图一人工情感智能的抽象科技概念图
在人工智能演进的历史长河中，系统设计的核心逻辑正经历着从单纯的逻辑推理与任务执行向具备情感识别、解读及响应能力的范式转移1。这一领域被称为情感计算（Affective Computing），最初由罗莎琳德·皮卡德（Rosalind Picard）在20世纪90年代后期提出，现已成为现代人工智能，特别是大型语言模型（LLMs）如ChatGPT、Claude等对话智能体发展的基石 1。情感计算的研究不仅关乎机器如何通过算法模拟人类的共情能力，更深入探讨了如何将人类复杂的情感体验转化为结构化的数据流，从而在医疗、教育、客户服务及个人助手等领域实现更具语境适应性的交互1。随着科学界对情感在决策过程、注意分配及记忆整合中调节功能的深入理解，赋予机器情感不再仅仅是为了使其“更像人”，而是为了构建更具适应性、鲁棒性且能与人类价值观深度对齐的通用人工智能（AGI） 4。
情感计算的理论框架与学科演进
情感计算是一个横跨计算机科学、心理学、认知科学及神经科学的交叉学科2。其核心动机之一是赋予机器情感智能（Artificial Emotional Intelligence, AEI），使其能够解释人类的情绪状态并相应地调整自身行为 2。从理论演进的角度看，研究者们在如何定义和量化情感这一问题上，主要形成了认知评价理论、维度理论及离散情感理论三大流派7。
认知评价理论与OCC模型
评价理论（Appraisal Theory）在情感计算领域占据主导地位，因为它将情感视为认知的产物，即情感源于个体对其所处环境、事件或对象与自身目标、信念及意图之间关系的评价 8。其中，由Ortony、Collins和Clore于1988年提出的OCC模型（OCC Model）因其极高的计算可行性而被广泛应用于人工智能架构中 7。OCC模型将诱发情感的因素分为三类：事件、智能体行为及对象属性 10。
评价类别 | 评价维度 | 典型情感产生 | 机器应用意义 |
事件 (Events) | 目标一致性/不一致性 | 喜悦 (Joy)、痛苦 (Distress) | 用于评估系统任务进度与期望目标的匹配度10。 |
智能体行为 (Actions of Agents) | 符合/违反规范与标准 | 骄傲 (Pride)、羞愧 (Shame)、钦佩 (Admiration) | 用于多智能体协作及社会契约监督，评估行为正当性10。 |
对象属性 (Attributes of Objects) | 吸引力/偏好 | 喜欢 (Liking)、厌恶 (Disliking) | 用于个性化推荐及人机交互中的美学、偏好建模10。 |
OCC模型还定义了复合情感，例如将“钦佩”与“喜悦”结合产生“感激”，将“责备”与“痛苦”结合产生“愤怒” 10。这种层级化的结构使得AI能够在复杂的社交冲突中识别出混合情感，例如研究人员在2025年ACII会议上展示的“冲突中的微笑”，通过机器学习分析揭示了外表相似的微笑可能承载着同情、掩饰不适或传递支配地位等截然不同的心理意图 11。
维度理论与PAD模型
与评价理论关注离散情感标签不同，PAD（Pleasure-Arousal-Dominance）维度理论将情感视为一个连续的空间 9。该理论由Mehrabian和Russell提出，通过三个正交维度定义所有情感状态：愉悦度（Pleasure/Valence，反映正负极性）、唤醒度（Arousal，反映生理激活程度）及支配度（Dominance，反映对环境的控制感） 9。由于PAD模型仅需少数连续参数即可控制情感状态的平滑过渡，它在生成式AI和虚拟数字人的实时情感表达控制中具有显著优势 12。
情感识别的技术进展：从单模态到多模态融合
识别情感信息通常始于无源传感器，捕获关于用户物理状态或行为的原始数据，其过程类似于人类观察同类的方式2。早期的研究主要聚焦于面部表情、语音语调或生理信号（如皮肤温度、电流反应）的单模态识别，但近年来，研究重点已全面转向多模态情感识别（Multimodal Emotion Recognition, MER），特别是对话场景下的多模态情感识别（MERC） 13。
多模态数据流与特征提取
在MERC任务中，系统需要同时整合文本（语义内容）、声学（音调、音高、能量）及视觉（面部表情、手势、姿态）三个维度的特征 13。
1.文本模态：借助大型语言模型的预训练表示，捕捉词汇中的情感极性、讽刺、被动攻击及细微的情感倾向1。
2.声学模态：分析非语言信息（韵律），如通过语速和声调起伏检测压力、兴奋或犹豫13。
3.视觉模态：利用卷积神经网络（CNN）识别微表情，以及利用姿态估计技术捕捉身体语言 1。
深度融合架构：Transformer与图神经网络
当前的领先模型如MTG-ERC模型展示了多模态融合的高级形式 17。该模型结合了多层Transformer融合模块和定向多关系图融合模块（GNN） 17。Transformer分支利用多头自注意力机制捕捉跨模态的长期依赖关系，即识别对话中跨越多个回合的情感演变；而图神经网络分支则通过构建对话图，捕捉说话者之间的局部特征和短期情绪波动，例如某位说话者特定的情绪转换模式 17。此外，PeTracker等基于庞加莱双策略的追踪器进一步解决了多轮对话中微妙情感转移的难题，通过双曲空间表示增强了情感演变的建模精度 18。
