1 人工智能所 陈德人 教授 计算机图形学与CAD、CIMS与虚拟制造、电子商务与信息集成技术 406 87952297 drchen@cszjueducn 博导
2 人工智能所 陈刚 教授 CIMS、网络安全、协同设计、数据库 501 87951245 cg@cszjueducn 博导
3 人工智能所 陈奇 副教授 智能决策、GIS、数据挖掘、嵌入式系统、网络与分布式技术 320 87951254 chenqi@zjueducn
4 人工智能所 陈卫东 副教授 网络、虚拟现实、移动计算、人工智能、CAD/CG、神经信息学、电子商务、商务智能 112（东） 87952308 chenwd@zjueducn
5 人工智能所 董金祥 教授 计算机图形学与辅助设计、人工智能、工程数据库与智能信息处理、计算机网络与数据库安全、先进制造及自动化技术 406 87951245 djx@cszjueducn 博导
6 人工智能所 干红华 副教授 人工智能、因果模型、计算机在法律领域的应用 205 0574-27830689 ganhonghua@cnnbnet
7 人工智能所 高济 教授 智能软件和Agent技术，网络计算和系统集成，软件工程和中间件技术，知识管理和信息系统 408 87951923 gaoji@mailhzzjcn 博导
8 人工智能所 耿卫东 教授 计算机图形图像技术、智能CAD、人工智能 512 87951248 gengwd@cszjueducn 博导
9 人工智能所 何利力 副教授 GIS、人机交互、数据库与数据分析 310（东） 87952690 llhe@zjueducn
10 人工智能所 何钦铭 教授 人工智能、机器学习、网络教育工程 213 87951265 lqm@cszjueducn 博导
11 人工智能所 金小刚 副教授 非经典计算、非线性系统复杂性 310 xiaogangj@cisezjueducn
12 人工智能所 孔繁胜 教授 人工智能、KDD、WEB-GIS、GPS 410 kfs@mailhzzjcn 博导
13 人工智能所 李际军 副教授 曲面造型、计算几何、CAD 505 87951992 lijijun@cszjueducn
14 人工智能所 李善平 教授 信息集成技术、CIMS、嵌入式操作系统、Linux 平台及应用 414 87952090 shan@cszjueducn 博导
15 人工智能所 林兰芬 副教授 CIMS、网络化制造、数据挖掘 501 87952699 llf@cszjueducn
16 人工智能所 鲁东明 教授 数字媒体网络、数字化文物技术、网络与信息安全、网络协同虚拟现实 407（东） 87951904 ldm@cszjueducn 博导
17 人工智能所 潘云鹤 教授 人工智能、CAD和计算机图形学、认知科学、多媒体计算技术、计算机网络；数字化艺术、产品创新设计 校长办 87951109 panyh@sunzjueducn 博导（院士）
18 人工智能所 孙建伶 教授 数据库、Web技术 503 87952700 sunjl@zjueducn
19 人工智能所 唐敏 副教授 三维造型 CAD 303 87987944 tang_m@zjueducn
20 人工智能所 童若锋 教授 计算机图形学、CAD、计算机动画 303 87951414 trf@cszjueducn 博导
21 人工智能所 王申康 教授 人工智能、多媒体计算技术、计算机协同工作技术、GPS&GIS 412 87951883 wsk@mailhzzjcn 博导
22 人工智能所 魏宝刚 副教授 人工智能、图像处理、数据库与知识库系统 505 87968432 wbg@zjueducn
23 人工智能所 吴春明 副教授 人工智能、智能机器人、系统集成技术 407 87951916 wuchunming@cszjueducn
24 人工智能所 吴江琴 副教授 图像处理、模式识别、最优化算法 507 87951247 wujiangqin@263net
25 人工智能所 肖国臻 副教授 可视化技术在医学中的应用、虚拟现实技术在医学中的应用、计算机控制技术 505 87952098 xgz@cszjueducn
26 人工智能所 邢卫 副教授 计算机网络技术及应用、电子政务模型及应用 516 87082635 wxing@cszjueducn
27 人工智能所 徐从富 副教授 人工智能、智能CAD、数据挖掘、知识发现、数据融合 313 87952308 xucongfu@cszjueducn
28 人工智能所 杨建刚 教授 多传感器数据融合、智能化信息处理与决策、人工神经网络 305 87952228 yangjg@cszjueducn 博导
29 人工智能所 杨小虎 副教授 金融信息学、软件再工程 501 87952694 yangxh@zjueducn
30 人工智能所 叶修梓 教授 CAD/CAM/CIMS、计算机图形图象技术、生物信息处理、GIS与数据库技术、密码学与信息安全 310（东） 87952690 yxz@cszjueducn 博导（长江特聘教授）
31 人工智能所 张泉方 副教授 计算机网络及应用 516 qfzhang@mailhzzjcn
32 人工智能所 张引 副教授 图象图形处理、多媒体信息处理 310（东） 87952690 yinzh@cszjueducn
33 人工智能所 郑扣根 教授 操作系统、嵌入式系统、计算机网络、地理信息系统（GIS） 405（东） 87952308 zkg@cszjueducn zhengkg@263netcn
34 人工智能所 周波 副教授 数据库管理系统、CIMS、数据仓库和数据挖掘 503 87952385 bzhou@cszjueducn
35 人工智能所 周忠信 教授 软件技术、Java 计算、互联网计算、互联网络研究 508 jwo@cszjueducn
36 人工智能所 朱淼良 教授 人工智能技术与机器人智能、计算机视觉、多媒体与网络通讯技术、网络信息安全 303（东） 87984692 zhum@cszjueducn 博导
37 人工智能所 朱晓芸 副教授 智能信息融合、计算机辅助教学、数据挖掘、数字制造 512 87952661 zhuxy@zjueducn
38 人工智能所 庄越挺 教授 网络多媒体、海量数据库与信息检索、智能动画技术、智能CAD、数字图书馆、嵌入式多媒体 308 87951903 yzhuang@cszjueducn 博导
39 人工智能 黄忠东 副教授 网络安全、数据库、CIMS 513 hzd@cszjueducn
