人工智能中是否曾使用过“情感”？
心理学家对情绪及其生存功能有很多话要说——但我从未见过任何人工智能研究在算法中使用类似于“情绪”的东西。（是的，在尝试对人类情绪进行分类方面做了一些工作，称为“情商”，但这与算法中的/使用/情绪截然不同）例如，您可以想象机器人可能需要燃料并且“非常口渴” “ - 使其优先考虑不同的任务（寻找燃料）。情绪有时也不仅仅关注目标/优先级 - 而是将某些分类“投射”到特定情绪中的程度进行分类。
例如，也许一个需要燃料的机器人可能非常“害怕”走向汽车，因为它过去曾被撞过——而它可能对一个不能正确打开的容器“感到沮丧”。这些东西有助于生存似乎很自然——而且它们很可能在我们的基因中“硬编码”（因为某些情绪——比如性吸引力——似乎几乎无法通过“培养”来改变）——所以我认为它们会有在人工智能中有很多通用工具。
当前情绪行为的模拟
在前沿自然语言系统中，情感在人工智能中的使用方式非常有限。例如，先进的自然语言系统可以计算特定语音片段来自愤怒的人的概率。这种识别可以使用来自生物监视器的标签进行训练。然而，在撰写本文时，计算机中几乎没有模拟出具有多年与人交往经验调整的软技能的人的心理特征。
我们不会在短期内看到计算机成为顾问（如曾经认为的那样）或电影导演、法庭法官或海关官员。尽管如此，情绪背后的过程并非完全未被发现，并且在计算机中模拟它们确实有兴趣。大部分工作都是公司机密。
计算机中复杂情感的出现可能始于性的背景，主要是因为调情是强大的，原始的情感表达可能比更高的情感表达（如爱或愤怒等混乱的表达）更容易用自然语言模拟。性感的人工智能很可能会被企业认为合法的营销活动所利用。
它也将被性行业利用。性感人工智能的伦理和道德分析超出了问题的范围，但随着它的展开，它可能会引起公共媒体的关注，这已经在 Facebook 上开始了，源于使用虚构身份的第三方攻击。
情感科学
情绪不是一个科学的量。从人工智能的角度来看，情绪是个人可能通过视觉和听觉队列识别的一种品质，特别是通过自然语言和另一个人的影响。（情感是关于一个人的情绪和一般精神状态的视觉线索。）
一个人也可以学会识别她或他自己的这些线索。它们可以通过重播通过耳朵听到的自己的语音、通过对未说出的想法的语言分析或通过检测肌肉紧张或生命体征来检测。那些擅长冥想的人可以检测到更接近大脑因果中心的情绪前身，并在情绪出现之前更直接地控制它们。
在大脑中，情绪不在一个单一的几何位置。我们不能说，“那种同情的情绪来自杰罗姆大脑中的这组神经元。” 我们不能说，“Sheri 对她大脑皮层中的这个 3D 坐标很生气。” 情绪也不是严格的系统范围的。一个人可以在不生气的情况下被激怒，从而使大部分大脑化学和电信号不受影响。
情绪不完全是电的，也不完全是化学的。在电子方面，情绪状态可以通过连接不同且仅远相关的大脑区域的单独电路路径同时发生。在化学方面，突触化学是电信号通路的一部分。还有许多区域信号系统使用既不是循环（血液）也不是初级电（神经元）通路的专门通路。血清素是数十种以这种方式在区域内发挥作用的化学信号化合物之一。
情绪，作为一种主要的社会现象，不应该被描述为纯粹的达尔文主义。虽然与生存有关，但情感处理和交流会影响配偶选择，更一般地说，会影响社区内的社会模式，包括利他和协作活动。
情绪并不总是导致生存。在某些情况下，情绪状态可能会在繁殖前导致死亡。可以说，情绪平衡和在情绪层面上互动的能力可能会提高生育后代的几率。数百种情绪极端中的任何一种程度的不平衡都可能导致没有孩子。
情商与在算法中使用情绪不同，但并非如此。
自一维智力概念形成以来，对情商的讨论是智力概念的众多进步之一。那些 19 世纪的概念，例如 IQ 和 G 因子，很少得到遗传证据和人类学理论的支持。数学上未经证实和幼稚的概念（如一般智能）依赖于这些一维概念。
情商是一种与情绪平衡相关的心理能力。如果一个人的认知技能在他们的情绪和对他人情绪状态的评估方面得到磨练，那么他们的情商就会比那些无法阅读他人的情感和语言线索并且无法整合认知和情绪技能来平衡情绪的人具有更高的情商。他们自己的情绪。
控制论分析
自然情感和人工情感之间的接口符合控制论领域，即人与机器之间接口的概念研究。这种交互显然与算法和拓扑相关，这是人工智能研究和开发中的两个重要概念。
情绪有一个算法背景，因为显然神经元和化学物质的某种组合会在反应性的人和已经发展情商的人之间产生这种算法差异。
emotion[person] = recognize_emotion[person]
