机器决策理论： 情感计算与机器决策密切相关。情感对人类具有重要意义，包括生存功能（如遇危险时的生理反应有助于保障进化）、沟通功能（不同情感表达使内涵不同）、决策功能（大脑通过“系统一”主要依赖情感和经验迅速做出判断）、动机功能（激发和维持个体行为）、维系功能（是社会化过程中的纽带）。 情感计算的最终目标是赋予计算机类似于人的情感能力，主要有“识别”“表达”和“决策”三个方向。“识别”可基于文本、语音、视觉、生理等数据进行情感分析，或融合不同模态信息；“表达”让计算机以合适载体表示情感；“决策”利用情感机制进行更好决策。 在人工智能实现方法中，解决让计算机表现得像人类一样的问题有自上而下（模拟人类推理）和自下而上（模拟人脑结构）两种可能的方法，还有新兴的多智能体系统、进化方法或遗传算法等其他可能实现智能的方法。
[title]情感计算如果机器不能很好地模拟情感，那么人们可能永远也不会觉得机器具有智能。——人工智能之父马文·明斯基情感是保障人类形成社会习性、支撑高级思维的心理要素。如果人类不具有情感，那么维持生存的将只有原始冲动和生存欲望。情感对人类有很重要的意义，主要表现在：生存功能。人类会为了适应环境而做出有利于生存或发展的生理反应，如遇危险时的紧张害怕，受到威胁时的愤怒亢奋，获得食物时的喜悦兴奋。这种生理反应，有助于保障人类的进化。沟通功能。同样的文字语言使用不同的情感来表达，其内涵是完全不同的。相比于语音或文字，增加表情、肢体动作等多种情感表达方式，能够更加充分的表达人类的意图。决策功能。大脑通过快（“系统一”）和慢（“系统二”）两种方式进行决策。而“系统一”主要依赖于情感、经验等迅速做出判断。动机功能。情感能够激发和维持个体的行为。维系功能。情感是人类社会化过程中阶层、族群、家庭等维系的纽带。情感计算就是为了使计算机能够识别、感知、推断和理解人类的情感。最终目标是赋予计算机类似于人的情感能力。
情感计算主要有「识别」、「表达」和「决策」三个方向。「识别」让计算机准确识别人类的情感。可以基于从文本、语音、视觉、生理等数据进行情感分析。或者将不同模态之间的信息进行融合分析，使情感计算更准确，具有更高的鲁棒性。文本情感计算是NLP的一大研究热点，主要研究情感状态与文本信息的对应关系。主要由文本情感特征标注、文本情感特征提取和文本情感分类组成。语音情感计算主要研究两个部分：一个是语音所包含的语言情感内容，另一个是声音本省所具有的情感特征。视觉情感计算主要研究两个部分：一个是面部表情的情感识别，另一个是肢体动作的情感识别。生理信号情感计算，最常用的生理特征是脑电、眼动、肌电、皮肤电、心电、呼吸信号等。「表达」让计算机能够把情感以合适的信息载体表示出来；「决策」利用情感机制来进行更好地决策。[heading3]参考资料[content][《2022情感计算白皮书》,之江实验室](https://www.sohu.com/a/617242720_483389)[情感计算：让机器更加智能](https://cloud.tencent.com/developer/article/1519957)
[title]人工智能简介和历史[heading1]实现人工智能的不同方法如果我们希望让一台计算机表现得像人类一样，需要在计算机内模拟人类的思维方式。因此，我们需要理解是什么造就了人类的“智能”。我们必须理解自己的决策过程是如何进行的，才能够为机器编写智能程序。如果你稍微做一下自我觉察，就会发现有些过程是下意识发生的，例如我们可以不假思索地区分出猫和狗，而有些过程则需要推理。解决这个问题有两种可能的方法：|自上而下的方法（符号推理）|自下而上的方法（神经网络）|<br>|-|-|<br>|自上而下的方法模拟人类通过推理来解决问题的方式。它包括对人类知识的提炼，并用计算机可读的形式来表示，此外还需要开发一种在计算机内部模拟推理的方法。|自下而上的方法模拟人脑的结构，由大量称为神经元的简单单元组成。每个神经元的行为取决于输入数据的加权平均值，我们可以提供训练数据来训练神经元网络，从而解决有用的问题。|还有一些其他可能实现智能的方法：新兴的、依靠协同的多智能体系统（multi-agent），它基于这样一个事实，即复杂的智能行为可以来自大量简单智能系统的相互作用。根据进化控制论，在元系统跃迁的过程中，智能可以从更简单的反应行为中产生。进化方法或遗传算法（genetic algorithm），是一种基于进化原理的优化过程。[1]译者注：元系统跃迁，[Metasystem Transition](https://en.wikipedia.org/wiki/Metasystem_transition)，是指通过演化涌现出更高层次的组织或者控制。我们将在课程的后续部分考虑这些方法，但现在我们将重点关注自上而下、自下而上两个主要方向。