People invest precious time and resources on experiences such as watching movies or listening to music. Yet, we still have a poor understanding of how such sensed experiences gain aesthetic value. We propose a model of aesthetic value that integrates existing theories with literature on conventional primary and secondary rewards such as food and money. We assume that the states of observers’ sensory and cognitive systems adapt to process stimuli effectively in both the present and the future. These system states collectively comprise a probabilistic generative model of stimuli in the environment. Two interlinked components generate value: immediate sensory reward and the change in expected future reward. An immediate sensory reward is taken as the fluency with which a stimulus is processed, quantified by the likelihood of that stimulus given an observer’s state. The change in expected future reward is taken as the change in fluency with which likely future stimuli will be processed. It is quantified by the change in the divergence between the observer’s system state and the distribution of stimuli that the observer expects to see over the long term. Simulations show that a simple version of the model can account for empirical data on the effects of exposure, complexity, and symmetry on aesthetic value judgments. Taken together, our model melds processing fluency theories (immediate reward) and learning theories (change in expected future reward). Its application offers insight as to how the interplay of immediate processing fluency and learning gives rise to aesthetic value judgments.

中文翻译：

---

美学价值的计算模型。

人们在看电影或听音乐等体验上投入宝贵的时间和资源。然而，我们对这种感官体验如何获得审美价值仍然知之甚少。我们提出了一种审美价值模型，该模型将现有理论与关于食物和金钱等传统初级和次级奖励的文献相结合。我们假设观察者的感觉和认知系统的状态能够有效地适应当前和未来的过程刺激。这些系统状态共同构成了环境中刺激的概率生成模型。两个相互关联的组成部分产生价值：即时感官奖励和预期未来奖励的变化。即时感官奖励被视为处理刺激的流畅性，通过给定观察者状态的刺激的可能性来量化。预期未来奖励的变化被视为处理可能的未来刺激的流畅性的变化。它通过观察者的系统状态与观察者期望长期看到的刺激分布之间的差异变化来量化。模拟表明，该模型的一个简单版本可以解释关于曝光、复杂性和对称性对审美价值判断影响的经验数据。总之，我们的模型融合了处理流畅性理论（即时奖励）和学习理论（预期未来奖励的变化）。它的应用提供了关于即时处理流畅性和学习的相互作用如何产生审美价值判断的见解。预期未来奖励的变化被视为处理可能的未来刺激的流畅性的变化。它通过观察者的系统状态与观察者期望长期看到的刺激分布之间的差异变化来量化。模拟表明，该模型的一个简单版本可以解释关于曝光、复杂性和对称性对审美价值判断影响的经验数据。总之，我们的模型融合了处理流畅性理论（即时奖励）和学习理论（预期未来奖励的变化）。它的应用提供了关于即时处理流畅性和学习的相互作用如何产生审美价值判断的见解。预期未来奖励的变化被视为处理可能的未来刺激的流畅性的变化。它通过观察者的系统状态与观察者期望长期看到的刺激分布之间的差异变化来量化。模拟表明，该模型的一个简单版本可以解释关于曝光、复杂性和对称性对审美价值判断影响的经验数据。总之，我们的模型融合了处理流畅性理论（即时奖励）和学习理论（预期未来奖励的变化）。它的应用提供了关于即时处理流畅性和学习的相互作用如何产生审美价值判断的见解。它通过观察者的系统状态与观察者期望长期看到的刺激分布之间的差异变化来量化。模拟表明，该模型的一个简单版本可以解释关于曝光、复杂性和对称性对审美价值判断影响的经验数据。总之，我们的模型融合了处理流畅性理论（即时奖励）和学习理论（预期未来奖励的变化）。它的应用提供了关于即时处理流畅性和学习的相互作用如何产生审美价值判断的见解。它通过观察者的系统状态与观察者期望长期看到的刺激分布之间的差异变化来量化。模拟表明，该模型的一个简单版本可以解释关于曝光、复杂性和对称性对审美价值判断影响的经验数据。总之，我们的模型融合了处理流畅性理论（即时奖励）和学习理论（预期未来奖励的变化）。它的应用提供了关于即时处理流畅性和学习的相互作用如何产生审美价值判断的见解。模拟表明，该模型的一个简单版本可以解释关于曝光、复杂性和对称性对审美价值判断影响的经验数据。总之，我们的模型融合了处理流畅性理论（即时奖励）和学习理论（预期未来奖励的变化）。它的应用提供了关于即时处理流畅性和学习的相互作用如何产生审美价值判断的见解。模拟表明，该模型的一个简单版本可以解释关于曝光、复杂性和对称性对审美价值判断影响的经验数据。总之，我们的模型融合了处理流畅性理论（即时奖励）和学习理论（预期未来奖励的变化）。它的应用提供了关于即时处理流畅性和学习的相互作用如何产生审美价值判断的见解。