了三个编码器：
- 非情绪编码器 ( $E_n$ )： 原始骨干网络（ResNet-50 或 ViT-B/16），生成非情绪表征。
- 受情绪影响的编码器 ( $E_i$ )： 通过将非情绪编码器的特征与情绪编码器的特征进行拼接来学习嵌入。
- 情绪编码器 ( $E_e$ )： 一个冻结的、预训练的组件，用于从刺激-情绪实例数据集中学习“情绪历史”。它输出一个情绪谱系向量 ( $e$ )。
调节过程 ( $R$ )： 一个可学习的调节层根据情绪结果 ( $\hat{e}$ ) 对非情绪模型 ( $p_n$ ) 和受情绪影响模型 ( $p_i$ ) 的输出进行加权。最终预测 ( $p_r$ ) 计算如下：
$p_r = \hat{e} \cdot h_r \cdot p_n + (1 - \hat{e} \cdot h_r) \cdot p_i$
其中 $h_r$ 是代表特定情绪调节强度的可学习权重向量。
训练阶段：
- 情绪预训练： 情绪编码器在特定的情绪数据集（如 EMOd, Diffused-EMOd, Abstract, EmoSet）上进行优化，以学习视觉刺激与情绪类别之间的映射。
- 预训练： 非情绪编码器和受情绪影响的编码器在下游任务上进行优化（或保持冻结）。
- 训练： 整个系统进行优化，学习调节过程 ( $h_r$ ) 以平衡两个预测流。
实验配置： 作者评估了多种变体，包括不可学习调节（固定权重）、使用固定预训练编码器的可学习调节，以及完全可学习的端到端配置。实验使用了在 ImageNet 上预训练的 ResNet-50 和 ViT-B/16 骨干网络，并在 CIFAR-10 和 CIFAR-100 上进行微调。

核心贡献

新颖的建模方法： 提出了将“情绪调节”作为一种通过人工主观体验来定义深度学习中情感状态的方法，弥补了仅依赖神经生理模型的缺陷。
端到端扩展： 将情绪调节框架扩展到完整的端到端学习架构，超越了以往非端到端实现的局限性。
鲁棒性验证： 在四个不同的情绪数据集（现实生活刺激、合成扩散生成图像、抽象绘画以及大规模平衡数据集）上验证了该方法，以确保泛化性。
达到最先进水平（SOTA）的性能： 证明了情绪调节在大型图像分类基准测试（CIFAR-10 和 CIFAR-100）上优于现有的情绪增强方案。

结果
广泛的实验表明，可学习的调节策略始终优于原始骨干网络和非情绪基准模型：

性能增益： 在 CIFAR-10 上，最佳配置（Rand-Learn-E-Reg with ViT）比 ViT 骨干网络提高了 0.34% 的准确率。在 CIFAR-100 上，ViT 提高了 1.02%，ResNet 提高了 3.19%。
与前人工作的比较： 所提方法显著优于 AEmNN 模型（一种使用情绪反向传播的先前 SOTA 模型），在 CIFAR-10 和 CIFAR-100 上的准确率分别达到了 97.32% 和 86.24%，而前者的得分仅为 54.76% 和 27.53%。
调节动态： 研究发现，最优调节强度并非固定不变；它会根据情绪历史（预训练数据集）和下游任务发生显著变化。例如，在 Diffused-EMOd 上训练的模型对语义对比的情绪（如恐惧 vs. 快乐）表现出显著的调节作用，而其他模型则更倾向于特定的效价（valence）。
消融实验洞察： 可学习的调节一致提供了改进，而不可学习（固定）的调节并不能保证比骨干网络带来增益。结果表明，一个完全受情绪影响的模型并不总能改善学习；必须通过调节机制来调节情感认知，以实现更好的泛化。

意义与主张
本文声称，情绪调节在大型视觉数据集的情绪增强深度学习领域建立了新的最先进水平。研究证明，主观体验（通过人工情绪历史建模）是提高机器学习优化能力的显著因素。

作者强调，其工作并不声称复制人类认知，也不等同于将人工结果与经验性人类研究进行类比。其意义在于证明，通过调节机制平衡情绪与非情绪表征，引入“人工主观性”可以增强深度神经网络的泛化能力。该框架表明，情绪作为一个认知因素，在得到适当调节时，可以改善对视觉刺激的学习，为计算机视觉和人机交互领域的未来架构提供了一条充满前景的路径。