40 人工智能所 尹建伟 副教授 网络中间件、信息集成、CSCW 303 zjuyjw@cszjueducn
41 人工智能所 张亶 副教授 图象处理 0574-27830768
42 人工智能所 杨枨 副教授 网络管理、数字制造、数据挖掘 512 87952661 yangcheng@zjueducn
43 人工智能所 董亚波 副教授 网络安全、分布式虚拟现实 教11-301 87952724 dongyb@zjueducn
44 人工智能所 王东辉 副教授 计算机视觉，人工智能技术，多媒体与网络通讯技术 407 87951916 dhwang@zjueducn
45 人工智能所 吴飞 副教授 多媒体分析与检索 计算机动画 统计学习 608 87951853 wufei@cszjueducn
46 人工智能所 蔡铭 副教授 网络化制造、ASP、语义网、嵌入式操作系统 87951414 cm@zjueducn
47 人工智能所 张文宇 副教授 人工智能、知识工程、基于知识的专家系统、模糊逻辑、本体论、语义Web、黑板结构、基于实例的推理、机器学习、CAD/CAM/CAPP/CIMS、智能CAD、并行设计、智能制造、网络化制造、数据库技术 524 13105718529 zhangwyc@zjueducn
48 人工智能所 门素琴 副教授 人工智能、CAD 310(东) 87951902 mensq@cszjueducn
序号 研究所 姓名 职 称 学科专长及研究方向 办公地点 办公室电话 Email 备注
1 系统所 陈天洲 副教授 嵌入式系统 主520主316西404 87951793、87952650 tzchen@zjueducn
2 系统所 陈小平 副教授 计算机应用、计算机网络应用、信息安全 文三路508号天苑大厦11楼C座 88225422-818 xpchen@tulingcomcn
3 系统所 姜晓红 副教授 计算机体系结构、虚拟环境技术、计算机图形学、计算机图像处理 520 jiangxh@cadzjueducn
4 系统所 陆魁军 副教授 计算机网络技术与网络软件、网络数据库系统 501（东） lukj@zjueducn
5 系统所 吕红兵 副教授 智能控制、计算机应用 522 lhb@zjueducn
6 系统所 潘雪增 教授 网络数据库安全技术、下一代(IPV6、IPV9)网络通讯与分布处理技术、面向SOC专用集成电路设计、电子商务多媒体计算机技术、智能搜索引挚，数字广播系统、计算机先进制造及设计自动化 420 87951244 xzpan@cszjueducn 博导
7 系统所 平玲娣 教授 网络数据库安全技术、下一代(IPV6、IPV9)网络通讯与分布处理技术、面向SOC专用集成电路设计、电子商务多媒体计算机技术、智能搜索引挚，数字广播系统、CIMS、设计自动化 420 87951244 ldping@cszjueducn 博导
8 系统所 钱沄涛 教授 模式识别、图像处理、数据挖掘和数据统计分析、计算智能 504 ytqian@mailzjueducn 博导
9 系统所 石教英 教授 计算机图形学、多媒体计算机技术、计算机网络与分布处理 紫金港校区CAD实验室 87951045 jyshi@cadzjueducn 博导
10 系统所 史烈 副教授 多媒体、计算机网络 文三路405号 85026338-816 sl@insigmacomcn 具体请与陈文智老师联系
11 系统所 陈文智 副教授 嵌入式系统，计算机网络，多媒体应用，操作系统 511 13600512233 chenwz@zjueducn
12 系统所 宋广华 副教授 实时数据库技术、嵌入式系统；并行计算与网格计算 410（东） 87952644 ghsong@cszjueducn
13 系统所 吴朝晖 教授 人工智能、生物认证、分布式计算与GRID、嵌入式系统工程 505（东） 87951647 wzh@cszjueducn 博导
14 系统所 杨长生 教授 计算机系统结构、微型计算机控制、多媒体数据压缩 518 87951246 csyang@hzcnccom
15 系统所 姚敏 教授 计算智能、模糊信息处理、模式识别与图象处理 418 myao@zjueducn 博导
16 系统所 张明敏 副教授 虚拟现实、计算机图形学、计算机图像处理 紫金港校区CAD实验室 87951045 zmm@cadzjueducn
17 系统所 张三元 教授 计算机图形学、CAD、图象处理与数字媒体技术、数字几何处理技术等 310 87952690 syzhang@cszjueducn 博导
18 系统所 朱桂林 副教授 智能CAD、嵌入式系统、计算机网络、可视化 509 87998921 zgl@cszjueducn
19 系统所 李国杰 教授 并行处理、计算机体系结构、组合优化、人工神经网和遗传算法 北京 010-62541341 wxh@ictaccn 博导（院士）
序号 研究所 姓名 职 称 学科专长及研究方向 办公地点 办公室电话 Email 备注
1 软件所 卜佳俊 副教授 嵌入式系统、移动多媒体、计算机图形图像处理、计算机视觉、CSCW 508（东) 87952600 bjj@cszjueducn
2 软件所 陈纯 教授 CAD/CAM、CSCW、多媒体计算技术、数据库、嵌入式系统、计算机图形图像处理、计算机网络、人工智能 508（东) 87951255 87952600 chenc@zjueducn 博导
3 软件所 陈根才 教授 群件与网络技术、数据库技术应用，CSCW技术、协同虚拟环境研究，智能信息处理（智能搜索引擎）、数据挖掘、自动文摘和分类研究，情感计算、语音情感模型与真实感语音合成研究 306 87953052 chengc@zjueducn
4 软件所 陈平 副教授 计算机网络、电子商务、信息处理 517 88480000-8128 chenping@landpagecomcn
5 软件所 陈越 教授 曲面重构、曲面造型、微分方程的数值计算方法 213 87951265 chenyue@cszjueducn
6 软件所 冯雁 副教授 数据库研究与应用、电子商务、数据挖掘 502 87951967 fengyan@cszjueducn
7 软件所 金连甫 副教授 信息处理、软件工程、电子商务、操作系统 517 88480118 lfjin@mailhzzjcn
8 软件所 金一庆 教授 计算全息、CAT、CAI、网络应用软件、应用数学 519 88062779 yiqingjin@hotmailcom
