识别和产生情感的架构通常有些复杂，通常没有简短的描述，所以最好参考文献而不是给出误导性的声音：

情感计算的一些早期工作是由Rosalind W. Picard完成的。麻省理工学院有一个研究小组专门研究这个领域。

一些更发达的建筑理念归功于马文·明斯基。他的书《情感机器》的出版前草稿可通过Wikipedia获得。

情商似乎肯定是通过图灵测试的必要组成部分——事实上，在计算机与智能的原始图灵测试文章中，暗示了匹克威克先生偏好的某种程度的“心理理论”：

然而圣诞节是冬日，我认为匹克威克先生不会介意这种比较。

我认为您的问题现在更适合人机交互领域，该领域主要依靠视觉来识别手势和跟随动作，以及作为响应的柔和自然动作。请注意，面部和手部的运动属于最复杂的任务，一次涉及许多肌肉。

我强烈推荐电影Plug & Pray来了解人们在这个领域正在研究什么。

您可能还会发现 Eliza（您可以在此处尝试）很有趣。它是人工智能历史上的经典，并假装模仿分析师（心理学）。（我想到 Eliza 不是因为它的情商，而是因为它显然被几个人认真对待。这可以被视为一种（批准的）图灵测试吗？它对遇到的人类有什么看法？ )

在规模的纯粹人类方面，我有时想知道我们自己的（我的）情商。我想在人工代理中实现这样的智能吗？

情绪不是你可以实现的——它们非常复杂。但是，您可以尝试模仿它们。人类的情绪与以强烈的心理活动为特征的意识体验密切相关，这种意识体验基于对事件的解释。

最近的大脑研究（包括认知心理学和神经生理学研究）表明，人类对每个动作或事件的情绪评估在人类心理过程中起着重要作用。

BICA 协会最近举行的 2016 年年会汇集了来自世界各地的科学家，探讨人类思维的原理和机制，以创造受生物启发的人工智能。

例如，在 Samsonovich（MEPhI控制论系教授）的提议中，这个想法是在计算机游戏中测试 AI，其中涉及带有情感内容的动作，其中 AI 可能会与处于不同类型社会关系（例如信任）中的玩家互动、从属或领导）。

ICT的乔纳森·格拉奇（Jonathan Gratch ）发明了能够识别和表达情感的虚拟角色，该角色可以根据人工智能可以欺骗人类以达到预期结果的情况，以自然语言与人类交流来识别和表达情感。这种效果显然不是通过重新创造人类意识来实现的，而是通过统计调整参数来实现的。

MEPhI 网络智能系统研究所的研究人员希望能够在不久的将来创造能够规划、设定目标和与人类建立社会关系的虚拟生物，同时拥有能够解释事件的上下文。

^{资料来源：研究人员提出人工智能的社会情绪测试}

因此，您可能熟悉 Word2Vec (W2V)，正如Wikipedia 所描述的¹使用矢量算术“捕获单词的语言上下文”。例如，从“France”中减去“Paris”，再加上“Italy”，得到“Rome”。

您需要的是类似 Sentiment2Vec (S2V) 的东西，它可以捕捉情绪转换之间的相似性。比如：从“悲伤”中减去“恐惧”，加上“快乐”，你就会得到“希望”。或者：从“剪纸”中减去“刺痛”，加上“粉碎”，你就会得到“悸动”。

问题是你没有一个容易获得的情感语境语料库来训练，就像你用单词一样。如果你有一百万小时的功能磁共振成像——绘制数百个受试者情绪之间的转换——那么你可以使用这些数据来构建一个 S2V。不过，您可能没有这些数据。

同时，您可以构建一个专门研究情绪的 W2V。您甚至可以尝试使用当前的情绪分析引擎来引导它。也许如果你读了足够多的文字，上面写着“我有一张剪纸，它刺痛了”和“我砸破了我的手指，它在跳动”，那么你最终可以产生一个 S2V。儿童书籍经常使用关于情感背景的明确语言（“这让男孩感到难过”）。

但文字与连接组图所提供的体验环境相去甚远。为了测试你是否有一些有用的东西，你可能想在老鼠觅食模拟中实现你的 S2V - 看看它是否会产生典型的行为，以及任何合作或竞争的动态是否可以从你的 S2V 中有机地发展出来。

关于该主题的一些进一步信息：

2014 年，格拉斯哥大学声称²有四种主要情绪：快乐、悲伤、恐惧和愤怒。

该网站³提供了在主要情绪下的二级和三级情绪的良好（如果有点短）的层次分解。

参考

_{¹：en.wikipedia.org/wiki/Word2vec}

_{² : www.bbc.com/news/uk-scotland-glasgow-west-26019586}

_{³：changeminds.org/explanations/emotions/basic%20emotions.htm}