情感计算

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)

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。

1.加权得分计算：将每个选项在各个标准上的得分与相应的权重相乘，然后求和，得出每个选项的总加权得分。这个过程可以通过简单的数学计算来完成。（当然你可以不使用加权求和模型，这个可以自己DIY，不过越复杂的模型计算准确度越差，这个是我亲身试验过的）2.机会成本分析：考虑选择每个选项时可能放弃的其他机会。这有助于我们更全面地理解每个选择的真实价值。例如，选择一份高薪工作可能意味着放弃更多的个人时间。3.简单情景分析：为每个选项构想最佳和最坏的情况。这有助于我们理解每个选择的潜在风险和回报。我们需要考虑这些极端情况发生的可能性，以及我们是否能够承受最坏的结果。4.决策矩阵分析：将前面步骤的分析结果汇总到一个表格中，包括预期收益、机会成本、净收益、长期影响和风险评估。这为我们提供了一个直观的比较工具。决策阶段（红色虚框）：1.敏感性分析：通过调整不同因素的权重，检验我们的决策是否稳健。如果轻微的权重变化导致结果发生显著变化，那么我们可能需要重新评估我们的分析过程或收集更多信息。2.情感检验：虽然我们努力保持客观，但个人感受也是重要的考虑因素。我们需要反思自己对每个选项的情感反应，并考虑这些反应与理性分析的一致性。3.提供最终决策建议：基于前面的所有分析，提出一个综合的建议。这个建议应该包括选择的理由、潜在的风险、需要注意的事项等。这是我再三压缩过的决策过程，已经很难继续简化了，别看这个过程看起来挺麻烦的，但是事关决策，多花点时间和精力来权衡是值得的。这样做出来的决策，大概率会更适合你，让你在未来的日子里更有干劲，过得更舒心。