Si te gusta la ciencia ficción, habrás visto diversos robots omnipotentes que actúan como personas y, de hecho, realizan cualquier trabajo mucho mejor que un ser humano. En 2001: una odisea en el espacio o en Blade Runner aparecen, en papeles protagonistas, diferentes robots o sistemas totalmente inteligentes capaces de tomar las decisiones más provechosas. En el cine, los robots son, o bien comprensivos y volcados en la ayuda a los humanos, o bien malvados y poderosos, los enemigos más peligrosos de la raza humana. Estas cualidades emocionales son muy importantes en el desarrollo de los robots sociales modernos. Para diseñar una inteligencia emocional artificial, que ayude a los robots a tomar decisiones y a mejorar su interacción con las personas, se requieren complejos modelos matemáticos.
En la era de la inteligencia artificial, poco a poco nos vamos acostumbrando a la interacción con ordenadores o robots en nuestra vida diaria: en contextos educativos, de terapia o rehabilitación y de compañía. Sin embargo, no son robots emocionales. La investigación ha dejado de lado, durante décadas, el papel de las emociones, ya que se consideraba que no admitían un análisis científico. Esto ha cambiado en los últimos años, después de que muchos experimentos psicológicos y de ciencia cognitiva revelaran que las emociones –sentimientos, estados de ánimo, personalidad– son más que una forma de expresión de los seres humanos: tienen un impacto importante en los procesos cognitivos y la toma de decisiones de las personas. Con esta idea en mente, en 1995, Rosalind Wright Picard propuso una nueva dirección de investigación, la computación afectiva, una computación que se relaciona, surge e influye en las emociones.
Es un campo interdisciplinario en el que confluyen las matemáticas, la informática, la neurociencia, la ciencia cognitiva y la psicología. Las matemáticas –en concreto, la inferencia bayesiana y la teoría de juegos– permiten desarrollar modelos capaces de codificar los procesos emocionales. Intuitivamente, sabemos que ciertas circunstancias pueden inducir una emoción específica. Por ejemplo, la esperanza precede a eventos que la gente anhela; el miedo surge frente a peligros o amenazas físicas. Ambos sentimientos se experimentan cuando anticipamos algo bueno o malo en el futuro. Cuanto más seguros estamos de la predicción, más esperanzados o temerosos nos sentimos. Estas dos emociones se pueden tratar como “esperadas”, que se reflejan a través de la expectativa del evento en el pronóstico. Este modelo se puede incorporar en máquinas inteligentes, combinado con algoritmos de aprendizaje automático capaces de aprender patrones de eventos, asociaciones entre objetos y expectativas
