發布時間：2005-07-24 文章來源：作者發布 文章作者：仇德輝
人工智能是指用人工的方法和技術，模仿、延伸和擴展人的智能，實現機器的智能化，人工情感指用人工的方法和技術，模仿、延伸和擴展人的情感，使機器具有識別、理解和表達情感的能力。由于情感是一種特殊的、更深刻的認知，具有更高的復雜性和多變性，因此人工情感必須建立在一定程度的人工智能的基礎上。人工情感的發展歷程可分為算術運算、數學運算、邏輯推理、專家系統、模式識別、情感計算、情感理解等七個基本階段，其中前五個基本階段實際上是人工智能的發展歷程。從廣義的角度來看，情感是一種特殊的認知，意志又是一種特殊的情感，廣義的人工智能包括人工智能、人工情感與人工意志三個方面，因此上述的人工情感的發展歷程實際上又是廣義的人工智能的發展歷程。
一、算術運算階段
1614年蘇格蘭人John Napier發表了一篇論文 ，其中提到他發明了一種可以進行四則運算和方根運算的精巧裝置；1623年Wilhelm Schickard制作了一個能進行6 位數以內加減法運算，并能通過鈴聲輸出答案的“計算鐘”，該裝置通過轉動齒輪來進行操作；1625年William Oughtred發明計算尺；1642年，法國哲學家兼數學家Blaise Pascal發明了第一臺真正的機械計算器——滾輪式加法器，其外觀上有6個輪子，分別代表著個、十、百、千、萬、十萬等，只需要順時針撥動輪子，就可以進行加法，而逆時針則進行減法，原理和手表很像，算是計算機的開山鼻祖了；1668年英國人Samuel Morl制作了一個非十進制的加法裝置，適宜計算錢幣；1671年德國數學家Gottfried Leibniz 設計了一架可以進行乘法運算，最終答案長度可達16位的計算工具；1822年英國人Charles Babbage設計了差分機和分析機，其設計理論非常超前，類似于百年后的電子計算機，特別是利用卡片輸入程序和數據的設計被后人所采用；1834年Babbage 設想制造一臺通用分析機，能夠完成所有的算術運算，該分析機由四個基本部件構成：存儲庫、運算室、傳送機構和送人取出機構，類似于現代計算機的五大裝置：輸入、控制、運算、存儲和輸出裝置，因此他被公認為計算機之父；1848年英國數學家George Boole創立二進制代數學，提前近一個世紀為現代二進制計算機的發展鋪平了道路；1890年美國人口普查部門希望能得到一臺機器幫助提高普查效率，Herman Hollerith (后來他的公司發展成了IBM 公司)借鑒Babbage的發明，用穿孔卡片存儲數據，并設計了機器，結果僅用6 周就得出了準確的人口統計數據(如果用人工方法，大概要花10 年時間)。
算術運算主要是以機械方式來實施的。
二、數學運算階段
在以機械方式運行的計算器誕生百年之后，隨著電子技術的突飛猛進，計算機開始了真正意義上的由機械向電子時代的過渡，電磁學、電工學、電子學不斷取得重大進展，在元件、器件方面接連發明了真空二極管和真空三極管，電子器件逐漸演變成為計算機的主體，而機械部件則漸漸處于從屬位置。1906年美國人Lee De Forest發明電子管，為電子計算機的發展奠定了基礎；1924年2月IBM公司成立，從此一個具有劃時代意義的公司誕生；1935年IBM推出IBM601機，這是一臺能在一秒鐘內算出乘法的穿孔卡片計算機；1937年英國劍橋大學的Alan M.Turing出版了他的論文，并提出了被后人稱之為“圖靈機”的數學模型；1937 年Bell試驗室的George Stibitz展示了用繼電器表示二進制的裝置，盡管僅僅是個展示品，但卻是第一臺二進制電子計算機；1940年Bell實驗室的Samuel