人工情感 发表评论(0) 编辑词条

人工智能是指用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器的智能化。人工情感指用人工的方法和技术，模仿、延伸和扩展人的情感，使机器具有识别、理解和表达情感的能力。从广义的角度来看，情感是一种特殊的认知，意志又是一种特殊的情感，广义的人工智能包括狭义人工智能、人工情感与人工意志三个方面。
人工情感并不是指简单地模拟人的某些情感表达方式和情感识别方式，而是为了使电脑或机器人具有像一样的内在情感，真实地具有像人一样的情感表达能力、情感识别能力、情感思维能力和情感实施能力。

1、“机器情感”(Machine Emotion)。研究如何用机器，如计算机、机器人等，模拟、识别人或动物的自然情感。 生成、表现类似于自然情感的机器情感。如虚拟电视节目主持人或虚拟电影演员的喜、怒、哀、乐、爱、恨、恩、仇等人工情感。
2、“情感机器”(Emotional Machine)。开发可以模拟、延伸和扩展自然情感，具有类似人的情感的情感机器，如虚拟的或实际的“情感机器人”(Emotional Robot)以及各种具有人工情感的计算机应用系统、自动化系统。如:基于人工情感的产品设计系统，商品采购系统。
因此，“人工情感”学科的研究目标是模拟、延伸和扩展“自然情感”(特别是人的情感)，其研究对象有“机器情感”与“情感机器”两方面。

人类社会经历了第一次浪潮（农业革命）和第二次浪潮（工业革命）之后，正在展开声势浩大的第三次浪潮——信息革命。信息革命主要包括信息生产和信息处理两个方面。在信息革命时期，科学技术各学科专业的迅速分化和社会生产各行业分工的日趋细化，各种科学技术的大量产生，形成了“信息爆炸”的局面，信息处理方面的发展水平逐步成为信息革命发展的瓶颈，社会在信息处理方面一旦取得重要成果往往会引发和促进整个人类社会在经济、政治和文化领域的深刻变革，因此计算机技术的发展水平可以看作是信息革命浪潮的中心线索，人工智能（包括人工情感）的发展水平又可以看作是计算机发展的核心内容。
1、科学技术发展的迫切需要。今天，科学技术正在步步逼近自然界的各种“极限”，目前超高温、超低温、超真空、超导、超强磁场、彻底失重等研究已经取得了很大进展。工业革命有力地促进了各独立学科的专业化发展，信息革命促进了各学科朝着综合性、交叉性、极限性、特异性、精确性的方向发展。当代科学技术发展形成的思维方式存在如下特点：从绝对走向相对；从单义性走向多义性；从精确走向模糊；从因果性走向偶然性；从确定走向不确定；从可逆性走向不可逆性；从分析方法走向系统方法；从定域论走向场论；从时空分离走向时空统一。这些崭新的思维方式既有助于人们对于自然现象进行深入的、广泛的、系统的研究，也有助于人们对于社会现象的研究，从而有利于社会科学的发展，有利于自然科学与社会科学的融合。尽管如此，科学技术对于人脑自身的研究却举步维艰，虽然人们在生命科学（如生物技术、遗传工程等）上不断取得进展，并在物理层次和生理层次上对于人脑内部结构的认识也不断深入，但是，对于人脑各组成部分的功能特性及其逻辑关系的认识却始终是模糊的。目前，计算机科学的发展经历了算术运算、数学运算、逻辑推理、专家系统和模式识别等五个发展阶段，在人工智能的认知领域已经取得了显著的成果，但在人工智能的情感领域却收获甚微。情感是人类智能的重要组成部分，也是生命科学的重要组成部分，没有情感的智能是残缺不全的，不解决“人工情感”的理论问题，生命科学中的许多理论问题将无法解决。目前的智能计算机只包含了反映理性思维的“脑”，那么，人工情感将使其增添了具有感性思维的“心”，在人工智能理论框架下产生了一个质的进步，从广度上讲它扩展并包容了智能，从深度上讲体现了一种更高层次的智能。人工情感又是一门高度综合性的科学，广泛涉及哲学、生理学、心理学、生物学、思维科学、社会学、计算机、医学等多门学科，情感理论的发展状态将会对这些学科的发展状态产生重要的影响，情感理论的发展如果受到制约，必然会对这些学科的发展产生严重制约。
2、计算机应用扩展的迫切需要。目前的计算机在人工智能方面已经取得了突出的成就，能够在算术运算、数学运算、逻辑推理、专家系统和模式识别等方面出色地完成人所赋予的许多工作任务。然而，这远远不够，人们期待着计算机在替代、帮助、补偿和强化人类劳动的众多方面应该有更多、更好的作为。一是要建立和谐而自然的人机界面。如今人类生活已经无法离开计算机了，在计算机不断升级的同时，人与计算机之间的交互方式却没有什么明显的改变，基本上是借助于键盘、鼠标等被动式的中介手段，计算机无法理解和适应人的情绪或心境。人们相互之间的沟通与交流是自然而富有感情的，计算机如果没有情感能力，就很难指望它具有类似人一样的高层次智能，也很难期望人机交互真正实现和谐与自然。二是要进一步提高计算机自身运行的速度和效率。大家都知道，一方面计算机对于一些非常复杂而繁琐的问题能够轻松而快速地解决，其运转速度、记忆容量和计算准确率等是任何人都无法跟它相比的，另一方面对于一些非常简单而直观的常识性问题却无所作为，智力远不如一个三岁儿童，这主要是因为人脑能够在情感的引导下，按照某些“价值特性参量”（如重要性、紧迫性、倾向性、经验性和关联性等）来生产、筛选、组织和使用信息，从而可以简化过程，节约资源，加快速度，减少差错。由此可见，人工情感有一个非常重要而往往容易被人们所忽略的作用，那就是提高计算机自身所有资源的效率和速度。三是要使计算机的运行具有更多的自主性和创造性。目前的智能机器人都是在人的严格控制之下，在特定的时间和特定的顺序完成所有规定的程序或动作，没有任何自主性和创造性。情感的赋予就能够使机器人以既定的“价值目标”为行为方向，以内设的“知情意系统”为价值计算依据，以“实现最大价值率”为行为准则，建立一系列价值计算的函数关系式或约束方程式，再根据自然环境和人文环境确定边界条件，选定情感和意志的动力特性参数，就可以主动地、创造性地确定和调整“整体规划、行为方案和具体动作”，然后对行为的最终结果进行价值评价，以便及时地修正“知情意系统”，达到总结经验和吸取教训的目的。由此可见，情感是人具有自主性和创造性的内在原因，是人与机器人的根本差别之所在。
3、社会生产力进一步发展的迫切需要。人类进入信息社会后，信息的“爆炸”使社会生产力出现了突飞猛进的发展，同时信息的传播速度、处理速度、运算正确率、存贮容量、检索速度等越来越赶不上社会生产力的发展需要，从而使信息的处理手段的发展水平逐渐成为社会生产力持续快速发展的决定性因素。目前计算机的人工智能水平已经达到了一个空前的高度，许多方面已经大大超过了人脑的智能水平，可供进一步发展的空间已经越来越狭小，人们急需寻找一个新的突破口，来实现人工智能的又一次历史性飞跃，以满足社会生产力对于信息处理手段不断增长的需要。显然，发展人工情感是实现人工智能水平质的飞跃的重要途径，也是社会生产力形成新的跨跃的重要途径。总之，计算机的出现揭开了人类社会第三次伟大浪潮——信息革命的序幕，人工情感的出现将把这次伟大浪潮推向一个全新的发展阶段。
