一項最新發表的研究指出，人工智慧（AI）在人機互動（Human-Robot Interaction, HRI）領域正取得關鍵性進展。研究團隊利用電腦視覺與機器學習（ML）演算法，成功開發出一套軟體，能精準辨識照片和影片中的人類情緒狀態。
這項研究的核心技術是運用卷i積神經網絡（Convolutional Neural Networks, CNNs），在特定的標準數據集上實現了高達95%的情緒辨識準確率，為「情感運算」（Affective Computing）的發展奠定了重要基礎。
該研究論文指出，人類的溝通模式中，有高達60%至80%的訊息來自非語言線索，其中面部表情是傳達情感最重要的方式之一。在「情感運算」這個跨學科領域中，開發能理解並分析人類情感的電腦系統，已成為提升人機互動品質的重點。
報告強調，若要讓機器人具備同理心，使其能夠識別、理解人類情緒並做出適應性行為，是推動此領域研究的主要驅動力。
研究人員表示，具備情緒智能的機器人在社交互動中將更有價值。未來，具備類人觀察、判斷和情感表達能力的機器人，將可應用於輔助、工業、教育和人際互動等複雜的通訊情境。
傳統上，人臉情緒辨識（Facial Emotion Recognition, FER）系統包含影像偵測、預處理、特徵擷取與辨識等多個階段。儘管深度學習已取得顯著進展，但仍常面臨訓練週期過長，或在複雜環境中辨識率低落的挑戰。
為此，本研究提出一個基於CNN的自動化FER系統。研究團隊透過機器學習技術與數位影像處理流程，開發出能分析人類面部表情的軟體。其主要目標是找出CNN框架在辨識情緒時所倚賴的關鍵面部特徵。
為了驗證模型效能，研究團隊將其與多個公開數據集進行了比較分析，包含FER2013、真實世界情感臉部數據庫（RAF-DB）和CK+數據集。
實驗結果顯示，該模型在 CK+ 數據集上表現最佳，準確率高達約95%；相較之下，在結構較複雜的FER2013數據集上的準確率則約為64%。
研究人員總結，這項成果將有助於增進學界對神經網絡的理解，並提升電腦視覺的整體效率。
未來，這類更精準的情緒辨識技術，可望廣泛應用於監控、機器人導航、教育、醫療照護、心理諮商、疼痛評估，甚至是自動駕駛（偵測駕駛人精神狀態）等領域，使人與機器的協作更加無縫、自然且高效。