Williams 和Stibitz 制造成功了一個能進行復雜運算的計算機，該機器大量使用了繼電器，并借鑒了一些電話技術，采用了先進的編碼技術；1941年Atanasoff 和學生Berry 完成了能解線性代數方程的計算機，取名叫“ABC ”，用電容作存儲器 ，用穿孔卡片作輔助存儲器，那些孔實際上是“燒”上去的，時鐘頻率是60Hz，完成一次加法運算用時一秒；1946年美國賓夕法尼亞大學莫爾學院制成的大型電子數字積分計算機(ENIAC)，最初也專門用于火炮彈道計算，后經多次改進而成為能進行各種科學計算的通用計算機，這臺完全采用電子線路執行算術運算、邏輯運算和信息存儲的計算機，運算速度比繼電器計算機快1000倍，這就是人們常常提到的世界上第一臺電子計算機；1945年數學家馮·諾伊曼發表了電子離散變量自動計算機(EDVAC) 方案；1949年英國劍橋大學數學實驗室率先制成電子離散時序自動計算機(EDSAC)；美國則于1950年制成了東部標準自動計算機(SFAC)等。
與此同時，數學、物理也相應地蓬勃發展，到了20世紀30年代，物理學的各個領域經歷著定量化的階段，描述各種物理過程的數學方程，其中有的用經典的分析方法已根難解決。于是數值分析受到了重視，研究出各種數值積分、數值微分以及微分方程數值解法，把計算過程歸結為巨量的基本運算，從而奠定了現代計算機的數值算法基礎。
社會上對先進計算工具多方面迫切的需要，是促使現代計算機誕生的根本動力，20世紀以后，各個科學領域和技術部門的計算困難堆積如山，已經阻礙了學科的繼續發展，特別是第二次世界大戰爆發前后，軍事科學技術對高速計算工具的需要尤為迫切。
此階段的數學運算主要是以機電方式或電子管方式來實施的。
三、邏輯推理階段
1950年圖林發表了一篇劃時代論文《計算機與智能》（后來改名為《機器能思維嗎？》），引起了巨大的震動，他認為，與人腦的活動方式極為相似的機器是可以制造出來的。1956年美國達特莫斯大學（Dartmouth）召開了一次影響深遠的歷史性會議，參加這次聚會的青年學者的研究專業包括數學、心理學、神經生理學、信息論和電腦科學等，他們分別從不同的角度共同探討人工智能的可能性，正是這次會議首次提出了“人工智能”（AI）這一術語，標志著人工智能作為一門新興學科正式誕生。人工智能科學想要解決的問題，是讓電腦也具有人類那種聽、說、讀、寫、思考、學習、適應環境變化和解決各種實際問題的能力。
邏輯推理是人類思維的重要方面，包括歸納推理、演繹推理和模糊推理等多種形式。
人工智能的核心內容就是要模擬這些推理形式，實現諸如故障診斷、數學定理證明、問題判斷與求解、博弈等功能，因此邏輯推理是
人工智能的核心內容之一。當機器有了邏輯推理能力以后，就能夠比普通機器更加靈活地分析問題和處理問題，從而適用于更加復雜多變的應用場合。
1956年紐厄爾、赫伯特·西蒙 等人合作編制的《邏輯理論機》數學定理證明程序（簡稱LT），從而使機器邁出了邏輯推理的第一步。在卡內基—梅隆大學的計算機實驗室，紐厄爾和西蒙通過大量的觀察實例，發現人們求解數學題通常是用試湊的辦法進行的，試湊時不一定列出了所有的可能性，而是用邏輯推理來迅速縮小搜索范圍，人類證明數學定理也有類似的思維規律，通過“分解”（把一個復雜問題分解為幾個簡單的子問題）和“代入”（利用已知常量代入未知的變量）等方法，用已知的定理、公理或解題規則進行試探性推理，直到所有的子問題最終都變成已知的定理或公理，從而解決整個問題。人類求證數學定理也是一種啟發式搜索，與電腦下棋的原理異曲同工，因此他們利用這個LT程序向數學定理發起了激動人心的沖擊。電腦果然不孚眾望，一舉證明了數學家羅素的數學名著《數學原理》第二章中的38個定理。1963年，經過改進的LT程序在一部更大的電腦上，最終完成了第二章全部52條數學定理的證明。之后，洛克菲勒大學教授王浩用他首創的“王氏算法”，在一臺速度不高的IBM704電腦上再次向《數學原理》發起挑戰，不到9 分鐘，就把這本數學史上視為里程碑的著作中全部（350條以上） 的定理統統證明了一遍，他因此被國際上公認為機器定理證明的開拓者之一。