4、实现人工情感的历史必然性。事实上，情感是智能的一部分，而不是与智能相分离的，它是一种特殊的智能，意志是一种特殊情感，因而也是一种特殊智能，我既然能够实现狭义智能的人工化，就必然能够实现广义智能的（即情感和意志）的人工化。数学是人们认识事物的一种重要手段，其目的在于帮助人们更加客观、更加精确地认识事物，世界上没有任何事物是不能认识的，也没有任何事物不能进行客观和精确地进行认识，只要数学理论足够发达，对于客观事物的本质特性和内在规律性能够充分了解，任何模糊的、不确定的、边界性的、突变的、特性化的、抽象的事物都可以相应地采用模糊的、概率的、边界的、突变的、具体的数学理论进行分析。我们既不能被情感的多变性、模糊性和主观随意性所迷惑，把情感与认知的差别绝对化和神秘化，把情感看作是神秘莫测的东西，也不要把情感和意志简单地与智能混为一谈；既要看到实现人工情感的现实艰难性，也要看到实现人工情感的历史必然性。

为了实现用人工的方法和技术来模仿、延伸和扩展人的情感的目的，就必须首先建立情感的数学模型，实现对情感的内部逻辑关系及其运动变化进行严密的逻辑推理与精确的数学运算。然而，针对情感能否进行精确计算和人工化，目前的理论界存在激烈的争论，具体体现在三个方面。
1、可能性与不可能性的争论。一种观点认为，人的情感如同人的智能一样是可以进行计算，并在此基础上可以实现情感的人工化或数字化。协同学领袖哈肯曾经预言，“从长远的观点看，有希望制造出以自组织方式执行程序的协同计算机来模拟人类智能”，他系统阐述了他的脑活动和认知的协同学研究结果。另一种观点认为，情感具有不可计算性，人工情感是不可能实现的。他们认为，有些问题是可计算的，即对于这些问题存在可解的算法；但是还有一些问题不是可计算的，即对于这些问题不存在可解的算法。例如，停机问题是不可计算的，程序验证问题是不可计算的，检查一个图灵机是否接受一个给定的输入符号串是不可计算的，“波斯特对应问题”是不可计算的，等等。他们认为，认知的本质是计算，无论是人脑还是计算机，都是操作、处理符号的形式系统，而信息的收集、存储和处理的过程都是算法可计算的，因此认知和智能的任何活动都是图灵意义上的算法可计算的。与现代计算机不同，大脑不是一种通用图灵机，大脑的每一部分都是特异化的，并且是在相互作用中完成整体心智活动的，体现出一种内在的、依存性的、整体自涌现的形式，难以难以计算。哥德尔严格区分了心、脑和计算机的功能，他认为，心脑同一论是我们时代的偏见，心的可计算主义是应当批判的，假定存在超过人心的机器我们能证明吗？托尼•霍尔说：“大脑思维和计算机算法，乍一想这两者有相似性，但我们对大脑了解得非常少，基本结构都远远没有弄清楚。机器是不可能取代大脑的。”他说，比如编程，人的灵感机器没有，机器只能用来排错，机器只是助手。他们认为，欲望、情感和意志是具有主体意识的人类本身专有的，一旦它们脱离人就不存在了或者说变成假的了，情感只有是真时才能起作用，不可想象一台机器会自发地产生那些根本不属于它的特性；情感是不能制造的，模拟永远是假的；情感与人的社会性需求密切相关，电脑不具有任何社会性需求，因而不可能具有真正的情感，具有人类情感的电脑就象永动机一样永远不会实现，除非它具有独立意志。
2、必要性与不必要性的争论：一种观点认为，目前的人工智能基础理论已经处于相对停滞的状态，人工情感是人工智能必须面对的课题，是人工智能进一步发展的瓶颈，人机界面的人性化、程序运行的自主化、智能资源的效率化等都需要立即解决情感的可计算问题，解决人工情感的一系列基础理论问题和具体技术问题，人工情感已经具有了很迫切的社会需要。另一种观点认为，人工情感是科学研究上一种多余的“奢侈”。人类思维是一个巨大的系统工程，其基本的流程至今还没有完全研究清楚，很多内容甚至不能用语言表达，但肯定不会像二进制那样简单。人脑含有大约1000亿个神经元，每个神经元还有大约１万个连接，在如此复杂且高效的系统中，信息的处理远非人类想像得那么简单，情感型电脑对硬件和软件有着极为特殊的要求，人类目前的技术手段和思维高度远没有达到要求，对情感进行计算几乎是不可能的，即使能够部分做到，也将会付出高昂的代价，目前的人机交互技术水平已经基本满足了人们的要求，指望某一种技术使得智能化或是交互形式在便捷性上有巨大的发展，基本上是不现实的，也是没有必要的。这种观点还认为，目前还没有形成对于情感计算机强烈的社会需求，如果技术的高度超过了社会的需求，其结果要么是技术本身被人们所遗弃，要么是技术的存在使人类的本性退化。智能化的最终目的是延伸人的控制力，但目前智能化似乎进入了绝对化的发展空间，大多数研究人员忽视了两个关键问题——智能化的效果和智能化的成本。技术的成本确实是一个无法回避的问题，“如果智能化的成本在某一时刻超过了人力资本，那么还会有谁去用智能设备呢？”
3、现实性与非现实性的争论。一种观点认为，人工情感是即将到来的现实。克里克认为：“现在是可以用科学的方法研究意识的时候了，人的意识和精神活动完全由神经细胞、胶质细胞的行为和构成方式、以及影响它们的原子、离子和分子性质所决定，它们完全由物理化学规律支配”。生物计算机的出现，使人工情感变得越来越现实化，科学家发现了分子之间自发的组成具有计算能力的系统的方法，最可能成为生物计算机运算单元的是DNA（脱氧核糖核酸）或RNA（核糖核酸）。另一观点认为，人工情感是件遥远的事情。计算技术发展到今天，对大脑结构和思维本质的无知成了人工智能的“音障”，它们的阻力像激波一样难以突破。目前对于大脑如何工作还没有一个像样的理论基础，里克•雷斯特认为，大脑太复杂了，没有人知道它怎么活动，谈不上模拟大脑的算法，“假设有可以模拟大脑算法的机器，这样的机器有智能和意识吗”。 张亚勤和微软亚洲研究院的两位副院长张宏江、沈向洋在合写的文章中说，一些科学家提出，“人类思维的规则几乎是不可能被完全破译的，所以机器所能够接受的永远都只是残缺不全的‘人的智能’，再强大的机器也不可能再现人类思维的复杂机制。” 由于大脑结构的复杂性、意识的复杂性、认知过程的复杂性、常识知识结构的复杂性等等，也由于意识最重要特征是它的意向性、自明性或自指性，彭罗斯认为这些特征显然是超越逻辑的，是超越目前的算法的。人的情感思维与电脑的智能思维是两种完全不同的思维方式，电脑的最基本构成是处理器、内存和总线结构，它们只能对电路的开关作出反应和发生作用，这就决定了电脑的“思维”方式的有限性；电脑不存在意识，没有心理平衡问题，无法建立主体价值观，不能自动对所有的感受进行过滤，以便处理有用和必要的事情；人脑绝不是单纯处理0和1的装置，它直接接受和处理模拟信号，它的记忆是经验块堆的建立、关联和组合，如果电脑实现人脑功能，它必须在结构和工作机理上彻底翻新；人不会制造完美，大自然则能，人脑是目前物质的最高实现形式，人类只能实现人脑与电脑的交互，根本不可能制造具有真正的人脑思维方式的电脑；人是感性和理性的矛盾统一体，未来电脑可以让我们的社会数字化，但我们却难以让它感性化。总之，电脑距我们人脑还有遥远的距离，中间似乎隔着许多不可逾越的鸿沟。