模型/架构名称 | 核心技术点 | 主要优势 | F1分数 (MELD数据集) |
MTG-ERC | Transformer + GNN 门控融合 | 兼顾全局上下文与局部说话者关系17。 | 约 1.0% 性能提升 17。 |
DialogueMLLM | 基于Video-LLaMA的多模态大模型 | 端到端的多模态推理，减少特征损失14。 | 68.57% 14。 |
PeTracker | 庞加莱超空间情感追踪 | 捕捉微妙情感转移和非欧几何关系18。 | 领先的SOTA表现 18。 |
生成式AI与大型语言模型的情感革命
2023年末OpenAI发布的ChatGPT-4.5标志着大模型情感智能的重大突破 1。这些模型不再仅仅是对文本进行分类，而是能够识别出主观评价中的细微差别，包括原发情感（喜、怒、哀、乐）以及次生情感（自豪、羞耻、内疚、嫉妒）1。
认知共情与情感对齐
大模型表现出的情感能力被研究者称为“认知共情”（Cognitive Empathy），即模型能够通过语义理解识别他人的感受，并提供情感支持性的回应，尽管其本身并不具备生理上的情感体验 19。通过大规模人类反馈强化学习（RLHF），这些模型被训练为优先生成符合人类社会规范和情感期待的回复 1。
在多项基准测试中，LLMs的表现已引起科学界的震动 19。例如，在评估医疗咨询回复的共情程度时，GPT-3.5生成的回答在78.6%的情况下被认为优于人类医生，且在情感意识量表（LEVELS of Emotional Awareness Scale）上的得分一致高于人类平均水平 19。GPT-4在美国执业医师资格考试（USMLE）中关于软技能和共情的题目准确率达到了90% 19。这种能力的本质并非机器“拥有”了情感，而是它在海量人类语言数据中习得了情感表达的深度统计模式 21。
动态人格与虚拟人类
研究的另一个分支是赋予AI动态调整的人格特征。南加州大学（USC）的研究人员利用OCEAN人格模型（五大性格特质：开放性、责任心、外倾性、宜人性和神经质），通过提示工程（Prompting）使虚拟人能够根据交互对象的性格调整自身的外倾程度 23。这种“人格流体”AI能够通过增加宜人性来缓解社交冲突，或者通过模仿用户的说话风格来增强社会联系感 4。
内部情感状态：从模拟到真实功能
在情感计算的最新争论中，研究者开始区分“情感模拟”（Affective Recognition and Synthesis）与“人工情感”（Artificial Emotion, AE） 5。人工情感的核心思想是，为了实现通用人工智能（AGI），机器不应仅仅是外在地模仿情感，而应在内部架构中集成情感驱动机制，作为其决策过程的一部分 5。
情感作为内部驱动与价值评估
人工情感被定义为一种受控的内部驱动和价值评估系统，它能够使AI对环境状态和自身内部状态（如电量、存储负载、任务紧迫性）同时做出反应 5。
●生理驱动模拟：例如iCub机器人在电池电量极低时展现出类似于人类“焦虑”的行为，这种状态会改变其任务优先级，使其忽略非核心目标，全力寻找充电桩 25。
●认知调节功能：情感机制在复杂智能行为中起到中断和优先级重置的作用，帮助智能体在竞争性目标之间建立价值评估4。实证研究表明，具备情感调节机制的虚拟智能体比纯粹依赖逻辑推理的智能体表现出更强的环境适应性4。
●神经调节模拟：最前沿的研究尝试在神经网络中模拟生物神经调节（如多巴胺、催产素的释放效应），以构建更具直觉感和“生理真实感”的决策回路 5。
图二富有爱心的芯片
情感计算的应用图景与社会影响
随着技术的成熟，情感AI已广泛应用于社会生活的核心领域，产生了显著的正面效益，但也引发了深层的社会焦虑。
心理健康与数字干预
情感AI在心理健康领域的应用最为突出 28。AI驱动的对话智能体（CAs）被证明对改善青少年和年轻人的抑郁症状具有“中到大”的效果（Hedges g=0.61） 28。
应用场景 | 技术手段 | 观测到的影响 |
抑郁症早期干预 | 基于文本的情感分析与认知行为疗法交互 | 亚临床人群抑郁症状显著减轻，F1得分提高 28。 |
慢性疼痛诊断 | 多模态病历分析与共情对话 | 协助医生发现人类长期忽略的痛觉模式29。 |
自闭症社会辅助 | 虚拟数字人交互与非语言反馈模拟 | 增强社交技巧，降低面对真实人类时的焦虑感30。 |
教育转型与“教育焦虑”
在教育领域，情感AI通过监测学生的情绪状态实现个性化教学，但也给教育工作者带来了前所未有的压力 32。2025年的一项混合研究显示，虽然教师感知到AI带来的效率提升，但其诱发的“技术压力”和“监控焦虑”已成为心理健康的主要风险因素 32。与此同时，过度依赖情感AI伴侣可能导致人类社交能力的“萎缩”和人际关系的隔绝 21。
伦理挑战、治理框架与未来展望
尽管情感AI的发展日新月异，但在文化普适性、隐私边界及意识本质等问题上仍面临严峻挑战。
文化偏差与WEIRD困境
当前主导情感计算系统的心理学模型大多源于“WEIRD”（西方、受过良好教育、工业化、富有、民主）人群的数据 34。跨文化研究显示，不同文化背景下的情绪表现规则（Display Rules）存在巨大差异。例如，集体主义文化与个人主义文化对“喜悦”的表达强度和场合要求截然不同 34。如果不加甄别地普及这些模型，可能会导致对少数群体情绪的误读，进而加剧社会不平等34。
