人類對于情緒的研究由來已久，目前已有百年歷史。從“6種情緒分類”到“27種情緒分類”，情緒的概念定義以及狀態分類正在逐漸完善延伸。在人工智能熱潮的影響下，AI情緒識別開始逐漸成為新秀力量，并逐漸邁向商業化進程。

　　目前AI情緒識別已有的兩種探知模式為視覺情緒識別以及語音情緒識別。

　　視覺情緒識別主要以計算機視覺技術依托，能夠精準識別面部表情，想讓機器根據面部表情識別人類情緒還稍有欠缺，還需要通過傳感器、攝像頭等外部硬件進行支撐。另一種方式主要是對面部情緒相關數據集進行標簽化分類，通過機器學習算法進行針對性訓練，從而實現精準情緒分類。

　　情緒不只能被“看”見，還能被“聽”見，憤怒時語調高昂，悲傷時語調低沉，語音情緒識別主要從語音、語調、音高等多個維度對用戶的情緒加以判定。這種形式大多作為智能語音技術應用的輔助性技術出現，主要應用于智能客服領域。一項技術的出現并不代表技術的成熟度、應用廣泛度、應用深度就達到了可觀的水平，這還需要技術的打磨以及應用場景的正確選擇包括具備將AI產品快速復制的能力。智能客服領域能將情緒識別技術快速嫁接到應用場景的還在少數，但是不乏垂直領域內的頭部企業，例如竹間智能、意能通、硅基等等。意能通融合聲紋識別、情緒識別技術推出智能反欺詐業務，有效提高銀行的風控水平，有效促進銀行征信體系的完善構建。與意能通不一樣，竹間智能則是將融合了語音、圖像等多模態的情緒識別技術嫁接進自身的智能客服業務中，以更完善的情感反饋強化智能客服機器人的情感認知，促進人機交互趨向情感化、智慧化。

　　最近有消息稱，亞馬遜正在研發搭載情緒識別技術的可穿戴設備，后期還會接入APP轉化為產品推薦或銷售。亞馬遜、微軟等巨頭入局，曠世、竹間智能、意能通等垂直領域AI企業跟進，AI情緒識別產業規模和市場份額正在持續擴大，技術應用也逐漸向多領域、多場景擴散，包括招聘、智能客服、健康評估、疲勞駕駛檢測等等。

　　情緒百科百科給出的解釋是：情緒對一系列主觀認知經驗的通稱，是多種感覺、思想和行為綜合產生的心理和生理狀態。情緒的外在表現形式多樣，但情緒歸根結底是一種心理行為，傷心時是微笑而不是哭泣，生氣憤怒時是面無表情而不是大吼大叫，這種情況并不少見，這是因為個體差異造成的情緒表現形式不同。

　　不同于情緒的心理化，AI作為一種技術性工具缺少了情緒具備的靈活性。AI與生俱來的“刻板印象”讓情緒識別的識別結果缺乏全面性與精準性，對于情緒的深層認知以及對人性化行為的探索是AI已有的弊病，在語音交互等方面可見一斑。

　　AI情緒識別不是將情緒與AI判定結果“連線配對”的行為，而是盡可能地挖掘AI的能力，增強AI的情緒理解能力，逐漸消除情緒與人工智能技術之間的本質性差異，以此在人類與更多的智能設備間建立起緊密的聯系，使人機關系更融洽，人機交互更人性。

　　雖說AI情緒識別技術應用的深度和廣度有待強化，但是科學技術就是一個廣種薄收的過程，隨著技術的持續開拓以及優化升級，情緒識別技術的潛力被釋放，情緒識別或將迎來深度應用時代，收獲技術的果實。

　　AI情緒識別作為提升人機交互流暢度的重要技術，已經逐漸滲透進AI各項應用中，使具體業務場景中的人機對話更具情感化、人性化。算法模型的提出、現有模型的優化、深入鉆研的學術研究等環環相扣，努力追尋人機交互高人性化的目標。

　　智能客服采用先進的語音合成技術，訓練甜美音、大叔音等多種人聲，有效避免了機械化；智能音箱借由語音識別、自然語義理解等技術構建“人設”、推進類人交流，有效提升情感認知以及品牌溢價；谷歌助手能夠發信息、接電話、定餐廳。顯然，人工智能應用正朝著人性化邁進，然而并不是所有機器都應該將其視為最終目標。在技術匹配不上場景的時候，在宣傳的AI能力匹配不上用戶認知的時候，務實或許會更容易提高用戶接受度，強化用戶的期待值管理，消弭理想與現實之間落差，有更多空間以待進步。

　　在AI科技賦能各行各業的今天，情緒識別作為一個關口讓人們探知到了機器與人之間的微妙聯系。隨著創新性AI技術逐漸涌現，全行業乃至全社會都能對AI有更加明確的認知，機器與人之間的聯系也將更加緊密，人機耦合也許才是人工智能新時代的主題。