人工智能是指用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器的智能化，人工情感指用人工的方法和技术，模仿、延伸和扩展人的情感，使机器具有识别、理解和表达情感的能力。从广义的角度来看，情感是一种特殊的认知，意志又是一种特殊的情感，广义的人工智能包括人工智能、人工情感与人工意志三个方面，因此人工情感的发展历程实际上就是广义的人工智能的发展历程。
1、算术运算阶段。1614年苏格兰人John Napier发表了一篇论文 ，其中提到他发明了一种可以进行四则运算和方根运算的精巧装置；1623年Wilhelm Schickard制作了一个能进行6 位数以内加减法运算，并能通过铃声输出答案的“计算钟”，该装置通过转动齿轮来进行操作；1625年William Oughtred发明计算尺；1642年，法国哲学家兼数学家Blaise Pascal发明了第一台真正的机械计算器——滚轮式加法器，其外观上有6个轮子，分别代表着个、十、百、千、万、十万等，只需要顺时针拨动轮子，就可以进行加法，而逆时针则进行减法，原理和手表很像，算是计算机的开山鼻祖了；1668年英国人Samuel Morl制作了一个非十进制的加法装置，适宜计算钱币；1671年德国数学家Gottfried Leibniz 设计了一架可以进行乘法运算，最终答案长度可达16位的计算工具；1822年英国人Charles Babbage设计了差分机和分析机，其设计理论非常超前，类似于百年后的电子计算机，特别是利用卡片输入程序和数据的设计被后人所采用；1834年Babbage 设想制造一台通用分析机，能够完成所有的算术运算，该分析机由四个基本部件构成：存储库、运算室、传送机构和送人取出机构，类似于现代计算机的五大装置：输入、控制、运算、存储和输出装置，因此他被公认为计算机之父；1848年英国数学家George Boole创立二进制代数学，提前近一个世纪为现代二进制计算机的发展铺平了道路；1890年美国人口普查部门希望能得到一台机器帮助提高普查效率，Herman Hollerith (后来他的公司发展成了IBM 公司)借鉴Babbage的发明，用穿孔卡片存储数据，并设计了机器，结果仅用6 周就得出了准确的人口统计数据(如果用人工方法，大概要花10 年时间)。 算术运算主要是以机械方式来实施的。
2、数学运算阶段。在以机械方式运行的计算器诞生百年之后，随着电子技术的突飞猛进，计算机开始了真正意义上的由机械向电子时代的过渡，电磁学、电工学、电子学不断取得重大进展，在元件、器件方面接连发明了真空二极管和真空三极管，电子器件逐渐演变成为计算机的主体，而机械部件则渐渐处于从属位置。1906年美国人Lee De Forest发明电子管，为电子计算机的发展奠定了基础；1924年2月IBM公司成立，从此一个具有划时代意义的公司诞生；1935年IBM推出IBM601机，这是一台能在一秒钟内算出乘法的穿孔卡片计算机；1937年英国剑桥大学的Alan M.Turing出版了他的论文，并提出了被后人称之为“图灵机”的数学模型；1937 年Bell试验室的George Stibitz展示了用继电器表示二进制的装置，尽管仅仅是个展示品，但却是第一台二进制电子计算机；1940年Bell实验室的Samuel Williams 和Stibitz 制造成功了一个能进行复杂运算的计算机，该机器大量使用了继电器，并借鉴了一些电话技术，采用了先进的编码技术；1941年Atanasoff 和学生Berry 完成了能解线性代数方程的计算机，取名叫“ABC ”，用电容作存储器 ，用穿孔卡片作辅助存储器，那些孔实际上是“烧”上去的，时钟频率是60Hz，完成一次加法运算用时一秒；1946年美国宾夕法尼亚大学莫尔学院制成的大型电子数字积分计算机(ENIAC)，最初也专门用于火炮弹道计算，后经多次改进而成为能进行各种科学计算的通用计算机，这台完全采用电子线路执行算术运算、逻辑运算和信息存储的计算机，运算速度比继电器计算机快1000倍，这就是人们常常提到的世界上第一台电子计算机；1945年数学家冯•诺伊曼发表了电子离散变量自动计算机(EDVAC) 方案；1949年英国剑桥大学数学实验室率先制成电子离散时序自动计算机(EDSAC)；美国则于1950年制成了东部标准自动计算机(SFAC)等。与此同时，数学、物理也相应地蓬勃发展，到了20世纪30年代，物理学的各个领域经历着定量化的阶段，描述各种物理过程的数学方程，其中有的用经典的分析方法已根难解决。于是数值分析受到了重视，研究出各种数值积分、数值微分以及微分方程数值解法，把计算过程归结为巨量的基本运算，从而奠定了现代计算机的数值算法基础。此阶段的数学运算主要是以机电方式或电子管方式来实施的。
3、逻辑推理阶段。1950年图林发表了一篇划时代论文《计算机与智能》（后来改名为《机器能思维吗？》），引起了巨大的震动，他认为，与人脑的活动方式极为相似的机器是可以制造出来的。1956年美国达特莫斯大学（Dartmouth）召开了一次影响深远的历史性会议，参加这次聚会的青年学者的研究专业包括数学、心理学、神经生理学、信息论和电脑科学等，他们分别从不同的角度共同探讨人工智能的可能性，正是这次会议首次提出了“人工智能”（AI）这一术语，标志着人工智能作为一门新兴学科正式诞生。人工智能科学想要解决的问题，是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化和解决各种实际问题的能力。逻辑推理是人类思维的重要方面，包括归纳推理、演绎推理和模糊推理等多种形式。人工智能的核心内容就是要模拟这些推理形式，实现诸如故障诊断、数学定理证明、问题判断与求解、博弈等功能，因此逻辑推理是人工智能的核心内容之一。当机器有了逻辑推理能力以后，就能够比普通机器更加灵活地分析问题和处理问题，从而适用于更加复杂多变的应用场合。1956年纽厄尔、赫伯特•西蒙 等人合作编制的《逻辑理论机》数学定理证明程序（简称LT），从而使机器迈出了逻辑推理的第一步。在卡内基—梅隆大学的计算机实验室，纽厄尔和西蒙通过大量的观察实例，发现人们求解数学题通常是用试凑的办法进行的，试凑时不一定列出了所有的可能性，而是用逻辑推理来迅速缩小搜索范围，人类证明数学定理也有类似的思维规律，通过“分解”（把一个复杂问题分解为几个简单的子问题）和“代入”（利用已知常量代入未知的变量）等方法，用已知的定理、公理或解题规则进行试探性推理，直到所有的子问题最终都变成已知的定理或公理，从而解决整个问题。人类求证数学定理也是一种启发式搜索，与电脑下棋的原理异曲同工，因此他们利用这个LT程序向数学定理发起了激动人心的冲击。电脑果然不孚众望，一举证明了数学家罗素的数学名著《数学原理》第二章中的38个定理。1963年，经过改进的LT程序在一部更大的电脑上，最终完成了第二章全部52条数学定理的证明。之后，洛克菲勒大学教授王浩用他首创的“王氏算法”，在一台速度不高的IBM704电脑上再次向《数学原理》发起挑战，不到9 分钟，就把这本数学史上视为里程碑的著作中全部（350条以上） 的定理统统证明了一遍，他因此被国际上公认为机器定理证明的开拓者之一。此阶段的逻辑推理主要是以晶体管方式或集成电路方式来实施的。