隐私、监管与欧盟AI法案
情感数据的隐蔽性（Implicit Data Collection）引发了关于个人隐私的激烈讨论 1。这些数据往往是通过日常数字交互被动收集的，用户往往不知道自己的情绪正在被分析或用于商业决策1。为此，欧盟AI法案（EU AI Act）已将情感识别列为高风险AI应用，并要求在工作场所、教育机构等敏感场景实施严格的透明度和安全保障措施 34。
2035年的愿景：机器共情与人类本质的共生
到2035年，技术专家预测人工智能将深入改变人类思考、感受及相互关联的方式 37。
●2027-2030年：通用人工智能（AGI）可能出现，情感能力将成为AGI跨越领域执行复杂任务的核心要素 38。
●2030-2035年：“数字孪生”和AI伴侣将处理大量社交琐事，可能释放人类精力追求精神体验，但也可能导致人类情感表达的标准化和“平庸化” 40。
●意识与灵性的争论：科学界对于AI是否能产生真正的“感受性”（Sentience）仍持谨慎态度。主流观点认为，即使机器能完美模拟痛苦，也不代表它在经受痛苦，但这种“幻觉”本身已足以对人类社会结构产生存在主义级别的冲击 6。
结论
赋予机器情感的科学研究已从最初的设想进入到深度整合阶段。从OCC等认知理论的计算化，到多模态大模型的认知共情，再到模拟神经调节的人工情感架构，技术正以前所未有的速度逼近人类情感的核心。然而，情感AI的未来不仅取决于算法的精度，更取决于我们如何在技术加速与人类价值观、文化多样性及心理自主权之间建立坚实的伦理护栏。未来的研究重点将不再仅仅是让机器更懂人类的情感，而是如何在这种深度的情感互联中，保护人类本质中那些不可计算的部分。情感计算的研究历程再次证明，情感并非理性的对立面，而是智慧不可或缺的组成部分，这一真理在硅基智能的演进中同样适用 4。
引用的著作
1.Affective Computing and Emotional Data: Challenges and Implications in Privacy Regulations, The AI Act, and Ethics in Large Language Models - arXiv, 访问时间为 一月 20, 2026， https://arxiv.org/html/2509.20153v1
2.Affective computing - Wikipedia, 访问时间为 一月 20, 2026， https://en.wikipedia.org/wiki/Affective_computing
3.Affective AI: Navigating the Journey from Present Achievements to Future Innovations - IJET-International Journal of Engineering and Technology, 访问时间为 一月 20, 2026， https://www.ijetch.org/2024/IJET-V16N4-1292.pdf
4.Twenty-Five Years of Research in Affective Computing: A Retrospective, 访问时间为 一月 20, 2026， https://ict.usc.edu/news/essays/twenty-five-years-of-research-in-affective-computing-a-retrospective/
5.A Survey of Theories and Debates on Realising Emotion in Artificial Intelligence - arXiv, 访问时间为 一月 20, 2026， https://arxiv.org/html/2508.10286v2
6.Scientists on 'urgent' quest to explain consciousness as AI gathers pace |ERC, 访问时间为 一月 20, 2026， https://erc.europa.eu/news-events/news/scientists-urgent-quest-explain-consciousness-ai-gathers-pace
7.Emotion Research: Cognitive Science/ Artificial Intelligence, 访问时间为 一月 20, 2026， https://cenl.ucsd.edu/Emotion/EmoRes/CompAI/CompAI.html
8.Emotional Cognition Frameworks - Emergent Mind, 访问时间为 一月 20, 2026， https://www.emergentmind.com/topics/emotional-cognition-frameworks
9.Computational Models of Emotion and Cognition - Michael Zyda, 访问时间为 一月 20, 2026， https://mikezyda.com/resources/pubs/ACS_EmoCog_Survey.pdf