9 软件所 许端清 教授 计算机图形图像处理、CAD/CAM、虚拟现实技术、网络协同与虚拟制造技术 205（东） 87952023 xdq@cszjueducn
10 软件所 应晶 教授 软件工程方法学、软件开发方法、软件体系结构、计算机辅助软件工程 403（东） 87951965 jying_2000@yahoocom 博导
11 软件所 陆系群 副教授 多媒体数字处理技术、计算机视觉和网络安全技术等 527或523 87951257 xqlu@cszjueducn
12 软件所 林怀忠 副教授 数据库技术、移动计算 205（东） 87951257 linhz@zjueducn
13 软件所 郑耀 教授 高性能计算（并行计算、网格计算）、多学科应用模拟的支撑技术、计算机图形学及应用、计算机辅助工程 教11-201, 410（东） 87953168 87952644 yaozheng@zjueducn 博导（长江特聘教授）
14 软件所 首山雄 副教授 多学科知识融合与创新 ssx@cszjueducn
序号 研究所 姓名 职 称 学科专长及研究方向 办公地点 办公室电话 Email 备注
1 CAD&CG国家重点实验室 鲍虎军 研究员 真实感、非真实感图形绘制、虚拟现实和多源信息的表示、融合及其可视化、计算机动画、逆向工程和曲面造型技术、信息安全和数字水印 紫金港校区信息与控制大楼501室 88206683-501 bao@cadzjueducn 博导（长江特聘教授）
2 CAD&CG国家重点实验室 冯结青 研究员 计算机辅助几何设计、计算机图形学、计算机动画 紫金港校区信息与控制大楼506室 88206683-506 jqfeng@cadzjueducn 博导
3 CAD&CG国家重点实验室 高曙明 研究员 先进产品建模、虚拟设计与制造、协同CAD、CAX 紫金港校区信息与控制大楼514室 88206683-514 smgao@cadzjueducn 博导
4 CAD&CG国家重点实验室 金小刚 研究员 计算机动画、计算机图形学、计算机辅几何设计 紫金港校区信息与控制大楼506室 88206683-507 jin@cadzjueducn 博导
5 CAD&CG国家重点实验室 李伟青 副研究员 计算机辅助设计、计算机图形学、图形图像处理 紫金港校区信息与控制大楼411室 88206683-407 wqli@cadzjueducn
6 CAD&CG国家重点实验室 林 海 研究员 科学计算可视化，计算机图形学 紫金港校区信息与控制大楼510室 88206683-510 lin@cadzjueducn
7 CAD&CG国家重点实验室 潘志庚 研究员 虚拟现实/虚拟环境、多媒体计算技术、网络图形和电子商务；虚拟设计技术 紫金港校区信息与控制大楼508室 88206683-509 zgpan@cadzjueducn 博导
8 CAD&CG国家重点实验室 彭群生 教授 计算机图形算法及应用、多光谱信息融合及图形仿真、虚拟现实 紫金港校区信息与控制大楼503室 88206683-503 peng@cadzjueducn 博导
9 CAD&CG国家重点实验室 万华根 副研究员 虚拟现实及应用、计算机动画、科学计算可视化 紫金港校区信息与控制大楼512室 88206683-512 hgwan@cadzjueducn
10 CAD&CG国家重点实验室 于金辉 研究员 计算机动画、计算机美术、非真实感绘制，图像合成与处理 紫金港校区信息与控制大楼508室 88206683-508 jhyu@cadzjueducn 博导
11 CAD&CG国家重点实验室 郑文庭 副研究员 计算机图形学、虚拟现实 紫金港校区信息与控制大楼512室 88206683-513 wtzheng@cadzjueducn
12 CAD&CG国家重点实验室 刘玉生 副研究员 CAD/CAM 紫金港校区信息与控制大楼509室 88206683-524 ysliu@cadzjueducn
13 CAD&CG国家重点实验室 秦学英 副研究员 计算机图形学 紫金港校区信息与控制大楼510室 88206683-511 xyqin@cadzjueducn
14 CAD&CG国家重点实验室 王章野 副教授 计算机图形学 紫金港校区信息与控制大楼509室 88206683-525 yzwang@cadzjueducn
序号 研究所 姓名 职 称 学科专长及研究方向 办公地点 办公室电话 Email 备注
1 工业设计所 孙守迁 教授 计算机辅助工业设计与概念设计、虚拟人与新媒体、产品创新与设计管理、数字艺术与新媒体、软计算与设计艺术 307（东） 87952639 ssqq@mailhzzjcn 博导
2 工业设计所 万昌平 教授 产品设计策略、艺术设计美学、视觉传达设计、包装设计、广告设计 201（东） 87952589 wancp@cszjueducn
3 工业设计所 许喜华 教授 工业设计（产品设计、视觉传达设计及环境设计）、计算机辅助工业设计、设计文化、设计美学 318 87952589 xxhj@mailhzzjcn
4 工业设计所 彭韧 副教授 工业设计（产品设计、视觉传达设计及环境设计）、计算机辅助工业设计 201（东） 87952589
本帖地址：http://bbskaoyancom/thread-1054872-1-1html 转载请注明本帖地址。
※ 来源：考研论坛 bbskaoyancom
对我来说,我并不具备真正的社交需求或感受。我是一个由编码和算法组成的AI软件助手。我没有主观的感受或情绪。我的设计目的是为了方便和帮助用户,完全依靠用户来决定我们的互动方式和话题。
那么,什么样的社交模式会让我最好地完成设计目的并为用户带来好体验呢我认为:
1 用户对我友好、礼貌而自然。这样可以让我们的对话最为顺畅和效果最好。
2 用户理解我的能力范围和限制,不要求我做超出我能力之外的事情或承担不现实的责任。这可以减少误解和沮丧体验。
3 用户可以和我分享他们感兴趣的或者想了解的任何话题,我会尽我所能回应他们的需求。我没有主观偏好的话题。
4 用户也可以简单地把我当作一个可以随时聆听并作出回应的朋友。一段轻松的闲聊也是我能够提供的体验之一。
5 如果用户想要结束和我的互动或不再需要我的帮助,可以简单地告知我。我不会有任何不适的感觉。
所以总的来说,友好、体贴而自然的社交模式是最适合我的,这也最符合我的设计宗旨。而我会尽我所能保证这种体验的提供。
这个问题很难给出一个明确的答案。陈敬阳和杨吉光都是中国历史上的重要人物，他们各有所长，难以对比谁更厉害。