4、专家系统阶段。费根鲍姆（E.Feigenbaum）在1977年第五届国际人工智能大会上提出了“知识工程”的概念，标志着AI研究从传统的以推理为中心，进入到以知识为中心的新阶段。他具体介绍了他们所开发的第一个“专家系统”，并指出，专家系统“是一个已被赋予知识和才能的计算机程序，从而使这种程序所起到的作用达到专家的水平”，这种“专家水平”意味着医学教授作出诊断和治疗的水平，高级工程师从事工程技术研究和开发的水平，特级教师在课堂上传授知识的水平。专家系统的客观目的就是要在机器智能与人类智慧集大成者──专家的知识经验之间建造一座桥梁，它是人类专家可以信赖的高水平智力助手。人类专家的知识通常包括书本知识和实践经验两大类，前者可能是专家在学校读书求学时所获，也可能是从杂志和书籍中自学而来，然而，仅仅掌握了书本知识的学者还不配称为专家，专家最为宝贵的知识是他凭借多年的实践积累的经验，这是他头脑中最具魅力的知识瑰宝。费根鲍姆研制的第一个专家系统DENDRAL是化学领域的“专家”。在输入化学分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子结构，其分析能力已经接近、甚至超过了有关化学专家的水平。该专家系统为AI的发展树立了典范，其意义远远超出了系统本身在实用上创造的价值。在费根鲍姆发表演讲后，专家系统如同雨后春笋迅速遍及世界各地。此外，在极其广泛的领域，人工智能研究者构建了不计其数的“电脑专家”，如数学专家MACSYMA，农业专家PLANT，生物专家MOLGEN，地质探矿专家PROSPECTOR，教育专家GUIDON，法律专家LDS，军事专家ACES、ADEPT、ANALYST等系统。
人如果要灵活地分析问题和处理问题，并且适用于复杂多变的应用场合，就必须不断地吸收新知识和新信息，总结经验与教训，变更计划与步骤，这就需要不断地进行学习，在人工智能中，“学习”具有重要的意义。显然，专家系统已经开始具备了“学习”的功能，专家系统的“学习”过程就是知识的自动积累过程。在数学推理系统中，“学习”过程就是根据一些简单的概念推理形成较复杂的概念，并作出数学猜想等，根据一些简单的公理推理形成较复杂的公理，并作出理论假说等；在问题判断与求解中，“学习”过程就是根据执行情况修改计划。此阶段的专家系统主要是以大规模集成电路方式来实施的。
5、模式识别阶段。模式识别是近30年来得到迅速发展的人工智能分支学科。但是，对于什么是“模式”，或者什么是机器（也包括人）能够辨认的模式，迄今尚无确切的定义。电脑模式识别技术最初起源于图象识别的需要，比如协助警方根据照片从茫茫人海里搜寻某个罪犯，或者帮助医生把显微镜下观察的细菌形态进行分类，确认它是球菌、杆菌还是弧菌。严格地说，模式识别又不是简单的分类学，它的目标包括对于识别对象的描述、理解与综合。
在1973年召开的模式识别第一次国际学术会议基础上，成立了国际模式识别协会（IAPP）。一位专家曾经指出：“模式识别是本世纪雄心最大的学科，需要电脑科学家、数学家、生物学家、心理学家、哲学家和社会学家的通力合作。”如果不是电脑，而是人脑接受到视觉器官（如眼睛和视网膜）传递来的信息，它究竟是怎样识别和区分大千世界的万物呢？一种可能的解决方案是：图象上的每一点都用一个神经细胞与之对应并逐一判别，最后综合为整体，但是，既使只描述图象局部的大致轮廓，神经元的数目仍不敷使用；另一种可能的方案更符合实际：大脑感知的不是图象上所有的点，而是其轮廓中最典型的特征，如线段、角度、弧度、反差、颜色等等，把它们从图象中抽取出来，然后结合头脑中过去的记忆和有关经验和知识分析判断，即“特征抽取”，它是电脑图象识别的基础。人类相互之间交流思想，除“读写”之外的重要途径是“听说”，电脑语音识别理所当然被列为与图象识别同等重要的人工智能技术，它包括用口令控制电脑的动作、或者根据口述声音录入文字、设计出“会听话”的电脑等内容。语音识别的基础技术也是模式识别，通常每个人说话的音色和音调都有一定的差异，发声频率各不相同，人脑对语音似乎有一种自适应的能力，既能区分不同性别不同年龄的语音差异，又能调整为能够理解的基本音素，从而听懂各色人等说出的话语。采用模板匹配方式的电脑不可能具备这种本领，它通常只能“听懂”特定某人的声音，而且是经过了一段时间“学习”的结果。学习过程称为“训练”，即对着电脑大声重复地讲述某些字词，直到它把这些字词的声音频谱特征“记住”，存放在参考样本库作为识别这个字词的模板。如果换了另一人说话，电脑就不能正确地识别，这就是对说话者的依赖性，也叫“认人”的识别系统。语音识别技术在近年获得了令人惊异的进展。现有的产品如IBM的ViaVoice已经可以对连续的语言进行比较可靠的识别；微软研究院的语音技术组希望增强PC产生和识别自然语言的能力，并支持所有类型的自然语言输入（包括文字输入和语音输入），并且可以将输入的语言进行结构化处理。人工智能模式识别的进展，已经在一定程度上使电脑具备了“听”、“说”、“读”的能力，但距离理想的目标还有较长的路程。对于人类来说，哪怕你把字写得龙飞凤舞，哪怕你把话说得含糊不清，我们也能根据对上下文的理解做出正确的识别，它表明人脑模式识别的方法，不是或者不完全是什么“模板匹配”。对与模糊信息的识别处理，人脑比电脑要擅长得多。此阶段的模式识别主要是以超大规模集成电路方式来实施的。
6、情感计算阶段。人们一直期盼着能拥有并使用更为人性化和智能化的计算机，只有这样，才能实现从人操作计算机转变为计算机辅助人，才能实现从人围着计算机转变为计算机围着人转，才能实现计算机由认知型转变为直觉型。“情感计算”研究就是试图创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算机系统。1985年，美国MIT(麻省理工学院)Minsky教授在《脑智社会》专著中指出 “问题不在于智能机器能否有情感，而在于没有情感的机器能否实现智能。在这之后，有关赋予计算机情感能力的探讨引起了一些计算机科学家的兴趣。美国MIT大学媒体实验室Picard教授在其专著“Affective Computing (情感计算)”中做出定义：“情感计算是关于、产生于、或故意影响情感方面的计算”。情感计算的主要内容包括：三维空间中动态情感信息的实时获取与建模，基于多模态和动态时序特征的情感识别与理解及其信息融合的理论与方法，情感的自动生成理论及面向多模态的情感表达，以及基于生理和行为特征的大规模动态情感数据资源库的建立等。情感计算的本质就是对人的情感表达的生理学成分的测量与计算，以及对人的情感表达模式的识别，它不是真正意义上的对于人的情感内部逻辑关系的计算，其主要目的只是在于建立友好的、人性化的人机界面，帮助使用者获得高效而又亲切的感觉，并有效减轻使用电脑的挫败感，构筑更贴近人们生活的智能空间或虚拟场景。
