人类对于情绪的研究由来已久，目前已有百年历史。从“6种情绪分类”到“27种情绪分类”，情绪的概念定义以及状态分类正在逐渐完善延伸。在人工智能热潮的影响下，AI情绪识别开始逐渐成为新秀力量，并逐渐迈向商业化进程。

　　目前AI情绪识别已有的两种探知模式为视觉情绪识别以及语音情绪识别。

　　视觉情绪识别主要以计算机视觉技术依托，能够精准识别面部表情，想让机器根据面部表情识别人类情绪还稍有欠缺，还需要通过传感器、摄像头等外部硬件进行支撑。另一种方式主要是对面部情绪相关数据集进行标签化分类，通过机器学习算法进行针对性训练，从而实现精准情绪分类。

　　情绪不只能被“看”见，还能被“听”见，愤怒时语调高昂，悲伤时语调低沉，语音情绪识别主要从语音、语调、音高等多个维度对用户的情绪加以判定。这种形式大多作为智能语音技术应用的辅助性技术出现，主要应用于智能客服领域。一项技术的出现并不代表技术的成熟度、应用广泛度、应用深度就达到了可观的水平，这还需要技术的打磨以及应用场景的正确选择包括具备将AI产品快速复制的能力。智能客服领域能将情绪识别技术快速嫁接到应用场景的还在少数，但是不乏垂直领域内的头部企业，例如竹间智能、意能通、硅基等等。意能通融合声纹识别、情绪识别技术推出智能反欺诈业务，有效提高银行的风控水平，有效促进银行征信体系的完善构建。与意能通不一样，竹间智能则是将融合了语音、图像等多模态的情绪识别技术嫁接进自身的智能客服业务中，以更完善的情感反馈强化智能客服机器人的情感认知，促进人机交互趋向情感化、智慧化。

　　最近有消息称，亚马逊正在研发搭载情绪识别技术的可穿戴设备，后期还会接入APP转化为产品推荐或销售。亚马逊、微软等巨头入局，旷世、竹间智能、意能通等垂直领域AI企业跟进，AI情绪识别产业规模和市场份额正在持续扩大，技术应用也逐渐向多领域、多场景扩散，包括招聘、智能客服、健康评估、疲劳驾驶检测等等。

　　情绪百科百科给出的解释是：情绪对一系列主观认知经验的通称，是多种感觉、思想和行为综合产生的心理和生理状态。情绪的外在表现形式多样，但情绪归根结底是一种心理行为，伤心时是微笑而不是哭泣，生气愤怒时是面无表情而不是大吼大叫，这种情况并不少见，这是因为个体差异造成的情绪表现形式不同。

　　不同于情绪的心理化，AI作为一种技术性工具缺少了情绪具备的灵活性。AI与生俱来的“刻板印象”让情绪识别的识别结果缺乏全面性与精准性，对于情绪的深层认知以及对人性化行为的探索是AI已有的弊病，在语音交互等方面可见一斑。

　　AI情绪识别不是将情绪与AI判定结果“连线配对”的行为，而是尽可能地挖掘AI的能力，增强AI的情绪理解能力，逐渐消除情绪与人工智能技术之间的本质性差异，以此在人类与更多的智能设备间建立起紧密的联系，使人机关系更融洽，人机交互更人性。

　　虽说AI情绪识别技术应用的深度和广度有待强化，但是科学技术就是一个广种薄收的过程，随着技术的持续开拓以及优化升级，情绪识别技术的潜力被释放，情绪识别或将迎来深度应用时代，收获技术的果实。

　　AI情绪识别作为提升人机交互流畅度的重要技术，已经逐渐渗透进AI各项应用中，使具体业务场景中的人机对话更具情感化、人性化。算法模型的提出、现有模型的优化、深入钻研的学术研究等环环相扣，努力追寻人机交互高人性化的目标。

　　智能客服采用先进的语音合成技术，训练甜美音、大叔音等多种人声，有效避免了机械化；智能音箱借由语音识别、自然语义理解等技术构建“人设”、推进类人交流，有效提升情感认知以及品牌溢价；谷歌助手能够发信息、接电话、定餐厅。显然，人工智能应用正朝着人性化迈进，然而并不是所有机器都应该将其视为最终目标。在技术匹配不上场景的时候，在宣传的AI能力匹配不上用户认知的时候，务实或许会更容易提高用户接受度，强化用户的期待值管理，消弭理想与现实之间落差，有更多空间以待进步。

　　在AI科技赋能各行各业的今天，情绪识别作为一个关口让人们探知到了机器与人之间的微妙联系。随着创新性AI技术逐渐涌现，全行业乃至全社会都能对AI有更加明确的认知，机器与人之间的联系也将更加紧密，人机耦合也许才是人工智能新时代的主题。