[FONT=华文楷体]情感[FONT=华文楷体]计算
转载自：智能科学与人工智能网站
科学研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。传统的人机交互，主要通过键盘、鼠标、屏幕等方式进行，只追求便利和准确，无法理解和适应人的情绪或心境。而如果缺乏这种情感理解和表达能力，就很难指望计算机具有类似人一样的智能，也很难期望人机交互做到真正的和谐与自然。 由于人类之间的沟通与交流是自然而富有感情的，因此，在人机交互的过程中，人们也很自然地期望计算机具有情感能力。情感计算（Affective Computting）就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。
有关人类情感的深入研究，早在19世纪末就进行了。然而，除了科幻小说当中，过去极少有人将“感情”和无生命的机器联系在一起。让计算机具有情感能力是由美国MIT大学Minsky在1985年提出的，问题不在于智能机器能否有任何'情感，而在于机器实现智能时怎么能够没有情感[324]。从此，赋予计算机情感能力并让计算机能够理解和表达情感的研究、探讨引起了计算机界许多人士的兴趣。美国MIT媒体实验室Picard教授提出情感计算一词Affective Computing[373]并给出了定义，即情感计算是关于情感、情感产生以及影响情感万面的计算。让机器（计算机）也具备“感情”，从感知信号中提取情感特征，分析人的情感与各种感知信号的关联，是国际上近几年刚刚兴起的研究方向。
情感计算研究的重点就在于通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建感知、识别和理解人类情感的能力，并能针对用户的情感做出智能、灵敏、友好反应的个人计算系统，缩短人机之间的距离，营造真正和谐的人机环境。
情感计算是一个高度综合化的技术领域[328]， 其主要研究内容包括:
(1)情感机理的研究。情感机理的研究主要是情感状态判定及与生理和行为之间的关系。涉及到心理学、生理学、认知科学等，为情感计算提供理论基础。人类情感的研究己经是一个非常古老的话题，心理学家、生理学家己经在这方面做了大量的工作。任何一种情感状态都可能会伴随几种生理或行为特征的变化；而某些生理或行为特征也可能起因于数种情感状态。因此，确定情感状态与生理或行为特征之间的对应关系是情感计算理论的一个基本前提，这些对应关系目前还不十分明确，需要作进一步的探索和研究。
(2)情感信号的获取。情感信号的获取研究主要是指各类有效传感器的研制，它是情感计算中极为重要的环节，没有有效的传感器，可以说就没有情感计算的研究，因为情感计算的所有研究都是基于传感器所获得的信号。各类传感器应具有如下的基本特征：使用过程中不应影响用户(如重量、体积、耐压性等)，应该经过医学检验对用户无伤害；数据的隐私性、安全性和可靠性；传感器价格低、易于制造等。MIT媒体实验室的传感器研制走在了前面，已研制出多种传感器，如脉压传感器、皮肤电流传感器、汗液传感器及肌电流传感器等。皮肤电流传感器可实时测量皮肤的导电系数，通过导电系数的变化可测量用户的紧张程度。脉压传感器可时刻监测由心动变化而引起的脉压变化。汗液传感器是一条带状物，可通过其伸缩的变化时刻监测呼吸与汗液的关系。肌电流传感器可以测得肌肉运动时的弱电压值。
(3)情感信号的分析、建模与识别。一旦由各类有效传感器获得了情感信号，下一步的任务就是将情感信号与情感机理相应方面的内容对应起来，这里要对所获得的信号进行建模和识别。由于情感状态是一个隐含在多个生理和行为特征之中的不可直接观测的量，不易建模，部分可采用诸如隐马尔可夫模型、贝叶斯网络模式等数学模型。MIT媒体实验室给出了一个隐马尔可夫模型，可根据人类情感概率的变化推断得出相应的情感走向。研究如何度量人工情感的深度和强度的，定性和定量的情感度量的理论模型、指标体系、计算方法、测量技术。
(4)情感理解。通过对情感的获取、分析与识别，计算机便可了解其所处的情感状态。情感计算的最终目的是使计算机在了解用户情感状态的基础上，作出适当反应，去适应用户情感的不断变化。因此，这部分主要研究如何根据情感信息的识别结果，对用户的情感变化作出最适宜的反应。在情感理解的模型建立和应用中，应注意以下事项：情感信号的跟踪应该是实时的和保持一定时间记录的；情感的表达是根据当前情感状态、适时的；情感模型是针对于个人生活的并可在特定状态下进行编辑；情感模型具有自适应性；通过理解情况反馈调节识别模式；
(5)情感表达。前面的研究是从生理或行为特征来推断情感状态。情感表达则是研究其反过程，即给定某一情感状态，研究如何使这一情感状态在一种或几种生理或行为特征中体现出来，例如如何在语音合成和面部表情合成中得以体现，使机器具有情感，能够与用户进行情感交流。情感的表达提供了情感交互和交流的可能，对于单个用户来讲，情感的交流主要包括人与人、人与机、人与自然和人类自己的交互、交流。
（6）情感生成。在情感表达基础上，进一步研究如何在计算机或机器人中，模拟或生成情感模式，开发虚拟或实体的情感机器人或具有人工情感的计算机及其应用系统的机器情感生成理论、方法和技术。
到目前为止，有关研究已经在人脸表情、姿态分析、语音的情感识别和表达方面获得了一定的进展。
