在人们的认知中，机器与人的分界线是机器是否具有情感。举个例子，如果一对情侣吵架，而有一方显得过于冷漠，那么另一方很有可能向对方说出类似于「你是一个没有情感的机器」的话。因此，机器是否具有情感是机器人性化程度高低的关键因素之一。

早在 1997 年，MIT 媒体实验室就提出了情感计算（Affective Computing）的概念，情感计算旨在通过赋予计算机识别、理解和表达人的情感的能力，使得计算机具有更高的智能。

情感智能是让机器更加智能的关键，具有情感的机器不仅更通用，更强大，更有效，而且与人类的价值观相一致。人类的情感机制也使我们能够完成太难编程或难以让当前机器学习的任务 [1]。

例如，我们的恐惧情绪使我们能够意识到危险并保持安全。我们感知他人的情感并站在对方的角度思考问题使我们在复杂的世界中可以做出恰当的决策。饥饿、好奇心、惊喜和喜悦等情感使我们能够规范自己的行为，并让我们追求我们希望实现的目标。除此之外，我们通过情感表达自己内部状态的能力是向他人沟通并可能影响他人决策的绝佳方式。

情感计算主要有「识别」，「表达」和「决策」这三个研究方向，「识别」主要是研究如何让机器准确识人类的情感，并消除不确定性和歧义性。「表达」主要是研究如何把情感以合适的信息载体表示出来，如语言、声音、姿态和表情等。而「决策」则主要研究如何利用情感机制来进行更好地决策。

由于情感识别和表达都是研究历史较长的领域，因此本文主要介绍情感识别和表达的相关概念，以及利用情感进行决策的最新进展。

1. 识别和表达

1.1. 识别

情感识别是一个历史比较悠久的研究领域，最早可以追溯到上个世纪就有学者从各个角度研究情感识别，比如语音、语言、表情和姿态等。它旨在从不同的维度精确捕捉人类的情感表达，主要有两种描述模型可以对情感空间进行描述，一种是离散情感空间，一种是维度情感空间。

图 1-1 Ekman 基本情感 [3]

离散情感空间把每一种情感分为一个个独立的标签，相互之间没有关联性，如喜悦、难过、恐惧等情感。这种描述方式更符合人的认知与日常生活的表达形式，具有天然的可解释性。但是缺点在于不同的情感标签之间没有类似于数值向量的连续性，于是不同标签之间的差异和联系性就无法更好地计算。