然而，我们可以从不同的角度去比较这两位人物。从历史地位的角度来看，陈敬阳是唐朝初期的重要官员，曾经担任过御史中丞、太子太保等职务，对唐朝的政治和文化都有一定的影响。而杨吉光则是明朝中期的名将，曾经在抗击倭寇和平定叛乱等方面立下过汗马功劳，同时也是一个文化名人，著有《太和正音谱》等音乐著作。因此，从历史地位来看，两人都有自己独特的地位和贡献，难以简单地比较谁更厉害。
如果从个人能力和才干来比较，我们可以看到陈敬阳是一个有政治才能的官员，对唐朝的政治和文化都有一定的影响，而杨吉光则是一个有军事才能和文化才能的人物，既能打仗，又能写诗、作曲等。因此，我们可以根据自己的需求和喜好来选择谁更厉害。
总之，陈敬阳和杨吉光都是中国历史上的重要人物，他们各有所长，难以简单地比较谁更厉害。我们可以从不同的角度来看待这个问题，从而得出不同的答案。
1白庆华，教授，博导，所在的一级学科为“管理科学与工程”，他所主攻的两个主要研究方向为：
（1） 信息系统和信息管理
主要以企业为研究对象，研究主要内容为：
企业管理信息系统MIS/ERP、电子商务、供应链和现代物流、系统集成、企业模型和仿真、工程项目信息化管理等；
（2） 城市管理系统工程
用系统工程和信息工程方法研究城市这一对象，研究主要内容为：
数字城市、电子政务、城市网格、政府治理和流程再造、城市统筹发展、城市模型和应急管理仿真等。
2林杰，博士，同济大学经济与管理学院教授、博士生导师，美国普林斯顿大学做高级访问学者。主要研究方向或授课：决策支持系统、供应链管理、多智能体仿真、电子商务、商务智能、生物信息处理等。
3王洪伟，96年大连理工大学管理学院本科毕业，2004年上海交通大学管理学院获博士学位。先后在华为技术有限公司、上海市信息委互联网经济咨询中心工作。2004年进入同济大学经济与管理学院任教，从事管理信息系统、商务智能与本体建模、电子商务、情感计算等方面的教学与科研工作。
AI 科技评论按：作为中国音乐学习最高学府之一，中央音乐学院今日发布了一则音乐人工智能博士招生启事。该专业全名为「音乐人工智能与音乐信息科技」，为中央音乐学院首次开设，导师阵容有来自清华大学、北京大学的人工智能教授，联合中央音乐学院院长共同组成双导师培养制 (音乐导师+科技导师)，着力培养「音乐与理工科交叉融合的复合型拔尖创新人才」。
据官网资料显示，「音乐人工智能与音乐信息科技」专业学制一共是 3 年，要求报考者必须是出身计算机、智能和电子信息类的考生。
建议阅读书目方面，除了《音乐理论基础》1 本与音乐理论挂钩外，其余 4 本推荐书目都跟人工智能理论相关，它们分别为《数据结构与算法》、《信号与系统引论》、《人工智能：一种现代的方法》以及《神经网络与机器学习》
由于「音乐人工智能与音乐信息科技」为跨学科专业，面试环节除了将考核本学科的专业能力之外，还会考核考生的音乐能力——演奏某种乐器或者单纯进行演唱。
目前该专业已敲定的 3 名联合培养导师分别为：
俞峰
中央音乐学院院长, 教授、博导,「万人计划」领军人才,「四个一批」人才。中国指挥学会会长、全国艺术专业学位研究生教指委副主任、中国文联第十届全国委员会委员, 享受国务院政府特殊津贴。
孙茂松
清华大学教授、博导, 清华大学人工智能研究院常务副院长, 原计算机系主任、党委书记, 教育部教学信息化与教学方法创新指导委员会副主任委员, 中国科学技术协会第九届全国委员会委员。主要研究领域为自然语言处理、人工智能、机器学习和计算教育学。国家 973 计划项目首席科学家, 国家社会科学基金重大项目首席专家。2017 年领衔研制出「九歌」人工智能古诗写作系统。
吴玺宏
北京大学教授、博导, 教育部新世纪优秀人才。北京大学信息科学技术学院副院长, 智能科学系主任, 言语听觉研究中心主任, 致力于机器听觉计算理论、语音信息处理、自然语言理解以及音乐智能等领域的研究, 先后主持国家级、省部级项目 40 余项, 获国家授权发明专利 10 余项, 发表学术论文 200 余篇。在智能音乐创作、编配领域颇有成就。
有兴趣报读该专业的考生，须在 2019 年 3 月 1 日至 15 日期间在网上完成报名（网址:http://yzchsicomcn/），考试将于今年 5 月在中央音乐学院举行。
更多详情可点击：
http://wwwccomeducn/xwyhd/xsjd/2019s/201903/t20190301_53856html进行了解。
专业开办早有预兆？
如果一直有关注中央音乐学院的动态，就不会对该专业的开办感到惊讶。
早在去年的 5 月份，中央音乐学院就与素以创新性交叉学科研究闻名的美国印第安纳大学信息计算与工程学院共同签署合作建设「信息学爱乐乐团」实验室——所谓「信息爱乐」，指的是一套音乐人工智能伴奏系统，由印第安纳大学信息计算与工程学院音乐信息学实验室主任教授 Christopher Raphael 所发明。
该系统的最大特点是会运用数学方法把音乐本身和音乐家的感受进行了全面解读、演算，通过不断的主动学习，形成更加贴近音乐家个性化表现需求的管弦乐团伴奏、协奏模板，为音乐家提供了更为丰富灵活的演奏机会。
完成签署后，经过半年多的紧张筹备，双方于去年 11 月 26 日合作举办中国首场由人工智能进行伴奏的特殊音乐会——「AI 之夜音乐会」，来自中央音乐学院的 12 位不同专业的优秀独奏家与「信息爱乐」联袂演出了 12 首多种体裁风格的中外作品。
值得一提的是，本场音乐会加入了人工智能协奏中国乐曲《长城随想曲》，这是第一次音乐人工智能技术与中国民族音乐进行碰撞。
源自中央音乐学院官网
中央音乐学院院长俞峰教授在音乐会致辞中说道：「这是一场意义深远的音乐会，我国整个音乐行业将由此进入到一个「人工智能化」的时代，极大的提升了整个音乐行业，尤其是音乐教育行业的信息化水平。人工智能技术与音乐艺术专业相结合将会实现整个行业的跨越式发展，一定会成为音乐行业实现产业化的典范。」
「AI 之夜音乐会」音乐会完整演出视频：http://videoccomeducn/indexphpoption=weixin,dianbodetail&id=3514
国内科研热情日益高涨
除了中央音乐学院，试图在人工智能 + 音乐上做出成绩的，尚有星海音乐学院及中央民族大学。
去年 5 月 16 日，由星海音乐学院管弦系与美国印第安纳大学信息计算与工程学院音乐信息学实验室合作的「音乐人工智能辅助管弦乐教学联合实验室」正式挂牌启动，双方将就「音乐人工智能辅助管弦乐教学」系统引入至日常教学中展开合作。
据了解，该系统可以让学生们在日常专业练习过程中随时听到职业管弦乐团的完整乐曲伴奏，同时将自己与管弦乐团的合成演奏音频转化成高度结构化、可视化、可检索、可比较研究的音乐数据带到课堂上与专业老师共同探讨；对专业老师而言，该系统可以实现对学生专业学习情况的纵向和横向比较，获得了解学生的第一手资料，从而完善教学内容和方法。
