埃迪斯科文大学(ECU)的研究团队正采用一种创新策略，助力机器提升情感识别能力，使其能更精准地解读人类面部表情。随着数字系统日益融入人们的日常生活，从虚拟助手到健康应用，赋予这些系统理解人类情感的能力变得至关重要。

ECU博士生Sharjeel Tahir指出：“我们的方法并非依赖单一图像来训练系统，而是模仿人类认知过程，展示一系列相关面部表情，让机器在更广泛的情绪背景下进行学习。”这种方法如同人类观察情感，不会仅凭一眼就下结论，而是综合多种表情做出判断，从而提升情感识别的准确性。

研究团队由埃迪斯科文大学的高级讲师和人工智能专家赛义德·阿法克·沙阿博士领导。他们发现，通过展示结构化集合内的面部表情特征，AI模型能更有效地学习现有模式，显著提高情感识别的准确率。这一成果不仅增强了AI模型识别情绪的能力，还保持了计算效率。

“我们正在为机器奠定基础，让它们不仅能识别面部，还能理解面部所表达的情感。”Tahir表示。这项研究虽未直接涉及物理机器人，但其成果有望影响未来情感感知系统的开发，如心理健康支持、客户服务或互动教育等领域。

此外，研究团队还在沙阿博士的指导下，探索在人工智能体中产生人工同理心的可能性，使机器能对人类情感做出相应反应。Tahir认为，情感支持的需求日益增长，而具有情感意识或智能的机器或机器人有望填补这一空白。

博士生Nima Mirnateghi作为相关文章的共同作者，强调了这项研究对人工智能模型底层决策过程的深入探索。他表示：“我们的研究小组现在正专注于语言模型中的可解释人工智能，旨在揭示决定人工智能代理如何解释识别模式的复杂机制。”

通过使这些过程更加透明，研究团队的目标是创建易于理解的人工智能系统，从而弥合高级计算与人类直觉之间的差距。例如，探索是什么让机器拥有情感智能，正是他们当前研究的一个重要方向。

更多信息： Sharjeel Tahir 等人，DEER：用于细粒度情绪识别的深度情绪集，2024 年国际数字图像计算会议：技术与应用 (DICTA) (2025)。