情感可以计算吗？在科学家看来，答案无疑是肯定的。

　　微软全球执行副总裁沈向洋在今年的人工智能大会上做了精彩演讲，与普遍的讨论人工智能技术和应用不同，沈向洋提出了许多独特的且富有哲理的观点，他结合小冰（一个领先的跨平台人工智能机器人）等微软研究院的相关产品和技术描述了情感智能的原理、应用现状和发展方向指出，除了硬性的IQ以外，人工智能的研究更强调机器与人之间的感性化交互，强调情感计算。

　　智能化的机器在满足人类需求的同时，还应让用户对其产生一种情感上的信任和依赖，而小冰目前就是这样一个“感性化的人工智能助手”。

　　情感计算：人工智能的最高形态

　　“大家都知道人工智能最近几年发展很火热，我们认为情感计算是人工智能的一个最高形态。之所以这样认为，是因为人是需要智商，机器也需要智商，人工智能就是解决机器的智商问题，但是人在社会的发展过程中，光有智商不行，更重要的是情商，所以相应地下一步我们不仅要给机器注入高的智商，而且还希望它具有更高的情商。在我们看来，情感计算就是解决决机器未来的情商问题。”清华大学电子系信息认知与智能系统副所长黄永峰教授对《高科技与产业化》记者指出。

　　情感计算，是人工智能的重要发展方向。黄永峰进一步举例道，IBM的沃森计算机，最初是个大型机，后来演变成为一个数据机。当它变成数据机的时候，就是解决计算机的智商问题，它能够从大量的知识库里抽取知识，智能回答大家的问题。IBM公司下一步将把这个数据机进一步演变成一个表演机，它一旦变为表演机，这时机器人不仅要有智商，还需要有情商。

　　与此同时，现在的聊天机器人理解问题、自动生成答案，目前也只能解决智商问题。最近有很多需求，希望以后的机器人、人工呼叫中心的智能设备能够引导人的情感，也就是说机器人与人聊天的时候，能引导人的情绪，这时也需要情商。

　　在今年5月27日举行的第20届中国科协年会闭幕式上，中国科协副主席、国际宇航科学院院士李洪对外发布了由中国科协组织征集遴选的60个重大科学问题和重大工程技术难题，涉及公共安全、空天科技、信息科技、医学健康等12个领域。其中，在信息科学领域，人机情感交互就是未来十年内亟待解决的重大科学问题。据了解，情感计算的概念是在1997年由麻省理工学院（MIT）媒体实验室Picard教授提出，她指出情感计算是与情感相关，来源于情感或能够对情感施加影响的计算。

　　中国科学院自动化研究所的胡包刚等人也通过自己的研究，提出了对情感计算的定义：“情感计算的目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高的、全面的智能”。

　　在较长一段时期内，情感一直位于认知科学研究者的视线以外。直到20世纪末期，情感作为认知过程重要组成部分的身份才得到了学术界的普遍认同。当代的认知科学家们把情感与知觉、学习、记忆、言语等经典认知过程相提并论，关于情感本身及情感与其他认知过程间相互作用的研究成为当代认知科学的研究热点，情感计算（affective computing）也成为一个新兴研究领域。

　　所谓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、友好反应的计算系统，即赋予计算机像人一样的观察、理解和生成各种情感特征的能力。情感计算研究的重点就在于通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建感知、识别和理解人类情感的能力，并能针对用户的情感做出反应的个人计算系统，缩短人机之间的距离，营造真正和谐的人机环境。

　　细腻度情感分析才是关键

　　而在黄永峰看来，情感计算的过程可分为四步，分别是情感信息采集、情感识别分析、情感理解认知以及情感信息表达。“我们是这样理解情感计算基本过程的，通过把携带情感的人的行为、人的表情、声音和文字等信息采集了以后，运用记忆学习等一系列方法，抽取带有情感特征的信息，再通过心理学建模，最后能够识别这些信息表达的主要情感状态是什么样的。”黄永峰说。

　　从心理学理论来看，情感的分类方法有很多，目前使用最普遍的是三维模型。该模型主要从情感强度、情感的正负极性和情感的相似性这三个维度来进行区分情感类型。具体来说它把情感分为八种类别，每个类别有三种强度，共有24个种不同的情绪状态。