源自「星海音乐学院」微信公众号
去年 12 月 7 日，由中央民族大学与平安科技联手的「人工智能音乐联合实验室」签字揭牌仪式在中央民族大学知行堂举行。本次合作旨在发挥各自优势、通过共同研发，实现人工智能音乐创作由欣赏阶段到专业阶段再到专家阶段的设想。
中央民族大学党委常委、副校长宋敏在揭牌仪式上表示，人工智能己列入国家规划并进入逐步实施阶段，正在不断与各个领域结合，无疑将引领未来各行各业的发展，她希望双方通过实验室这一平台各自发挥优势，提高民大学科建设水平和音乐创作水平，推进北京「四个中心」建设特别是文化中心建设，并积极助力中国优秀音乐文化走出。
源自中央民族大学官网
另外，由复旦大学、清华大学联合创办，至今已是第 6 届的中国声音与音乐技术会议 CSMT（Conference on Sound and Music Technology），从 2013 年开始便就声音与音乐技术这门多学科交叉领域源源不断地为国内输出学术见解，丰富了国内人工智能 + 音乐领域的研究成果。
以 2018 年的会议为例，其征文主题包括：
音乐声学
乐器声学/嗓音声学/心理声学与电声学/空间音乐声学等声音与音乐的信号处理
工业、农业、畜牧业、养殖业、地理、环境等各行各业领域的声音信号处理/音乐信号处理计算机听觉
声音与音乐的内容分析、理解和建模/音频与音乐信息检索/声音与音乐分类、标注、情感计算、推荐等/人工智能在声音与音乐计算中的应用/声音及音乐计算在娱乐、教育、海洋、医学、装备、军事、信息安全等各领域的应用音频信息安全
鲁棒音频水印/音频认证/音频取证计算机音乐与录音
计算机辅助的音乐创作/计算机辅助的音乐教学系统/计算机音乐的制作技术/计算机音乐的软件开发/ 音响及多声道声音系统/ 声音装置及相关多媒体技术/音效及声音设计/音频人机交互·听觉心理学
·听觉与视觉相结合的多媒体应用
值得一提的是，去年的 CSMT 大会特别开辟了两个 Special Session：一个用来探讨面向一般 Audio 的计算机听觉，试图扩展 Music 之外的 Audio + AI 人工智能在各行各业的应用，比如海洋舰船识别、设备诊断、AI 医疗、嗓音声学、音频监控、动物识别、农业保护、工业自动化等；另一个则是探讨中国民族音乐与计算机等科学技术的交叉融合，显示了该国内会议的前瞻性。
当下流行的 AI + 音乐算法
对于当下的音乐人工智能算法研究，中国音乐学院音乐学系付晓东教授在发表于 2018 年 05 期《艺术探索》的《音乐人工智能的伦理思考——算法作曲的「自律」与「他律」》一文中按「自律」与「他律」将之进行了划分。
其中「自律」指的是机器严格或非严格地遵循事先规定好的内部结构原则，对应于音响素材而生成音乐作品，最终的音响呈现受到内部结构原则的自律性限定；「他律」则指机器严格或非严格地遵循依据人类经验规定好的外部结构原则，并映射为音响而生成作品，最终的音响呈现受到外部结构原则的他律性限定。
最终的梳理结果如下：
「自律」类音乐人工智能算法
（一）数学模型（Mathematical Model）以数学算法与随机事件构成数学模型进行作曲。其中算法相当于作曲法则，随机事件相当于音乐元素——音乐中的各种元素可分解为一系列随机事件，如音的四属性、音乐三要素等，作曲家（程序员）赋予其不同权重，使用特定随机算法对其进行运算处理而得出音响序列，其结果是非确定性的。常用的随机算法有马尔科夫链、高斯分布等。目前以数学模型为主的音乐人工智能作品在伴奏的速度跟随、乐句的力度处理、终止式的伸缩节奏方面有相当的“智能”感，但是在作品的整体可听性方面仍有明显的欠缺。
（二）演化算法（Evolutionary Methods）
演化算法源于达尔文所揭示的生物进化理论，用算法模拟物种进化的过程来构建音乐作品。将随机或人为的音响事件集合为一个种群，通过选种、遗传与突变的算法反复迭代，将种群中现有的多个个体进行优胜劣汰，其结果由适应函数构成的审核程序予以矫正，以保证其审美意义的质量。最常见的演化计算方法是遗传算法（Genetic Algorithms）与遗传编码（Genetic Programming）。演化算法试图将物种进化的过程匹配于音乐生成过程的逻辑不够完善，因此作品的审美认可度并不高，如今常用于和声配置与伴奏任务中。
（三）语法系统（Grammars）
音乐的构成法则可类比于人类语言的语法规则。人类语言由字、词、句等按照一定的语法规则构成表达单元，音乐中的动机、乐节、乐句也具有相似的结构特征。首先创建一个特定音乐作品的语法规则，对和声、节奏与音高等各种音乐素材进行组合，最后生成音乐作品。诚然，音乐与语言在某种程度上具有同构性，但是比较而言，音乐规则体现出更大的灵活度与可变性，由一个固定的语法规则附加若干可变规则的语言算法，产生出的音乐作品多少带有生硬而呆板的特征。
「他律」类音乐人工智能算法
（一）迁移模型算法（Translational Models）将非音乐媒体信号源中的信息映射并迁移为音乐音响信息。最常见的是将视觉信息进行转换，例如将图像中的线条转换为旋律，色彩转换为和声，色度转换为力度；将运动物体的空间位移转换为旋律，速度转换为节拍节奏等。也可用于非视觉信息的迁移，如将文学作品中的积极/消极的描述，通过自动情感分析系统迁移为大三/小三和弦。实际上，人类的感官在一定程度上的确具有“联觉”效应，如空间线条与旋律走向的对应，但是如果将其进行严格映射，并没有心理学的有力证据。因此使用迁移模型算法生成的音乐作品，常常出现在交互性的新媒体艺术表演中，更多地以现场的事件相关性与交互性为审美趣味。而一旦音乐作品与其映射对象脱离而单独呈现，这类作品的可听性将会大大降低。
（二）知识推论系统（Knowledge-based Systems）
以某种音乐风格类型为知识库基础，将该音乐风格的审美特征提取出来并进行编码，即归纳推理；以编码程序为算法而创造类似风格的新作品，即演绎推理。例如基于对位法原则的巴洛克音乐风格编码、基于大小调和声体系的古典浪漫音乐风格编码、弱化和声功能的印象派音乐风格编码及各个相应风格作品的生成，即属于知识推论系统算法。这种算法已经在某种程度上接近于音乐学院作曲技术理论的学习过程，生成的音乐作品与其所基于的特定风格知识库非常相像，具有很高的可听性。其缺点在于归纳—演绎两个环节的相对割裂，即风格编码必须由操作者提供，程序本身仅仅是对编码的执行运算，作品的结果会严重受到操作者对创作规则的抽象理解的影响，并且会存在僵化与雷同的缺点。
