一种用于评估人工智能驱动的叙事智能系统的新型费马特模糊Z数FRANK-WASPAS模型

《Scientific Reports》：A novel fermatean fuzzy Z-number FRANK-WASPAS model for evaluating AI-powered narrative intelligence systems

　　

摘要

受人工智能启发的叙事智能系统在传递代际传承、保持心理连续性以及维护文化认同方面的作用日益重要，这进一步引发了人们对这类系统的兴趣。StoryWeaver Lab是一款基于人工智能的应用程序，它能模拟家庭中的互动式传统传承过程。其评估环境较为复杂且逻辑性强，但同时也存在不确定性，还可能出现冲突。要准确建模这种不确定性颇具难度。本研究通过比较分析以及加权聚合和积评价法解决了这一问题。该方法采用了一种新的决策模型，该模型以弗兰克范数和费马模糊Z数作为基础。研究通过多属性群决策方法来衡量所提出方法的有效性，这些评估标准包括叙事连贯性、个人关联性、伦理可靠性、灵活性以及长期可持续性。传统的多属性群决策方法在面对不准确、不完整或可靠性较低的数据时，其性能会下降。而通过使用费马模糊Z数，可以同时描述元素的隶属程度、非隶属程度以及相应的可靠性，从而克服了这些限制。弗兰克范数能够让各评估标准自由相互作用，从而产生强化或抑制效应，进而提升整体决策效果。该决策模型是在弗兰克范数和费马模糊Z数的基础上，结合WASPAS方法发展而来的。其有效性是通过一致性和强度来评估的。通过对多种人工智能叙事系统方案的数学案例分析发现，所有方法都能得出相同的最佳结果。不过，所提出的费马模糊Z数-弗兰克模型更具可解释性，能更可靠地识别不确定性，且信息损失更少。研究结果证明了该框架的合理性与可靠性，同时也显示了它相比传统WASPAS方法的优势。这项研究在方法论上有所贡献，它为评估人工智能系统的情感智能、促进符合伦理的叙事表达、在不可预测的决策环境中实现文化的可持续传承以及建立可靠的人机关系提供了有效的决策支持系统。