if emotion[person] = anger
be_in_responses(angry)
emotion[person] = recognize_emotion[person]
if emotion[person] = anger
be_in_responses(extra_calm)
前者是反应性的，后者表现出情商。后期技能的获得可能是认知的和有意识的，也可能是直觉的和无意识的。在任何一种情况下，较低级别的实际算法可能与上面显示的完全不同，但由大脑编组的人的外部行为本质上是其中一种。
使用复数算法而不是单数算法，因为不太可能涉及单个同步算法。大脑是一个大规模并行处理器。情绪处理可能最好以人工形式表达为数十万个算法并行运行并在系统内形成数百万个平衡——多维和高度并行的停滞。
这就是为什么在撰写本文时，计算机系统中的情绪识别和情绪反应还不是很复杂。天平有很多社会细微差别。模拟理性思维可能比模拟情感思维更容易。
欲望作为一种系统行为
饥饿和口渴有时可能被称为感觉，但严格来说它们并不是情绪化的。如果需求未得到满足，则检测对空气、能量、营养和水的需求可能会刺激情绪状态，如果满足，则可能会刺激其他情绪状态。当缺乏必要的东西并面对另一个人不太重要的议程时，一个人可能会变得沮丧和易怒。机器人有一天可能会做同样的事情。当所有这些必需品最近都过剩时，一个人可能会变得兴高采烈和慷慨。机器人有一天可能会做同样的事情。这些关系以这种方式在问题中表达。
情绪有时也不仅仅关注目标/优先事项 - 而是将某些分类“投射”到特定情绪中的程度进行分类。
问题中的陈述及其解释在某些方面是正确的。如果一个机器人需要燃料，但由于过去曾被撞过而害怕从行驶的车辆前面经过，可以通过不止一种方式看到。
在人工智能设计中，这三者将以不同的方式处理。
保持科学观点
情绪并没有硬编码到大脑电路或 DNA 中。现实要复杂得多。
DNA 为基因表达系统提供参数，从而导致蛋白质合成，从而导致大脑结构和功能，从而导致学习情绪反应的能力，从而改善社会行为，从而提高基因库存活的概率。
将数字系统传统应用于生物过程可能会适得其反，例如程序的拟人化视图。人工网络实际上并没有学习；他们会聚。没有什么是硬编码到生物学中的，因为应用于 DNA的术语代码与 Java 或 Python 代码页面不同。
确实，某些行为倾向是物种过程中的强烈停滞形式。有机体通常会表现出从生物圈获取资源的强烈愿望，例如氧气、蛋白质、营养物质、碳水化合物、脂肪和水。机器人可能会用用于充电的电压和用于运动部件的润滑剂来代替那些。有机体通常会表现出繁殖的欲望。机器人可能会获得该递归过程的模拟，并希望构建另一个与其自身相似的机器人。
这些在生物学中没有硬编码。它们在人群中形成了一种停滞。有些人不想要孩子。有些人因神经性厌食症住院。有些人窒息而死。统计平均值产生物种的行为，而不是物种内个体之间相同的固定行为。
先天与后天
先天和后天是生物学中因果关系的一般类别的有用总称，并且可能在未来的机器人产品中具有等价物，但它们是广泛的普遍性。没有自然算法或培育算法或平衡自然与培育的算法。这就是拓扑在概念上最重要的地方。
算法组件的拓扑
许多在多个维度上独立运行的系统之间存在大量交互。这种交互结构的可视化看起来更像是一个国家所有网站的拓扑结构，而不是机器学习框图。如果以某种方式将其编码为一种算法，则地球上所有沙子中的所有硅都可能转换为随机存取存储器 (RAM) 可能不足以容纳表达该算法的代码。也许不是。也许简单是生活交互系统设计的基础。也许有一天我们会知道。也许不是。
地球生命设计的优雅之处在于，多个独立的过程通过数十亿年的反复试验进行调整，以在分子水平上与数十亿个运动部件相互操作和支持复杂的有机过程。
跨学科研究的脉络
研究这些对于生物学、生物信息学、认知科学和人工智能都很重要。情感识别以及将情感反应和控制整合到自然交流中是这项研究和开发的一部分。
不错的问题，但我们可以通过一些思考实验来解决这个问题。考虑一下“害怕”，甚至“感觉”是什么意思。这是对某事的渴望。这就是推动我们走向普遍生存的东西。它迫使我们专注于当下重要的事情。它与我们的直接环境有关，并概括为我们的抽象概念化。
现代人工智能范式的不同之处在于它们的目标非常结构化/刚性。对于它应该做什么，没有一般意义上的“好的”或一般的指导感。这将需要一种完全不同的人工智能设计和基础设施方法。
由于大多数公司都在努力赚钱，因此尝试“感觉”机器并没有太多收获。