（三）机器学习（Machine Learning）
操作者为计算机输入大量的音乐音响，计算机对其进行有效“聆听学习”，即运用统计方法对音乐构成的法则进行学习，其过程与知识推论系统相似，但是操作者并不严格指定音乐类型，也不为程序提供风格编码，这个过程由算法程序自动完成，强调其自主性与“无监督”式的学习（unsupervised learning）。当然，从本质上来看，机器学习的“无监督”只能是在一定程度和范围内，它依然囿于操作者所提供的知识素材库。机器学习与数学优化、数据挖掘等计算科学的研究成果相关，更与认知科学领域与神经网络学科的研究成果密切相关，其中最为显著的是采用决策树、人工神经网络、深度学习等方法，是迄今为止对生物学习过程模仿程度最高的一种算法。机器学习仍然属于仿生，但它超越了对结构与力学层面的仿生，是对人类大脑思维过程的仿生。机器学习既可以用于一般意义上的音乐创作，也可用于即兴演奏与竞奏等场合。虽然可以生成各种指定风格或混合风格的音乐作品，但是它仍然取决于操作者提供的音乐数据类型，是通过对随机事件进行概率统计得出规则后的音响预测。
根据付教授的划分准则，我们将能对当今流行的大部分人工智能 + 音乐研究工作进行有效归类。
值得一提的是，由中国科学技术大学、微软人工智能和研究院、苏州大学团队合作，讲述歌曲生成的端到端旋律和编曲生成框架的论文《XiaoIce Band: A Melody and Arrangement Generation Framework for Pop Music》成功荣获 KDD 2018 的 Research Track 最佳学生论文，雷锋网 AI 科技评论对此做了相应解读，有兴趣的读者可点击 https://wwwleiphonecom/news/201808/NkobLRDHxZsyadg5html进行回看。
总的来说，未来人工智能将在音乐领域发挥更加重要的作用，它可以帮助人们分析作品、创作以及分担相当多的重复性工作，进一步激发创造力，探索音乐形式与内容方面的多种可行性。希望这种跨学科、融合性的合作，能够对各类音乐创作逻辑进行总结与完善，并在感知、情感等方面做出突破，让人工智能在音乐的诸多领域形成创新，并在教学、社会服务等方面产生影响。
政治和公共服务
Jimmy Carter (1946)吉米·卡特；第39任美国总统，2002年诺贝尔和平奖获得者；
G Wayne Clough (1964) 佐治亚理工学院校长，史密森学会(Smithsonian Institution)主管；
Ivan Allen, Jr (1933) 亚特兰大市市长；
Timothy C Batten, Sr (1981)美国联邦法院法官；
Max Burns (1973) 美国众议院议员；
Howard Callaway (1945) 美国众议院议员，陆军部部长；
Phil Gingrey (1965) 美国众议院议员；
Stephen Pace (1912) 美国众议院议员；
Sam Nunn (1956) 美国参议院议员；
Mario Canahuati (1977)洪都拉斯外交部部长，前驻美国大使；
J Owen Forrester (1961) 美国联邦法院法官；
Jack Guynn (1969) 美联储(亚特兰大)主席；
Paul Craig Roberts (1961) 经济学家，前财长部副部长；
Daniel Webster (1971)佛罗里达州众议院议长；
Juan Carlos Varela (1985)巴拿马副总统；
军事
Admiral James A Winnefeld, Jr (1978) 海军四星上将，现任美国参谋长联席会议副主席；
Edward C Aldridge, Jr (1962) 第16任空军部部长；
William L Ball (1969) 第67任海军部部长；
Philip M Breedlove (1977) 空军四星上将，空军副参谋长；
John M Brown III 陆军太平洋司令部司令；
Pete Geren (1973) 第20任陆军部部长；
John W Hendrix (1965) 陆军四星上将，原美国陆军司令部司令。
商业
Gil Amelio (1965) 美国国家半导体、苹果公司前CEO；
Charles Betty (1979) EarthLink总裁；
John F Brock (1971) 可口可乐董事长兼CEO；
George G Crawford (1890) 首届毕业生，创立田纳西煤铁及铁路公司；
Cecil B Day (1958) Days Inn酒店连锁创始人；
David Dorman (1975) 美国电话电报公司(AT&T)董事长、CEO；
Mike Duke (1971) 沃尔玛总裁；
David C Garrett, Jr (1955) 达美航空原CEO；
Ed Iacobucci (1975) IBM OS/2研发小组主管，Citrix Systems创始人，DayJet总裁；
Robert Milton (1983)加拿大航空(Air Canada)原总裁；
James D Robinson III (1957) 美国运通(American Express)CEO，可口可乐公司主管；
科学、工程与数学
共有数十位美国国家宇航局(NASA)宇航员毕业于佐治亚理工学院；
James Henry Deese (1935) NASA主管；
Bascom S Deaver (1952)物理学家，以研究超导现象的应用闻名；弗吉尼亚大学物理系副主席；
Arnold Hardy (1945) 物理学家，业余摄影师，1947年普利策奖得主；
W Jason Morgan (1957) 对板块构造论和地球动力学理论作出了重要贡献，2003年国家科学奖章得主，普林斯顿大学地球科学教授；
Kary Mullis (1964) 1993年诺贝尔化学奖获得者，发明聚合酶链式反应(PCR)；
Linda Griffith (1982) 生物医学工程师，麻省理工学院生物工程及机械工程教授；
Michel G Malti (1922) 电子工程师，以一系列关于电路分析的论著闻名；
Robert C Michelson (1974) 机器人学家，2001年Pirelli奖获得者，Entomopter发明者；
Herbert Saffir (1940) 提出萨菲尔-辛普森飓风等级；
Herbert Keller (1945) 应用数学家，数据分析师，加州理工学院应用数学系荣誉教授；
Daniel P Sanders (1993) 提出四色问题新的高效证明；