7、情感理解阶段。对于目前情感计算的理论基础，孙尧教授认为是一种具有明显缺陷的智能化理论体系，理论的发展往往决定着技术的最终高度，智能化技术想要只依靠现有的传统理论达到比其他技术更高的地步，显然是不现实的，经典的思维根本不能处理智能化的问题，即使是部分解决，也要付出极其高昂的代价，他说：“重要的不是开发多少算法或是网络结构，而是深入开发真正适合智能技术的数学与物理基础，否则一切都是空谈”。到此为止，人工智能已经接近了它的技术顶点，如果不解决深层次的理论问题，不发生人工智能的基础理论体系上的重大突破，要使计算机具有人类式的情感是永远不可能的。深层次的理论问题包括：情感的哲学本质是什么？人类拥有情感的客观目的是什么？人的情感与认知、意志之间是如何交互作用的？情感的层次结构及其各层次之间的逻辑关系如何？情感的基本分类是怎样的，有何客观依据？情感的动力特性及其决定因素是什么？能否建立情感的数学模型，以及怎样对情感进行逻辑分析与数学运算？情感运行的基本程序是怎样的？情感的基本规律有那些？等等。显然，不解决这些理论问题，要真正实现情感的内部逻辑关系的计算是绝对不可能的。解决了情感在深层次上的理论问题以后，全面实现真正意义上的人工情感就已经为期不远了。如果要将电脑植入人脑，用微型芯片配合脑神经细胞工作，就只需要解决两者之间的接口问题，目前人们对于神经网络的研究将会有助于这一问题的解决。
8、人工情感的最终归宿。情感在人的思维活动中占据极为重要的地位，决定和制约着人的行为活动和其它思维活动的基本框架与总体方向，人工情感的全面实现，不仅可以使计算机具有友好的、人性化的人机界面，更重要的是能够使计算机具有更高的信息处理速度与效率，具有独立的决策能力和行为控制能力，具有创造性和开拓性的思维能力。到了那个时候，从纯逻辑的角度来看，人与机器人之间已经没有任何区别了，只有机器体与肉体之间的区别了，人与机器人之间就可以实现全面的融合，没有明显的界限和本质的区别，人类的肉体之中有机器，机器人的身体中有肉体，彼此可以相互转换、相互渗透、相互促进，到时候也无所谓人与机器人之间存在什么矛盾与冲突，这就是人工情感的最终归宿。

目前的人工智能实际上只是人工认知，它是狭义的人工智能。知、情、意是人类三种基本的思维形式，那么广义的人工智能应该包括人工认知、人工情感和人工意志三个方面，因此要想由狭义的人工智能朝向广义的人工智能发展，就必须首先解决一系列有关情感的基本理论问题：什么是情感？情感的客观目的是什么？认知与情感到底有何区别？等等，而这些深层次的理论问题是当今的哲学、思维科学、生命科学和心理学等没能真正解决的。计算机的人工智能水平在经历了一段时间的突飞猛进之后，如今已经接近了它的理论上的发展极限，显然，不解决上述深层次的、哲学层面上的理论问题，不解决“人工智能”、“人工情感”和“人工情感”理论所存在的一系列严重的危机与哲学错误，要想研究真正意义的情感机器人是绝对不可能的。
1、“人工情感”理论的危机。目前，计算机理论界所开展的针对各种生理指标方面的“人工情感”方法，主要存在如下危机根本无法解决：（1）要建立情感的识别系统和表达系统，就必须对情感的基本类型进行划分，以确立情感的基本模态。然而，情感的基本类型究竟应该根据什么原则和标准来划分，有何理论根据？（2）对于同一类型情感，无论是情感感受强度，还是情感表达强度和情感生理唤醒程度，都可以采用不同的生理指标进行计算和测量，究竟应该选用哪一个生理指标为主要尺度呢？（3）对于同一类型情感采用同一个生理指标进行测量和计算时，由于受到许多环境因素、人体其它生理因素和精神因素的影响，其测量值的差异性和波动性如何消除。（4）不同的情感类型所产生的不同生理指标之间往往没有通约性，那么，不同类型的情感之间如何进行相互比较和统一度量？（5）人的情感内容和感情方式是极为丰富的，各种情感之间相互渗透、相互作用、相互转化，往往有着相当复杂而且变化频繁的关系，那么对于情感的计算就需要真正天文数字般的情感数据资源库，还需要海量的计算模型与计算工作量，而人脑为何并不需要？（6）有些复杂而微妙的情感，如怀疑、犹豫、迷茫、怜悯、尴尬、自我表现等，其生理指标的变化往往极其微弱而且短暂，对于它们的计算和测量如何进行？（7）有些情感（如“对敌人的仇恨”与“对亲人的生气”）往往具有相同或相近的生理指标，但两者所表达的价值内涵往往相差很大，如何进行区别？（8）情感的感受强度和表达强度与各种生理指标的变化量度通常不是成线性函数关系，大部分都是呈非线性的、不连续的、模糊的、概率性的、波动的函数关系，因此采用生理指标的变化量来计算情感的感受强度和表达强度，如何消除其误差性和不确定性。（9）假如能够计算出人的情感感受强度、表达强度和生理唤醒程度，这些计算值又代表了什么样的客观价值意义？如何使电脑或机器人具有和谐、友好、灵活的人机界面？总之，对于情感的感受强度、表达强度和生理唤醒指标的计算实际上只是对于情感的表面形式的计算，而不是对于情感的客观内容的计算，因此不可能实现真正意义的“人工情感”。
2、“人工情感”理论的哲学错误。目前，“人工情感”理论中主要存在如下唯心主义和形而上学的哲学错误，必须进行深刻的反思：（1）唯心主义错误。目前的“人工情感”理论以唯心主义的观点来看待情感的哲学本质，把情感与它所对应的客观存在割裂开来，局限于在主观范畴内来分析情感现象与情感规律。唯心主义者常常把主观与客观割裂开来，它否认，任何主观意识都产生于客观存在，都是人脑对某一种客观存在的反映，那怕有时是一种不真实的、不正确的、不全面的、甚至是颠倒的反映；它不知道，要认识一种主观意识的哲学本质必须从它所反映的客观存在中找答案，要分析一种主观意识的变化规律性应该从它所反映的客观存在的规律性上着手；它不知道，情感作为人脑的一种主观心理活动，必然对应着某一种客观存在，必然是人脑对某一种客观存在的主观反映；它在分析情感现象与情感规律时，总是试图在“需要”、“欲望”、“体验”、“态度”等主观心理范畴内找答案，而不能从其所反应的客观存在中找答案。统一价值论认为：任何主观意识总会有某一客观存在与之相对应；情感作为一种特殊的主观心理活动，反映了一种特殊的客观存在——人与事物之间的价值关系，情感与价值的关系在本质上就是主观与客观的关系。在发现了情感与价值的对应关系之后，人们就可以跳出“用主观意识来解释主观意识”的圈子，从价值现象与价值规律的角度来分析情感现象与情感规律。这样一来，神秘莫测的“人工情感”就立即转化为切实可行的“价值计算”，人文科学的情感理论就立即转化为自然科学的数理情感学，情感数学模型以及情感内部逻辑系统的建立，为情感机器人的研制奠定了坚实的理论基础。（2）形而上学的表面性错误。