“情绪检测”技术主要依据标签员看视频贴标签的方式，对人工智能进行教学，有学者担忧它只会识别刻板印象化的情绪表达，并可能给出错误的引导和建议，情绪可以依据面部表情进行判断吗？
目前该技术主要用于帮助自闭症儿童进行情绪识别和理解、监测驾驶员疲倦或情绪化状况、进行产品市场研究、以及协助医疗人员对患者状态进行评估，对此你有哪些担忧？
若电子设备可以检测情绪状态，你希望它可以被应用于哪些方面？它可以让日常沟通更顺畅吗？
近年来，不少科技公司通过关联面部表情和行为的算法进行“情绪检测”相关技术的开发，其产业在北美市值已达200亿美元。有开发人员称，这样的系统不仅可能会比人类更擅长对面部表情进行情绪分析，而且机器可以通过训练，更适应用户感受。
《Guardian》采访了首批对研究人员之一的 Rana el Kaliouby，作为首家面向“情绪人工智能”市场的创业公司 Affectiva 的创办者之一，她在博士期间开发出一种辅助亚氏保加症（Asperger syndrome，AS）儿童了解和回应面部表情的设备，并将其称为“情绪助听器”。
亚氏保加症，属一种发展障碍，其重要特征是社交与非言语交际的困难，同时伴随着兴趣狭隘及重复特定行为，但相较于其他泛自闭症障碍，仍相对保有语言及认知发展。
Affectiva 目前拥有世界上最大的情感数据存储库，共有来自87个国家的750万副面孔，当中包括不少志愿者在看电视或开车时所摄的录像。
35位工作人员通过观看视频画面和分辨面部表情的情感，进行标签分类，标记方法主要源自被不少业内人士认为是黄金准则的情感面部动作编码系统（Emfacs）。该系统主要将人类情绪分为六种较为普遍的表达——愤怒、厌恶、恐惧、快乐、悲伤和惊讶，而每一种情绪则对应著一种类型的面部肌肉运动。例如，标记员们若看到低垂的眉毛、紧绷的嘴唇以及凸出的眼睛，则会附上“愤怒”的标签。
然而，这种由 Paul Ekman 和 Wallace V Friesen 在20世纪80年代创建的关联系统，正不断遭受质疑。美国东北大学（NU）的心理学教授 Lisa Feldman Barrett 认为，由于上述系统的建立过程，是志愿者为研究而匹配6种预选情感标签，因而研究者无意中为志愿者们划定了答案范围。她认为，人类的大脑中并没有由外部刺激引发的普遍情绪，每一种情绪表达都关乎个人周边环境、文化等多种因素，“情绪是真实的，但不是客观意义上的分子或神经元的真实......情绪很复杂。”
情绪检测技术的研究者 Kaliouby 认同情绪的复杂，因而在设定时会让电脑使用视频分析，并尝试捕捉更多的语音、动作等数据，以分析出更准确的结果。然而，Barrett 则认为，这样的分析可能只能识别出刻板印象下的情感表达。
目前，亚马逊、微软和IBM均在宣扬“情绪分析”作为其面部识别产品之一，此行业亦在北美市值200亿美元，Kaliouby 认为这项技术极具发展前景。现时，不少公司使用这项技术进行市场研究、监测驾驶员疲倦或情绪化状况、测试游戏用户体验以及协助医疗人员对患者状态进行评估等。
Affectiva 首席营销官兼产品战略主管 Gabi Zijderveld 在接受《商业实验室》采访时表示，早期的技术开发主要关注心理健康领域，尤其是帮助自闭症儿童进行情绪识别及理解的应用，后来应用于提醒分心或昏昏欲睡的驾驶员。
她在受访时表述了自己理想情况的技术应用场景：情绪人工智能在生活触手可及的每一个角落，理解并回应我们的情绪健康——早上使用家用设备时会被提醒“你好像不像昨天那么开心，也并没有真正入睡7小时，需要我打开音乐播放列表吗”；到家时被告诉“你在工作中渡过了疲惫的一天，我为你做了餐厅预定”；孩子使用教学软件时感知到她/他的厌倦并适时提升挑战度。她希望在用户知情同意的情况下，这项技术可以帮助机械理解人类的情感，并发出一些建议帮助，“情绪检测基本上是为了弥合人类情感和技术之间的鸿沟。它使技术能够理解人类的情感，然后适应和回应这些情绪。”
事实上，对于人类情绪表达的探索一直存在，2016年，麻省理工学院的研究人员推出了一种装置，称可以依据一个人的心率和呼吸，以确定他们的情绪状态，准确率高达87%。他们希望将此应用在保护公共场所的安全上，以便更好的检测不稳定情绪的人。该开发人员后又投入对抑郁和焦虑的监测，帮助一些人未察觉或不善表达情绪的人说明情感状态。
若设备可以检测情绪状态，你希望它可以被应用于哪些方面？