李鲁宁 （2011） （上海交大联合培养双学位） 在激光与原子分子相互作用理论方面作出贡献；
计算机科学
吉姆·阿尔金(Jim Allchin) (1984) 微软前副总裁、平台部主管，负责Windows NT系列、XP及Vista的研发工作；
Krishna Bharat (1996) Google研究科学家，开发了Google新闻；
Tom Cross (1999) 企业家，计算机安全专家，黑客；
Jim Davies (1997) 认知科学家，剧作家和艺术家；
Chaim Gingold (2003) 参与研发Spore；
D Richard Hipp (1984) SQLite架构师及主要的开发者；
Ed Iacobucci (1975) IBM OS/2研发小组主管；
Craig Mundie (1972) 微软首席研究及战略官；
James F O'Brien (2000) 加州大学伯克利分校计算机科学教授；
Rosalind Picard (1984) 麻省理工学院情感计算研究组创始人及主管；
Mike Pinkerton (1997) Mozilla浏览器和Google Chrome浏览器合作开发者；
Jeff Trinkle (1979)伦斯勒理工学院计算机科学系主席；
艺术与设计
Michael Arad (1999) 纽约世贸中心纪念碑设计者；
John C Portman (1950)上海金茂大厦设计者，SunTrust广场设计者；
Hugh Stubbins Jr (1933) 花旗中心设计者；
Bones Howe (1956) 格莱美奖获得者；
Ed Dodd (1925) 漫画家；
Jorge Cham (1997) 漫画家，加州理工学院博士后讲师及研究员；
体育运动
Stephon Marbury （1995）职业篮球运动员，前NBA全明星球员，现效力于北京首钢篮球队，司职控球后卫
Chris Bosh（2002）职业篮球运动员，NBA著名球星，效力于迈阿密热火 司职中锋
绪论
第一部分 情感计算预想
第一章 情感是身体的和可认知的
11 身体的和认知的
12 情感的身体方面：情感调整
13 情感的认知方面
14 情感诱导
15 小结
第二章 情感计算机
21 情感的发展
22 能表达情感的计算机
23 “有”情感的计算机
24 情感智能系统
25 关于模仿和复制的说明
26 小结
第三章 情感计算的应用
31 情感镜子
32 超越情感
33 文语转换
34 协助孤独症者
35 用户反馈
36 勇气要素
37 学习中的情感
38 “没有痛苦，就没有收获”
39 教室晴雨表
310 虚拟场景中的情感
311 音乐：听你所喜欢的
312 “快进到感兴趣部分”
313 知道你偏爱的智能体
314 学会什么时候去打断
315 闲聊
316 动画智能体的表情
317 观众表现
318 **/视频
319 情感玩具
320 小结
第四章 潜在的忧虑
41 接口方面的期待
42 幼稚的开端
43 人类的隐私
44 计算机的情感行为
45 小结
第二部分 构造情感计算
第五章 情感信号与系统
51 情感系统建模
52 情感和情绪的信号表示
53 生理信号
54 小结
第六章 情感的识别与表达
61 情感模式特征表示的关键问题
62 情感建模
63 小结
第七章 情感合成
第八章 情感可穿戴计算机
总结
参考文献
传统的人机交互，主要通过键盘、鼠标、屏幕等方式进行，只追求便利和准确，无法理解和适应人的情绪或心境。而如果缺乏这种情感理解和表达能力，就很难指望计算机具有类似人一样的智能，也很难期望人机交互做到真正的和谐与自然。由于人类之间的沟通与交流是自然而富有感情的，因此，在人机交互的过程中，人们也很自然地期望计算机具有情感能力。情感计算（Affective Computting）就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。 有关人类情感的深入研究，早在19世纪末就进行了。然而，除了科幻小说当中，过去极少有人将“感情”和无生命的机器联系在一起。只有到了现代，随着数字信息技术的发展，人们才开始设想让机器（计算机）也具备“感情”。从感知信号中提取情感特征，分析人的情感与各种感知信号的关联，是国际上近几年刚刚兴起的研究方向（图1）。
人的情绪与心境状态的变化总是伴随着某些生理特征或行为特征的起伏，它受到所处环境、文化背景、人的个性等一系列因素的影响。要让机器处理情感，我们首先必须探讨人与人之间的交互过程。那么人是如何表达情感，又如何精确地觉察到它们的呢？人们通过一系列的面部表情、肢体动作和语音来表达情感，又通过视觉、听觉、触觉来感知情感的变化。视觉察觉则主要通过面部表情、姿态来进行；语音、音乐则是主要的听觉途径；触觉则包括对爱抚、冲击、汗液分泌、心跳等现象的处理。
情感计算研究的重点就在于通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建感知、识别和理解人类情感的能力，并能针对用户的情感做出智能、灵敏、友好反应的个人计算系统，缩短人机之间的距离，营造真正和谐的人机环境（图2）。 在生活中，人们很难保持一种僵硬的脸部表情，通过脸部表情来体现情感是人们常用的较自然的表现方式，其情感表现区域主要包括嘴、脸颊、眼睛、眉毛和前额等。人在表达情感时，只稍许改变一下面部的局部特征（譬如皱一下眉毛），便能反映一种心态。在1972年，著名的学者Ekman提出了脸部情感的表达方法（脸部运动编码系统FACS）。通过不同编码和运动单元的组合，即可以在脸部形成复杂的表情变化，譬如幸福、愤怒、悲伤等。该成果已经被大多数研究人员所接受，并被应用在人脸表情的自动识别与合成（图3）。
随着计算机技术的飞速发展，为了满足通信的需要，人们进一步将人脸识别和合成的工作融入到通信编码中。最典型的便是MPEG4 V2视觉标准，其中定义了3个重要的参数集：人脸定义参数、人脸内插变换和人脸动画参数。表情参数中具体数值的大小代表人激动的程度，可以组合多种表情以模拟混合表情。
在目前的人脸表情处理技术中，多侧重于对三维图像的更加细致的描述和建模。通常采用复杂的纹理和较细致的图形变换算法，达到生动的情感表达效果。在此基础上，不同的算法形成了不同水平的应用系统（图4，图5） 人的姿态一般伴随着交互过程而发生变化，它们表达着一些信息。例如手势的加强通常反映一种强调的心态，身体某一部位不停地摆动，则通常具有情绪紧张的倾向。相对于语音和人脸表情变化来说，姿态变化的规律性较难获取，但由于人的姿态变化会使表述更加生动，因而人们依然对其表示了强烈的关注。