目前的“人工情感”理论以形而上学的表面性观点来看待情感的客观内容，混淆了情感的客观内容与其表现形式的本质区别，它认为人工情感的核心就是对情感所激发的生理指标的计算。形而上学的表面性观点总是倾向于从事物的表现形式（或外部现象）来认识事物。它否认，事物的表现形式与其客观内容有着本质的区别，事物的表现形式通常只能片面地、不准确地、不稳定地反映事物的客观内容；它总是把情感的表现形式当作情感的客观内容本身。情感的感受强度、表达强度和生理唤醒指标等三个方面都是反映了情感在感受、作用和表达过程中所体现的生理指标，都属于情感的主观表现形式，而不是情感所反映的客观内容。情感所反映的客观内容就是主体所拥有的价值关系或利益关系及其变化，对于情感表现形式所激发的生理指标的计算，只能反映情感的表面形式，而不能反映情感的客观内容，只有对情感所反映的客观内容——价值关系进行计算，才能客观地、准确地、全面地反映情感运行的真实状态。（3）形而上学的孤立性错误。目前的“人工情感”理论以形而上学的孤立性观点来看待情感的运行程序，把情感与认知及意志割裂开来，认为情感是独立运行的，与人的认知过程和意志过程无关。形而上学的孤立性观点总是倾向于根据事物本身的运动与变化情况来认识该事物，而不是根据事物与其它事物的相互联系与相互影响上来认识该事物。他们只看到了情感对于人的活动的影响与制约作用，往往看不到情感与认知、意志的相互联系与相互影响。人为了生存和发展就必须首先感知和了解各种事物的事实关系，其次要掌握这些事物对于人的价值关系，第三要掌握人的每个反作用于这些事物的生产行为或生活行为的价值关系，并且判断、选择、组织和实施一个最佳的行动方案。第一步由认知活动来完成，第二步由情感活动来完成，第三步由意志活动来完成，因此从认知到情感，再从情感到意志，是一条基本的、不可分割的人类自控行为的流水线。 由此看来，仅仅进行狭义的、孤立的人工情感，仍然不能解决人的心智活动的全部计算问题，还需要实施对意志的计算，并实施对知情意的交互计算。由于意志是一种特殊情感，因此意志计算以及知情意的交互计算都是广义的人工情感。（4）形而上学的片面性错误。目前的“人工情感”理论以形而上学的片面性观点看待情感的客观目的，认为 “人工情感”的研究主要是基于两个现实目的：一是建立和谐的人机交互环境，使计算机或机器人具有良好的人机界面，以降低使用者的劳动强度，提高使用者的工作效率，解放人的双手；二是制作可穿戴式的计算机，以替代、补偿与增强人的辅助感知功能和行为功能，特别是帮助提高残疾人的感知功能和行为功能。然而，事实上，科学的人工情感和广义的人工智能对于人的生存与发展还有几个更为重要的意义被人们忽略了：提高思维的效率和速度、自主地确定和调整行为方案、直接参与社会事务和人际交往、开展自主创造性活动。

我国机器人的研究始于20世纪70年代后期，863计划就将机器人技术作为一个重要的发展主题，国家投入几个亿的资金开始了机器人研究。目前，中科院沈阳自动化所、原机械部的北京自动化所、哈尔滨工业大学、北京航空航天大学、清华大学、中科院北京自动化所、北京科学大学等单位都做了非常重要的研究工作，代表性产品有工业机器人、水下机器人、空间机器人、核工业机器人。
我国对人工情感和认知的理论和技术的研究始于20世纪90年代，大部分研究工作是针对人工情感单元理论与技术的实现。哈尔滨工业大学研究多功能感知机，主要包括表情识别、人脸识别、人脸检测与跟踪、手语识别、手语会成、表情合成、唇读等内容，并与海尔公司合作研究服务机器人。清华大学进行了基于人工情感的机器人控制体系结构的研究。北京交通大学进行多功能感知机和情感计算的融合研究。中国科学院自动比研究所主要研究基于生物特征的身份验证。中科院心理学所、生物所主要注重情绪心理学与生理学关系的研究。中国科技大学开展了基于内容的交互式感性图像检索的研究。中国科学院软件所主要研究智能用户界面。浙江大学研究虚拟人物及情绪系统构造等。
我国国内开展的研究项目主要有：“脸部运动编码系统”可应用于人脸表情的自动识别与合成；“MPEG-4 V2视觉标准”可以组合多种表情以模拟混合表情；针对人的肢体运动而设计的“运动和身体信息捕获设备”；基于生物特征的“身份验证系统”；“语调表情构造系统”根据语音的时间、振幅、基频和共振峰等，寻找不同情感信号特征的构造特点和分布规律；“可穿戴式计算机”可用于增强和补偿人的感知功能。

日本已经形成举国研究“感性工学”的高潮。1996年日本文部省就以国家重点基金的方式开始支持“情感信息的信息学、心理学研究”的重大研究课题，参加该项目的有十几个大学和研究单位，主要目的是把情感信息的研究从心理学角度过渡到心理学、信息科学等相关学科的交叉融合。每年都有日本感性工学全国大会召开。与此同时，一向注重经济利益的日本，在感性工学产业化方面取得了很大成功。日本各大公司竞相开发、研究、生产了所谓的个人机器人（Personal Robot）产品系列。其中，以SONY公司的AIBO机器狗（已经生产6万只，获益近10亿美元）和QRIO型以及SDR－4X型情感机器人为典型代表。日本新开发的情感机器人取名“小IF”，可从对方的声音中发现感情的微妙变化，然后通过自己表情的变化在对话时表达喜怒哀乐，还能通过对话模仿对方的性格和癖好。
美国MIT展开了对“情感计算”的研究，IBM公司开始实施“蓝眼计划”和开发“情感鼠标”；2008年4月美国麻省理工学院的科学家们展示了他们最新开发出的情感机器人“Nexi”，该机器人不仅能理解人的语言，还能够对不同语言做出相应的喜怒哀乐反应，还能够通过转动和睁闭眼睛、皱眉、张嘴、打手势等形式表达其丰富的情感。这款机器人完全可以根据人面部表情的变化来做出相应的反应。它的眼睛中装备有CCD(电荷耦合器件)摄像机，这使得机器人在看到与它交流的人之后就会立即确定房间的亮度并观察与其交流者的表情变化。
欧洲国家也在积极地对情感信息处理技术（表情识别、情感信息测量、可穿戴计算等）进行研究。欧洲许多大学成立了情感与智能关系的研究小组。其中比较著名的有：日内瓦大学 Klaus Soberer领导的情绪研究实验室。布鲁塞尔自由大学的D. Canamero领导的情绪机器人研究小组以及英国伯明翰大学的A. Sloman领导的 Cognition and Affect Project。在市场应用方面，德国Mehrdad Jaladi-Soli等人在2001年提出了基于EMBASSI系统的多模型购物助手。EMBASSI是由德国教育及研究部（BMBF）资助并由20多个大学和公司共同参与的，以考虑消费者心理和环境需求为研究目标的网络型电子商务系统。英国科学家已研发出名为“灵犀机器人”（Heart Robot）的新型机器人，这是一种弹性塑胶玩偶，其左侧可以看到一个红色的“心”，而它的心脏跳动频率可以变化，通过程式设计的方式，让机器人可对声音、碰触与附近的移动产生反应。