转载自：智能科学与人工智能网站
科学研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。传统的人机交互，主要通过键盘、鼠标、屏幕等方式进行，只追求便利和准确，无法理解和适应人的情绪或心境。而如果缺乏这种情感理解和表达能力，就很难指望计算机具有类似人一样的智能，也很难期望人机交互做到真正的和谐与自然。 由于人类之间的沟通与交流是自然而富有感情的，因此，在人机交互的过程中，人们也很自然地期望计算机具有情感能力。情感计算（Affective Computting）就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。
有关人类情感的深入研究，早在19世纪末就进行了。然而，除了科幻小说当中，过去极少有人将“感情”和无生命的机器联系在一起。让计算机具有情感能力是由美国MIT大学Minsky在1985年提出的，问题不在于智能机器能否有任何'情感，而在于机器实现智能时怎么能够没有情感[324]。从此，赋予计算机情感能力并让计算机能够理解和表达情感的研究、探讨引起了计算机界许多人士的兴趣。美国MIT媒体实验室Picard教授提出情感计算一词Affective Computing[373]并给出了定义，即情感计算是关于情感、情感产生以及影响情感万面的计算。让机器（计算机）也具备“感情”，从感知信号中提取情感特征，分析人的情感与各种感知信号的关联，是国际上近几年刚刚兴起的研究方向。
情感计算研究的重点就在于通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建感知、识别和理解人类情感的能力，并能针对用户的情感做出智能、灵敏、友好反应的个人计算系统，缩短人机之间的距离，营造真正和谐的人机环境。
情感计算是一个高度综合化的技术领域[328]， 其主要研究内容包括:
(1)情感机理的研究。情感机理的研究主要是情感状态判定及与生理和行为之间的关系。涉及到心理学、生理学、认知科学等，为情感计算提供理论基础。人类情感的研究己经是一个非常古老的话题，心理学家、生理学家己经在这方面做了大量的工作。任何一种情感状态都可能会伴随几种生理或行为特征的变化；而某些生理或行为特征也可能起因于数种情感状态。因此，确定情感状态与生理或行为特征之间的对应关系是情感计算理论的一个基本前提，这些对应关系目前还不十分明确，需要作进一步的探索和研究。
(2)情感信号的获取。情感信号的获取研究主要是指各类有效传感器的研制，它是情感计算中极为重要的环节，没有有效的传感器，可以说就没有情感计算的研究，因为情感计算的所有研究都是基于传感器所获得的信号。各类传感器应具有如下的基本特征：使用过程中不应影响用户(如重量、体积、耐压性等)，应该经过医学检验对用户无伤害；数据的隐私性、安全性和可靠性；传感器价格低、易于制造等。MIT媒体实验室的传感器研制走在了前面，已研制出多种传感器，如脉压传感器、皮肤电流传感器、汗液传感器及肌电流传感器等。皮肤电流传感器可实时测量皮肤的导电系数，通过导电系数的变化可测量用户的紧张程度。脉压传感器可时刻监测由心动变化而引起的脉压变化。汗液传感器是一条带状物，可通过其伸缩的变化时刻监测呼吸与汗液的关系。肌电流传感器可以测得肌肉运动时的弱电压值。
(3)情感信号的分析、建模与识别。一旦由各类有效传感器获得了情感信号，下一步的任务就是将情感信号与情感机理相应方面的内容对应起来，这里要对所获得的信号进行建模和识别。由于情感状态是一个隐含在多个生理和行为特征之中的不可直接观测的量，不易建模，部分可采用诸如隐马尔可夫模型、贝叶斯网络模式等数学模型。MIT媒体实验室给出了一个隐马尔可夫模型，可根据人类情感概率的变化推断得出相应的情感走向。研究如何度量人工情感的深度和强度的，定性和定量的情感度量的理论模型、指标体系、计算方法、测量技术。
(4)情感理解。通过对情感的获取、分析与识别，计算机便可了解其所处的情感状态。情感计算的最终目的是使计算机在了解用户情感状态的基础上，作出适当反应，去适应用户情感的不断变化。因此，这部分主要研究如何根据情感信息的识别结果，对用户的情感变化作出最适宜的反应。在情感理解的模型建立和应用中，应注意以下事项：情感信号的跟踪应该是实时的和保持一定时间记录的；情感的表达是根据当前情感状态、适时的；情感模型是针对于个人生活的并可在特定状态下进行编辑；情感模型具有自适应性；通过理解情况反馈调节识别模式；
(5)情感表达。前面的研究是从生理或行为特征来推断情感状态。情感表达则是研究其反过程，即给定某一情感状态，研究如何使这一情感状态在一种或几种生理或行为特征中体现出来，例如如何在语音合成和面部表情合成中得以体现，使机器具有情感，能够与用户进行情感交流。情感的表达提供了情感交互和交流的可能，对于单个用户来讲，情感的交流主要包括人与人、人与机、人与自然和人类自己的交互、交流。
（6）情感生成。在情感表达基础上，进一步研究如何在计算机或机器人中，模拟或生成情感模式，开发虚拟或实体的情感机器人或具有人工情感的计算机及其应用系统的机器情感生成理论、方法和技术。
到目前为止，有关研究已经在人脸表情、姿态分析、语音的情感识别和表达方面获得了一定的进展。