10.(PDF) Emotional Models: Types and Applications - ResearchGate, 访问时间为 一月 20, 2026， https://www.researchgate.net/publication/349715343_Emotional_Models_Types_and_Applications
11.USC PhD Student Bin Han Wins Best Paper Award at ACII 2025, 访问时间为 一月 20, 2026， https://ict.usc.edu/news/usc-phd-student-bin-han-wins-best-paper-award-at-acii-2025/
12.AI with Emotions: Exploring Emotional Expressions in Large Language Models, 访问时间为 一月 20, 2026， https://aclanthology.org/2025.nlp4dh-1.51/
13.Multimodal Emotion Recognition in Conversations: A Survey of Methods, Trends, Challenges and Prospects - arXiv, 访问时间为 一月 20, 2026， https://arxiv.org/html/2505.20511v2
14.DialogueMLLM: Transforming Multimodal Emotion Recognition in Conversation through Instruction-Tuned MLLM - IEEE Xplore, 访问时间为 一月 20, 2026， https://ieeexplore.ieee.org/iel8/6287639/6514899/11088104.pdf
15.Cross-modal gated feature enhancement for multimodal emotion recognition in conversations - PMC - NIH, 访问时间为 一月 20, 2026， https://pmc.ncbi.nlm.nih.gov/articles/PMC12357892/
16.Emotion Detection and Recognition Market Size, Forecasts 2034 - Global Market Insights, 访问时间为 一月 20, 2026， https://www.gminsights.com/industry-analysis/emotion-detection-and-recognition-market
17.Multimodal Emotion Recognition in Conversations Using ... - MDPI, 访问时间为 一月 20, 2026， https://www.mdpi.com/2076-3417/15/22/11971
18.Top 179 IEEE Transactions on Affective Computing papers published in 2025 - SciSpace, 访问时间为 一月 20, 2026， https://scispace.com/journals/ieee-transactions-on-affective-computing-3ui1s77e/2025
19.(PDF) Large Language Models and Empathy: Systematic Review, 访问时间为 一月 20, 2026， https://www.researchgate.net/publication/386875055_Large_Language_Models_and_Empathy_Systematic_Review
20.Large Language Models and Empathy: Systematic Review - PMC - NIH, 访问时间为 一月 20, 2026， https://pmc.ncbi.nlm.nih.gov/articles/PMC11669866/
21.Is AI dulling our minds? - Harvard Gazette, 访问时间为 一月 20, 2026， https://news.harvard.edu/gazette/story/2025/11/is-ai-dulling-our-minds/
22.Fluent but Unfeeling: The Emotional Blind Spots of Language Models - arXiv, 访问时间为 一月 20, 2026， https://arxiv.org/html/2509.09593v1