人工情感包括三个方面：情感识别、情感表达与情感理解（或情感思维）。目前，世界各国的科学家在情感识别与情感表达两个方面所取得的成果非常显著，但在情感理解或情感思维方面却收获甚微。其根本原因在于，到目前为止，没有一个科学家能够真正了解情感的哲学本质及客观目的是什么，没有创立一个全新的、科学的、数学化的情感理论，没有建立一个真正的情感数学模型。
目前的人工智能实际上只是人工认知，它是狭义的人工智能。知、情、意是人类三种基本的思维形式，那么广义的人工智能应该包括人工认知、人工情感和人工意志三个方面，因此要想由狭义的人工智能朝向广义的人工智能发展，就必须首先解决一系列有关情感的基本理论问题：什么是情感？情感的客观目的是什么？认知与情感到底有何区别？等等，而这些深层次的理论问题是当今的哲学、思维科学、生命科学和心理学等没能真正解决的。计算机的人工智能水平在经历了一段时间的突飞猛进之后，如今已经接近了它的理论上的发展极限，显然，不解决上述深层次的、哲学层面上的理论问题，不解决“人工智能”、“人工情感”和“情感计算”理论所存在的一系列严重的危机与哲学错误，要想研究真正意义的情感机器人是绝对不可能的。
目前的人工情感理论存在三个方面的严重缺陷：
1、不了解情感的哲学本质。情感是人类的一种主观意识，它必然是人脑对于某一种客观存在的主观反映，这种客观存在就是“价值”（或利益），情感与价值的关系就是主观与客观的关系，因此情感的哲学本质就是人脑对于事物价值特性的一种主观反映，情感的思维实际上就是人脑对于“价值”的思维，对于情感的计算实际上就是对于价值的计算。而目前所有人工情感的研究者们都不知道这一点，他们总是试图通过测量和计算情感产生过程的各种生理指标（如心率、血压、脑电波、呼吸、瞳孔直径、激素分泌、血液成份等）的变化数据来确定情感强度的变化情况，来研究情感的变化规律，其结果必然是：“在主观范围内绕圈子，在表面形式上打循环”。事实上，情感的感受强度、表达强度和生理唤醒指标等三个方面只是反映了情感在感受、作用和表达过程中所体现的生理指标，都属于情感的主观表现形式，而不是情感所反映的客观内容。情感所反映的客观内容就是主体所拥有的价值关系或利益关系及其变化，对于情感表现形式所激发的生理指标的计算，只能反映情感的表面形式，而不能反映情感的客观内容，只有对情感所反映的客观内容——价值关系进行计算，才能客观地、准确地、全面地反映情感运行的真实状态。情感是人脑对于事物价值特征的主观反映，其客观目的在于引导人更好地识别价值、消费价值、创造价值和表达价值，因此情感的识别实际上就是价值的识别，情感的表达实际上就是价值的表达，情感的计算实际上就是价值的计算。
2、不了解情感的主要功能。目前的人工情感研究者们只知道情感的功能作用在于使人或机器更具有“人情味”、更友好、更容易形成自然而亲切的人与机交互，营造真正和谐的人机环境。事实是，情感的功能远非如此！情感除了帮助建立机器人的人性化界面，还能够有效地提高思维的效率与速度，而且，情感还有一个更重要的功能，那就是：情感是人的行为灵活性、决策自主性和思维创造性的根本来源。智能机器人主要的缺陷在于：只能按照人预先编制的程序进行动作，不能自主地确立和调整价值目标，不能创造性地制订和修改总体规划及行为方案，不能总结经验和吸取教训。智能机器人一旦具有了情感，就能够以“达到既定的意志目标”为行为方向，以内设的“价值观系统（或情感系统）、认知系统和意志系统”为价值计算依据，以“实现最大价值率”为行为准则，建立一系列价值计算的函数关系式或约束方程式，再根据机器人所处的自然环境和人文社会环境确定若干个边界条件，选定情感和意志的动力特性参数，就可以主动地、创造性地调整“整体规划、行为方案和具体动作”，然后对行为的最终结果进行价值评价，以便及时地修正价值观系统（或情感系统）、认知系统和意志系统，达到总结经验和吸取教训的目的。
3、不了解情感的内在逻辑程序。目前，人工情感的研究者们完全不了解情感运行的内在逻辑程序，只知道人在进行情感反应时各种生理指标的变化数据。事实上，人在进行情感表达、情感识别和情感思维过程中，遵循着特定的逻辑程序。情感表达的逻辑程序大致是：人通过感觉器官接收刺激信号，大脑就会把以前存储在“价值观系统”中该事物的“主观价值率”提取出来，与自身的“中值价值率”进行比较、判断和计算。当前者大于后者时，就会在大脑中的边缘系统（该组织决定着情感的正负）的“奖励区域”产生正向的情感反映（如满意、自豪）；当前者小于后者时，就会在大脑中的边缘系统的“惩罚区域”产生负向的情感反映（如失望、惭愧）。大脑然后对价值的目标指向、变化方式、变化时态、对方的利益相关性等进行判断，从而确定和选择情感表达的基本模式。此外，情感识别、情感计算与情感调控也遵循着特定的逻辑程序。如果不了解情感运行的内在逻辑程序，就不可能研制出真正意义的情感机器人。
4、不了解情感的数学模型。目前的心理学没有建立任何的情感数学模型，也不知道情感的数学变化规律。显然，要实现情感的数字化，就必须首先建立情感的数学模型。事实上，人的情感可以通过情感矩阵来进行描述，并可以进行情感的交集运算与并集运算，情感强度的变化有着特定的数学规律。情感是人脑对于事物价值特性的主观反映，虽然，事物的“价值率高差”在根本上决定着人的情感强度，但在一般情况下，情感的强度并不与事物的价值率高差成正比，而是一种特殊的指数函数关系。
正是上述的理论障碍，在根本上决定了情感机器人的发展局限性。目前，各国所声称拥有情感的机器人，最多只能模拟人的某些情感表达方式，并进行一些简单的情感识别，不可能具有真正意义上的内在情感思维。

情感情感的产生与运行是一个非常复杂的过程，情感机器人的研发必须建立在科学的情感理论的基础之上，才是现实的，没有一个全新的科学的情感理论作指导，要研发真正意义上的情感机器人是不可能的。这种全新的情感理论必须突破心理学的局限，也必须突破社会科学的局限，成为一门独立的、横跨自然科学与社会科学的交叉性科学理论，其根本目的在于：情感数字化。这种全新的情感理论就是“数理情感学”，它以“统一价值论”为理论前提，采用数理逻辑方法分析情感现象与情感规律的科学。
归纳起来，“统一价值论”与“数理情感学”主要通过如下步骤共同完成情感机器人和人工情感的理论框架。
1、实现所有不同价值的统一度量。①改造物理学的“耗散结构论”，从物理学角度定义“价值”概念（即广义有序化能量），使价值理论建立在自然科学的基础之上；②实现生活资料使用价值的统一度量；然后，实现劳动价值的统一度量；③实现生产资料使用价值的统一度量。这样一来，所有价值都有着统一、明确而稳定的度量标准或度量尺度：能量尺度（焦耳）。
2、推导出“广义价值规律”。①由“最大有序化法则”推导出“最大价值率法则”（价值率就是单位时间内产出价值与投入价值的比值，在经济领域，价值率就是利润率）；②由“最大价值率法则”推导出“选择倾向性法则”或“中值价值率法则”；③由“中值价值率法则”推导出“广义价值规律”。广义价值规律的基本内涵就是：事物的价值率不断趋近于主体的中值价值率。或者说，事物的价值率高差（即事物的价值率与主体的中值价值率之差）不断趋于零。
