情感計算這一概念提出來時不少人對其嗤之以鼻，不少人認為量化情感是一件可笑的事，也有人認為這是推動人工智能進入下一階段不可或缺的技術。但不論怎么說，這一技術目前并沒有普及開來，因為與它相關的應用需要的不僅僅是AI與深度學習，還涉及到了太多其他傳感器和心理學的范疇。話雖如此，我們還是陸續看到了情感計算在一些應用中的悄然興起。

懂情感的機器人

情感計算最貼近我們生活的一項應用自然就是機器人了，目前市面上已經出現了不少基于該技術的服務機器人、陪伴機器人和教育機器人，比如日本軟銀集團和法國Aldebaran Robotics開發的Pepper。這些機器人的目的除了完成重復性的服務外，也能緩解人們的孤獨癥或認知障礙等一系列缺陷。且如今仍有不少人被疫情困于家中，這類機器人尤其是陪伴機器人似乎又再度找到了市場。 那么這種陪伴機器人用于情感計算的數據從哪來呢？答案就是機器人配備的傳感器。這里的傳感器并非雷達等用于機器人移動的傳感器，而是麥克風、攝像頭和手勢傳感器這類感知人類的傳感器。

人的說話速度、音調和響度等參數都暗含了當前的情緒波動，通過深度學習創造出的模型，機器人可以利用本地或云端計算平臺來獲取使用者當前的情緒，而這與我們尋常使用的語音命令識別又是另一套完全不同的識別體系。

攝像頭帶來的面部識別則通過人的表情來完成情感計算的過程，這些表情不僅包含了大喜大悲這類的明顯面部特征，還會根據一些微表情來完成輔助判斷。一般的面部識別只會獲取一些關鍵的參數，且往往用于解鎖等安全功能。

智能穿戴，情感計算的另一個入口

除了機器人以外，情感計算也在慢慢進入另一大市場，那就是智能穿戴。除了以機器視覺、語音識別為主的情感計算以外，另一種獲取人類情緒的方式就是通過ECG、EDA、EEG和HRV等生物信號，通過測量這些信號的持續時間，進行特征提取，再通過統計分析和機器學習算法，最終得出使用者當前的情感狀態。而當下最方便收集這些數據的自然非智能穿戴設備莫屬了。
從去年開始，一眾智能手表都添加了ECG心電檢測功能，Fitbit Sense更是集成了EDA皮電傳感器。當然了目前在情感計算尚不成熟的情況下，針對這些功能開發的應用主要以健身為主。但無可厚非的是，智能穿戴設備上的傳感器很可能成為未來情感計算中一個關鍵的入口，而IoT互聯技術將作為它的擴散網絡。

比如智能穿戴設備識別出憂郁的情緒后，隨機播放音樂的關聯應用會自動在智能音箱等設備中播放振奮的音樂，或是智能燈具自動將光色調節至正面色彩。不過ECG和EDA這類生物信號目前主要在激動、疲憊和壓力等情感判斷上更為準確，而在喜怒哀樂等具體情緒識別還是落后于面部識別，所以當前還是更適合用于醫療類的智能穿戴設備，作為一項輔助監測功能。

小結

其實情感計算的產品應用形態遠不止于此，目前已經有不少AI虛擬助手融合了簡單的情感計算，這些虛擬機器人往往利用的是文本或語音的語義分析來判斷情感，從而完成一些電子客服之類的工作。

從這些潛在的情感計算應用來看，情感計算似乎大多都離不開與感知緊密相關的傳感器，但目前也有一些研究在探索非侵入式傳感器的情感計算。這類情感計算通過現有的一些設備來判斷人的情緒，比如人移動鼠標的速度、敲擊鍵盤的頻率等，但這類研究的成熟度更低，與以上傳感器方案相比，準確度均要低上不少。

總的來說情感計算目前進展還在初期，要想真正感知到人的情感還需要更多的數據輸入，也需要廠商進行一系列定制化的傳感器設計。