　　“我们目前所做的工作主要是网络文本的情感分析，这是因为互联网是人类有史以来的最大‘信息集散地’，也是人类有史以来的最大‘思想自由市场’，包含了很多人真实的想法、观点和意见，网络媒体蕴含丰富的网络用户情感信息，已成为国家和企业了解网民情感和观点的最佳资源。”黄永峰说，“我们对网络文本进行情感计算的一个根本的目标就是了解网络用户的情感和观点。”

　　随着情感计算应用需求的增多，在黄永峰看来，情感计算目前的难点是如何进行细腻度（精准度）情感分析。这个细腻度包括以下几方面：一是情感类型，如果按照心理模型来理解的话，情感是有八种类型的；第二个是情感表达类别的强度，比如，喜欢和非常喜欢明显有强度的差异；第三个是情感对象的明确度。

　　有人不禁要问，精准情感计算可以用来做什么？它的主要用途有哪些？黄永峰表示，一方面，可以通过情感计算进行一些煽情的调查。比如，印第安纳大学学者利用Google提供的心情分析工具，从用户970万条留言，预测道琼斯工业指数，准确率达到87%；另一方面，能够通过情感计算进行民情调查，现在更多的是用在舆情分析。

　　情感计算可以为汽车产品画像

　　“在细腻度情感计算上，近几年我们提出了一个叫做二元情感认知计算的模型。”黄永峰说，二元体现在两方面，第一层含义是整个情感计算计入两个知识库，一个叫情感评价的对象属性知识库，另一个是基于情感评价的常用情感词的属性知识库，也就是二元情感常识库；第二层含义是二元情感常识库包含的情感知识有两个维度，一个是评价对象的属性名称，另一个是这个属性名称常搭配的情感词。

　　现有的情感分析，大部分都是直接计入情感词库，而这个情感词库仅有一个维度。“这样一个维度的情感词库对一些情感分析有很大的指导意义，但是也带来了很大的歧义性。”黄永峰举例说道，拿我们经常说一个字“高”来看，如果情感词是高，这个情感词很难从极性判别它是一个正面极性，还是一个负面极性。如果说血压高的话，肯定是个负面情绪；如果说颜值高的话，肯定是个正面情绪。

　　“正是基于这样的考虑，我们在整理情感知识库的时候，形成了一个叫二元情感知识库。在这两个知识库的支持下，我们进一步研究了一个二元情感认知计算引擎，这个引擎的主要功能是分析一些非结构化的自由文本，然后得到一个结构化的情感信息。”黄永峰说。

　　比如，某用户在购买了一部新手机以后，写下了这样一段评论：“我今天买了iphone 7，心情很不错，手机屏幕很大的，电池听说耐用，我买的是白色，包装很精致，样子好看，且轻薄，线条很漂亮，就是价格有点高。”

　　那么，怎样从这样一段非结构化信息中提取结构化情感信息呢?“从这段文字中，我们能看出屏不大、电池耐用这样的情感表述。假设对一个手机结构的评价，主要是基于重量轻和外形好这两个维度来确认的话，那么如果在重量和外形都是正面极性的情况下，我就能推理出你对这个手机结构的评价也是正向的。”也就是说，我们构建情感分析模型具有较好推理功能。黄永峰说。

　　“我们专门构建了一个汽车评论的评价体系，把汽车评论分为两个知识库，一个是评价对象属性的知识库，另一个是二元情感常识库。其中，对象属性知识库主要是根据其所在领域的专业知识构建，二元情感常识库主要是收录网络评论的习惯用语。”黄永峰说。

　　他表示，在获取诸如有关汽车产品使用的图像、语音、文本等多种形式的网络媒体大数据之后，可以对这些数据进行预处理、特征抽取和选择，然后运用各种情感识别方法，结合心理学基础对情感建模，从而最终推测出用户的情感状态。

　　“比如、可以根据单条评论语句的文字内容，给出细腻度情感解析结果，并通过推断自动补全实体或属性。”黄永峰举例道，例如词条“动力非常爽”，只提到了属性“动力”，解析系统根据知识库和上下文语境，自动推断出描述的实体是“发动机”。

　　此外，也可以通过“油耗高”、“价格高”、“性能高”、“颜值高”等特殊词汇分辨出评价属于正面还是负面。