利用 AI 技术判断一个人的情绪通常有两种途径，一种是通过面部表情，另一种是通过语音。前者已经比较成熟，而语音识别情感方面的研究，正在快速发展。近期，一些科研团队提出了新的方法，来更准确地识别用户声音中的情绪。
“女朋友是生气了么？”是千古难题。所以，女朋友的“我没生气，真的没生气”=“很生气”；“我生气了”=“撒娇，没生气，亲亲抱抱举高高嘛”。这样的情绪逻辑让直男们抓狂。究竟应该怎么样才能听出女朋友到底生气了没呢？据说，AI 已经在听音识情绪上做出成绩，可能比男生抓耳挠腮地琢磨半天的结果更准确。
亚马逊语音助手 Alexa 在感知情绪方面，可能比男朋友还机智。今年，经过最新升级后，Alexa 已经能够通过分析用户指令的高低和音量等反应，识别出快乐、高兴、愤怒、悲伤、烦躁、恐惧、厌恶、厌倦甚至压力等情绪，并对相应指令做出回应。人工智能做情绪分类已不是什么新鲜事了，不过，最近，亚马逊 Alexa Speech 团队前段时间打破了传统方法，发表了新的研究成果。
亚马逊不是唯一一家研究改进的基于语音的情绪检测的公司。麻省理工学院媒体实验室 Affectiva 最近演示了一个神经网络 SoundNet：可以在短短 1.2 秒内（已经超越人类感知愤怒所需时间）将愤怒与音频数据分类，并且无论哪种语言。未来的工作将开发其他大型公共语料库，并为相关的基于语音的任务训练 AI 系统，例如识别其他类型的情绪和情感状态。
以色列创业公司 Beyond Verbal 开发了一款名为 Moodies 的应用，它能够通过麦克风采集说话者的声音，经过 20 秒左右的分析，判断说话者的情绪特征。尽管语音分析专家承认语言与情绪具有相关性，但不少专家却质疑这种实时测算的准确性——这类工具收集到的声音样本非常有限，实际的分析可能需要收集数年的样本。
虽然很多科技公司已经在这方面有着多年的研究，也得到不错的成果。但是，正如上文 Andrew Baron 所质疑的，这项技术还面临多个挑战。就像女朋友一句平静的“我没生气”并不代表她真的没生气一样，一个发音中可以包含多种感情，不同情感的边界也难以界定，哪个情绪是当前主导的情绪？此外，一种情绪可能持续很长时间，但期间也会有快速变化的情绪，情感识别系统是检测长期的情绪还是短时的情绪呢？