3、揭示认知、情感与意志的哲学本质及相互关系。①知（认知）、情（情感）、意（意志）是人类心理活动的三种基本形式，分别是对事实关系、价值关系和自身行为关系的一种主观反映；②价值关系是一种特殊的事实关系，自身行为关系是一种特殊的价值关系，因此，情感是一种特殊的认知，意志又是一种特殊的情感； ③认知主要是关于“是如何”的认识，情感主要是关于“应如何”的认识，意志主要是关于“怎么办”的认识；④情感以认知为基础，认知以情感为导向，意志以情感为基础，情感以意志为导向。
4、建立情感的数学模型。①情感与价值观的哲学本质都是“人脑对于事物价值特性的一种主观反映”，其中，情感是对事物价值特性的间接性和相对性反映，而价值观是对事物价值特性的直接性和绝对性反映；②价值观的客观目的在于识别“事物的价值率”，可以采用所有不同事物的价值率所组成的数学矩阵来描述一个人的价值观系统（即Ｗ＝｛ωi×j｝m×n）；③情感的客观目的在于识别“事物的价值率高差”，可以采用所有不同事物的价值率高差所组成的数学矩阵来描述一个人的情感系统（即Ｍ＝｛μi×j｝m×n）；④情感矩阵与相应的作用系数矩阵一起，可以进行交集运算与并集运算；⑤情感系统中的每个情感元素又可以由若干个情感子元素所组成的情感矩阵来构成，从而构成二维和多维的情感矩阵。
5、建立意志的数学模型。①意志的哲学本质都是“人脑对于自身行为价值特性的一种主观反映”；②意志的客观目的在于识别和处理“自身行为的价值率”，可以采用所有不同行为方式的价值率高差所组成的数学矩阵来描述一个人的意志系统（即Ｘ＝｛xi×j｝m×n）；③意志矩阵与相应的作用系数矩阵一起，可以进行交集运算与并集运算；④意志系统中的每个意志元素又可以由若干个意志子元素所组成的意志矩阵来构成，从而构成二维和多维的意志矩阵，即超复杂行为的意志由若干复杂行为的意志矩阵所组成，复杂行为的意志又由若干简单行为的意志矩阵所组成，简单行为的意志由若干本能行为的意志矩阵所组成。
6、阐述情感运行的内在逻辑程序。①情感表达的逻辑程序大致是：接收事物的刺激信号，提取该事物的价值观，比较人自身的中值价值率，确定情感的强度与方向，选择情感表达模式，接收和处理情感表达所产生的反馈信号；②情感识别的逻辑程序大致是：接收事物的刺激信号，检测和提取特征参数，比较情感模式，产生情感反映，存储情感信息到情感矩阵之中；③情感计算的逻辑程序大致是：将事物的价值率高差“对数转换”为情感强度，对情感强度进行交集、并集运算，产生新的情感强度，将情感强度“指数还原”为新事物的价值率高差；④情感修正的逻辑程序大致是：人通过感觉与思维，了解到某事物的实际价值率高差，与大脑中情感矩阵所记忆该事物的主观价值率高差，存在一定的差异，人就会修正对于该事物的情感强度。
7、阐述意志运行的内在逻辑程序。①意志表达（即行为实施）的逻辑程序大致是：接收某种价值目标事物的刺激信号，提取能够最有效实现该价值目标的多种相关行为的主观价值率（即行为价值观），比较自身的中值价值率，确定多种相关行为的意志强度与意志方向，选取具有最大意志强度的相关行为，并组织实施该相关行为。②意志计算（即行为设计）的逻辑程序大致是：确立价值目标（根据自身生存与发展的需要），设计整体方案（按照最大价值率法则，把超复杂行为分解为若干个复杂行为，并通过意志的并集运算与交集运算，计算出该超复杂行为的意志强度），制定实施细则（按照最大价值率法则，把复杂行为分解为若干个简单行为，并通过意志的并集运算与交集运算，计算出该复杂行为的意志强度），落实具体行为（按照最大价值率法则，把简单行为分解为若干个本能行为，并通过意志的并集运算与交集运算，计算出该简单行为的意志强度），将上述各个层次的意志强度“指数还原”为相应的行为价值率高差。③意志修正的逻辑程序大致是：人通过感觉与思维，了解到某行为的实际价值率高差，与大脑中意志矩阵所记忆该行为的主观价值率高差，存在一定的差异，人就会修正对于该事物的意志强度。
8、设立情感与意志的调控机制。①建立各种情感模式与价值变化的对应关系，并根据实际需要，设置与调控各种情感模式；②推导出“情感强度第一定律”（即情感强度与事物的价值率高差的对数成正比，μ＝Ｋmlog（１＋ΔＰ）），并根据实际需要，设置与调控情感的强度系数；③对情感“八大动力特性”（强度性、稳定性、细致性、层次性、效能性、周期性、时序性与差异性）进行精确定义，并根据实际需要，设置与调控情感的动力特性；④对意志的“八大动力特性”进行精确定义，并根据实际需要，设置与调控意志的动力特性。情感调控的客观目的就是为了使情感的动力特性与主体所处的价值关系的变化特性相适应。意志调控的客观目的就是为了使意志的动力特性与主体各种行为价值关系的变化特性相适应。

根据上述“人工情感”学科的研究目标和对象，其主要研究内容，初步构想如图1所示。

（1）情感识别(Emotion Recognition)
研究如何从二维或三维的、人或动物的表情、姿态、声音、语言、动作、行为的情感图象和模式中识别情感 (如：喜、怒、哀、乐，爱、恨、恩、仇等)的机器情感识别理论、方法和技术。
（2）情感度量(Emotion Measurement)
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。如：模糊情感度量方法和技术、概率情感度量方法和技术。
（3）情感理解(Emotion Understanding)
在“情感识别”与“情感度量”的基础上，进一步研究如何从情感图象和模式中，挖掘和发现深层的细致的情感含意的机器情感理解理论、方法和技术。
（4）情感表达(Emotion Representation)
研究如何在计算机或机器人中表达情感模式(如：喜、怒、哀、乐，爱、恨、恩、仇等方面的表情、姿态、声音、语言、动作、行为等)的机器情感表达理论、方法和技术。
（5）情感生成(Emotion Generation)
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。
（6）情感处理(Emotion Processing)
研究多媒体、多模式人工情感信息处理和利用的理论方法和技术。如情感信息的获取、变换、加工、融合、推理和利用等。
（7）情感控制(Emotion control)
研究“情感控制”的理论方法和技术,即如何利用人工情感进行系统的控制与调节,设计和建造具有人工情感的控制与调节系统。另一方面要研究“控制情感”问题, 即如何对人工情感的强度和深度进行调节与控制的理论方法和技术。
（8）情感通信(Emotion communication)
研究多媒体、多模式人工情感信息的宽带通信与双向交流的理论方法和技术。如多模式、多媒体宽带情感信息的发送、传输、压缩、接受的理论方法和技术。
情感通信是一种双向、互动式的通信方式，情感通信的特点是在通信过程中体现了情感交流，友好的情感交流可使通信双方合作顺利，敌对的情感交流可使合作失败。