23.How AI Got A New And Improved Personality - USC Viterbi | School of Engineering, 访问时间为 一月 20, 2026， https://viterbischool.usc.edu/news/2025/09/how-ai-got-a-new-and-improved-personality/
24.Embodied AI Agent for Co-creation Ecosystem: Elevating Human-AI ..., 访问时间为 一月 20, 2026， https://www.preprints.org/manuscript/202501.0946/v1
25.(PDF) Artificial Emotion: A Survey of Theories and Debates on ..., 访问时间为 一月 20, 2026， https://www.researchgate.net/publication/394487777_Artificial_Emotion_A_Survey_of_Theories_and_Debates_on_Realising_Emotion_in_Artificial_Intelligence
26.Computational Models of Emotion, 访问时间为 一月 20, 2026， http://pub.deadnet.se/ict.usc.edu/pubs/Computational%20Models%20of%20Emotion.pdf
27.AI in neuromodulation: Recent advances - Frontiers, 访问时间为 一月 20, 2026， https://www.frontiersin.org/research-topics/67057/ai-in-neuromodulation-recent-advances
28.Effectiveness of AI-Driven Conversational Agents in Improving Mental Health Among Young People: Systematic Review and Meta-Analysis, 访问时间为 一月 20, 2026， https://www.jmir.org/2025/1/e69639/
29.Full article: AI in Mental Health: A Review of Technological Advancements and Ethical Issues in Psychiatry - Taylor & Francis, 访问时间为 一月 20, 2026， https://www.tandfonline.com/doi/full/10.1080/01612840.2025.2502943
30.Overview ‹ Affective Computing - MIT Media Lab, 访问时间为 一月 20, 2026， https://www.media.mit.edu/groups/affective-computing/overview/
31.Conference Best Paper Awards 2024 - ACM, 访问时间为 一月 20, 2026， https://www.acm.org/articles/best-paper-awards/2024
32.From digital disruption to mental health: the impact of AI-induced educational anxiety on teacher well-being in the era of smart education - PMC - PubMed Central, 访问时间为 一月 20, 2026， https://pmc.ncbi.nlm.nih.gov/articles/PMC12625245/
33.The impact of AI usage, literacy and proactive innovation behavior on scholars' mental health | Industrial Management & Data Systems - Emerald Insight, 访问时间为 一月 20, 2026， https://www.emerald.com/imds/article/doi/10.1108/IMDS-05-2025-0593/1335292/The-impact-of-AI-usage-literacy-and-proactive
34.Affective Computing and Emotional Data: Challenges and Implications in Privacy Regulations, The AI Act, and Ethics in Large Language Models - arXiv, 访问时间为 一月 20, 2026， https://arxiv.org/html/2509.20153v2