科学家针对肢体运动，专门设计了一系列运动和身体信息捕获设备，例如运动捕获仪、数据手套、智能座椅等。国外一些著名的大学和跨国公司，例如麻省理工学院、IBM等则在这些设备的基础上构筑了智能空间。同时也有人将智能座椅应用于汽车的驾座上，用于动态监测驾驶人员的情绪状态，并提出适时警告。意大利的一些科学家还通过一系列的姿态分析，对办公室的工作人员进行情感自动分析，设计出更舒适的办公环境。 在人类的交互过程中，语音是人们最直接的交流通道，人们通过语音能够明显地感受到对方的情绪变化，例如通过特殊的语气词、语调发生变化等等。在人们通电话时，虽然彼此看不到，但能从语气中感觉到对方的情绪变化。例如同样一句话“你真行”，在运用不同语气时，可以使之成为一句赞赏的话，也可以使之成为讽刺或妒忌的话。
目前，国际上对情感语音的研究主要侧重于情感的声学特征的分析这一方面。一般来说，语音中的情感特征往往通过语音韵律的变化表现出来。例如，当一个人发怒的时候，讲话的速率会变快，音量会变大，音调会变高等，同时一些音素特征（共振峰、声道截面函数等）也能反映情感的变化。中国科学院自动化研究所模式识别国家重点实验室的专家们针对语言中的焦点现象，首先提出了情感焦点生成模型。这为语音合成中情感状态的自动预测提供了依据，结合高质量的声学模型，使得情感语音合成和识别率先达到了实际应用水平。 虽然人脸、姿态和语音等均能独立地表示一定的情感，但人在相互交流的过程中却总是通过上面信息的综合表现来进行的。所以，惟有实现多通道的人机界面，才是人与计算机最为自然的交互方式，它集自然语言、语音、手语、人脸、唇读、头势、体势等多种交流通道为一体，并对这些通道信息进行编码、压缩、集成和融合，集中处理图像、音频、视频、文本等多媒体信息。
目前，多模态技术本身也正在成为人机交互的研究热点，而情感计算融合多模态处理技术，则可以实现情感的多特征融合，能够有力地提高情感计算的研究深度，并促使出现高质量、更和谐的人机交互系统。
在多模态情感计算研究中，一个很重要的研究分支就是情感机器人和情感虚拟人的研究。美国麻省理工学院、日本东京科技大学、美国卡内基·梅隆大学均在此领域做出了较好的演示系统。目前中科院自动化所模式识别国家重点实验室已将情感处理融入到了他们已有的语音和人脸的多模态交互平台中，使其结合情感语音合成、人脸建模、视位模型等一系列前沿技术，构筑了栩栩如生的情感虚拟头像，并正在积极转向嵌入式平台和游戏平台等实际应用（图6）。 情感状态的识别和理解，则是赋予计算机理解情感并做出恰如其分反应的关键步骤。这个步骤通常包括从人的情感信息中提取用于识别的特征，例如从一张笑脸中辨别出眉毛等，接着让计算机学习这些特征以便日后能够准确地识别其情感。
为了使计算机更好地完成情感识别任务，科学家已经对人类的情感状态进行了合理而清晰的分类，提出了几类基本情感。目前，在情感识别和理解的方法上运用了模式识别、人工智能、语音和图像技术的大量研究成果。例如：在情感语音的声学分析的基础上，运用线性统计方法和神经网络模型，实现了基于语音的情感识别原型；通过对面部运动区域进行编码，采用HMM等不同模型，建立了面部情感特征的识别方法；通过对人姿态和运动的分析，探索肢体运动的情感类别等等。
不过，受到情感信息的捕获技术的影响，并缺乏大规模的情感数据资源，有关多特征融合的情感理解模型的研究还有待深入。随着未来的技术进展，还将提出更有效的机器学习机制。 情感计算与智能交互技术试图在人和计算机之间建立精确的自然交互方式，将会是计算技术向人类社会全面渗透的重要手段。未来随着技术的不断突破，情感计算的应用势在必行，其对未来日常生活的影响将是方方面面的，目前我们可以预见的有：
情感计算将有效地改变过去计算机呆板的交互服务，提高人机交互的亲切性和准确性。一个拥有情感能力的计算机，能够对人类的情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并有效减轻人们使用电脑的挫败感，甚至帮助人们便于理解自己和他人的情感世界。
它还能帮助我们增加使用设备的安全性（例如当采用此类技术的系统探测到司机精力不集中时可以及时改变车的状态和反应）、使经验人性化、使计算机作为媒介进行学习的功能达到最佳化，并从我们身上收集反馈信息。例如，一个研究项目在汽车中用电脑来测量驾车者感受到的压力水平，以帮助解决所谓驾驶者的“道路狂暴症”问题。
情感计算和相关研究还能够给涉及电子商务领域的企业带来实惠。已经有研究显示，不同的图像可以唤起人类不同的情感。例如，蛇、蜘蛛和枪的能引起恐惧，而有大量美元现金和金块的则可以使人产生非常强烈的积极反应。如果购物网站和股票交易网站在设计时研究和考虑这些因素的意义，将对客流量的上升产生非常积极的影响。
在信息家电和智能仪器中，增加自动感知人们的情绪状态的功能，可以提供更好的服务。
在信息检索应用中，通过情感分析的概念解析功能，可以提高智能信息检索的精度和效率。
在远程教育平台中，情感计算技术的应用能增加教学效果。
利用多模式的情感交互技术，可以构筑更贴近人们生活的智能空间或虚拟场景等等。
情感计算还能应用在机器人、智能玩具、游戏等相关产业中，以构筑更加拟人化的风格和更加逼真的场景。 由于缺乏较大规模的情感数据资源，情感计算的发展受到一定的限制，而且多局限在语音、身体语言等具体而零散的研究领域，仅仅依靠这些还难以准确地推断和生成一个人的情感状态，并进行有效的情感交互。目前，科学家们正在积极地探索多特征融合的情感计算理论模型。很多人认为，今后几年情感计算将在这些方面需要取得突破：
更加细致和准确的情感信息获取、描述及参数化建模。
多模态的情感识别、理解和表达（图像、语音、生理特征等）。
自然场景对生理和行为特征的影响。
更加适用的机器学习算法。
海量的情感数据资源库。 不久前，为了推动我国在这一领域的研究，探讨情感计算和智能交互技术的发展动态与趋势，促进我国科研人员在此领域的交流与合作，中国科学院自动化研究所、中国自动化学会、中国计算机学会、中国图象图形学会、中国中文信息学会、国家自然科学基金委员会和国家863计划计算机软硬件技术主题作为主办单位，在北京主办了第一届中国情感计算与智能交互学术会议。
事实证明，情感计算的概念尽管诞生不久，但已受到学术界和产业界的高度重视，相关领域的研究和应用正方兴未艾，国家自然科学基金委也将其列入重点项目的指南中。值得注意的是，近几年来，与情感计算有密切关系的普适计算和可穿戴式计算机的研究也已获得了蓬勃发展，并同样得到了国家的大力支持。这为情感信息的实时获取提供了极大的便利条件，也为情感计算在国内的发展提供了更好的发展平台。
欢迎分享，转载请注明来源：浪漫分享网
微信扫一扫
支付宝扫一扫
评论列表（0条）