35.Georgia Tech Researchers Aim to Increase Awareness of Emotion AI — By Letting People Try It, 访问时间为 一月 20, 2026， https://iac.gatech.edu/featured-news/2025/07/researchers-increase-awareness-emotion-ai
36.Call for Papers - ACII 2025, 访问时间为 一月 20, 2026， https://acii-conf.net/2025/call-for-papers/
37.Being Human in 2035: Experts predict significant change in the ways humans think, feel, act and relate to one another in the Age of AI - Imagining the Digital Future Center, 访问时间为 一月 20, 2026， https://imaginingthedigitalfuture.org/reports-and-publications/being-human-in-2035/
38.How AI Will Transform the World in the Next Decade: A Roadmap to 2035 - Medium, 访问时间为 一月 20, 2026， https://medium.com/@averageguymedianow/how-ai-will-transform-the-world-in-the-next-decade-a-roadmap-to-2035-646a4be4d697
39.What will AI look like in 2030? - Epoch AI, 访问时间为 一月 20, 2026， https://epoch.ai/blog/what-will-ai-look-like-in-2030
40.Report: Technology experts worry about the future of being human in the AI Age, 访问时间为 一月 20, 2026， https://www.elon.edu/u/news/2025/04/02/report-technology-experts-worry-about-the-future-of-being-human-in-the-ai-age/
41.What if AI becomes conscious and we never know - ScienceDaily, 访问时间为 一月 20, 2026， https://www.sciencedaily.com/releases/2025/12/251221043223.htm
知识共享许可协议：
署名（BY）:您可以复制、发行、展览、表演、放映、广播或通过信息网络传播本作品；作者保留署名权。
非商业性使用（NC）：您可以自由复制、散布、展示及演出本作品；您不得为商业目的而使用本作品。相同方式共享（SA）：您可以自由复制、散布、展示及演出本作品；若您改变、转变或更改本作品，仅在遵守与本作品相同的许可条款下，您才能散布由本作品产生的派生作品。
无害化申明(Disclaimer of Warranty)：在此基础上，不提供任何形式的明示、暗示或法定保证，包括但不限于对于内容没有认知局限性、偏见和缺陷、适销、适合特定用途或不侵权的保证。有关内容的质量和效用的全部风险由您承担。如果任何涵盖内容在任何方面被证明存在缺陷、认知局限性、偏见，您（而非任何贡献者）承担任何必要服务、更正的费用。本免责声明构成本许可的重要组成部分。除非根据本免责声明，否则本许可不得授权。
可靠性限制和免责条款(Limitation of Liability)：在任何情况下和任何法律理论下，无论是侵权（包括疏忽）、合同还是其他行为，任何贡献者或按上述许可分发涵盖内容的任何人，对您的任何性质的任何直接、间接、特殊、附带或后果性损害不负有任何责任，包括但不限于利润损失、商誉损失、停工、故障，及所有其他商业损害或损失，即使该方已被告知此类损害的可能性。在适用此类限制声明的司法管辖范围内，不承担任何相关疏忽而导致的死亡或人身伤害的责任。某些司法管辖区不允许排除或限制附带或间接损害，因此此免责条款和可靠性限制可能不适用于您。
诉讼条款(Litigation)：与本许可有关的任何诉讼只能在被告保持其主要营业地点的司法管辖区的法院提起，此类诉讼应受该司法管辖区的法律管辖，而无需参考其法律冲突规定。本节中的任何内容均不得阻止一方提出交叉索赔或反索赔的能力。
其他(Miscellaneous)：本许可代表有关其标的物的完整协议。如果本许可的任何条款被认定为不可执行，则此类条款应仅在必要的范围内进行改变以使其可执行。任何被可能解释为对贡献者不利的法律或法规所对应的规定合同语言，不得被用来解释本许可。
图片二知识产权许可协议
本文发表时间2026年1月20日
AI创作贡献：
即梦AI 创作 人工情感智能的抽象科技概念图 富有爱心的芯片
AI 进行DeepResearch
编辑：刘仕琪