此階段的邏輯推理主要是以晶體管方式或集成電路方式來實施的。
四、專家系統階段
費根鮑姆（E.Feigenbaum）在1977年第五屆國際人工智能大會上提出了“知識工程”的概念，標志著AI研究從傳統的以推理為中心，進入到以知識為中心的新階段。他具體介紹了他們所開發的第一個“專家系統”，并指出，專家系統“是一個已被賦予知識和才能的計算機程序，從而使這種程序所起到的作用達到專家的水平”，這種“專家水平”意味著醫學教授作出診斷和治療的水平，高級工程師從事工程技術研究和開發的水平，特級教師在課堂上傳授知識的水平。專家系統的客觀目的就是要在機器智能與人類智慧集大成者──專家的知識經驗之間建造一座橋梁，它是人類專家可以信賴的高水平智力助手。人類專家的知識通常包括書本知識和實踐經驗兩大類，前者可能是專家在學校讀書求學時所獲，也可能是從雜志和書籍中自學而來，然而，僅僅掌握了書本知識的學者還不配稱為專家，專家最為寶貴的知識是他憑借多年的實踐積累的經驗，這是他頭腦中最具魅力的知識瑰寶。
費根鮑姆研制的第一個專家系統DENDRAL是化學領域的“專家”。在輸入化學分子式和質譜圖等信息后，它能通過分析推理決定有機化合物的分子結構，其分析能力已經接近、甚至超過了有關化學專家的水平。該專家系統為AI的發展樹立了典范，其意義遠遠超出了系統本身在實用上創造的價值。在費根鮑姆發表演講后，專家系統如同雨后春筍迅速遍及世界各地。此外，在極其廣泛的領域，人工智能研究者構建了不計其數的“電腦專家”，如數學專家MACSYMA，農業專家PLANT，生物專家MOLGEN，地質探礦專家PROSPECTOR，教育專家GUIDON，法律專家LDS，軍事專家ACES、ADEPT、ANALYST等系統。
80年代以后的專家系統逐步朝著大型化、集成化發展，從狹窄的專業領域走向寬廣的多科領域，知識工程開始具備了方法學的性質。美國斯坦福大學肖特列夫（Shortliff）開發的醫學專家系統MYCIN，后來被研究者抽掉其具體醫學知識內容而構成一個框架系統EMYCIN， 如果向其中充實其他學科的具體知識，它就能變成不同學科領域的專家，因而被知識工程師視為“專家系統的設計規范”和“建造專家系統的專家系統”。
人如果要靈活地分析問題和處理問題，并且適用于復雜多變的應用場合，就必須不斷地吸收新知識和新信息，總結經驗與教訓，變更計劃與步驟，這就需要不斷地進行學習，在
人工智能中，“學習”具有重要的意義。顯然，專家系統已經開始具備了“學習”的功能，專家系統的“學習”過程就是知識的自動積累過程。在數學推理系統中，“學習”過程就是根據一些簡單的概念推理形成較復雜的概念，并作出數學猜想等，根據一些簡單的公理推理形成較復雜的公理，并作出理論假說等；在問題判斷與求解中，“學習”過程就是根據執行情況修改計劃。
此階段的專家系統主要是以大規模集成電路方式來實施的。
五、模式識別階段
模式識別是近30年來得到迅速發展的人工智能分支學科。但是，對于什么是“模式”，或者什么是機器（也包括人）能夠辨認的模式，迄今尚無確切的定義。電腦模式識別技術最初起源于圖象識別的需要，比如協助警方根據照片從茫茫人海里搜尋某個罪犯，或者幫助醫生把顯微鏡下觀察的細菌形態進行分類，確認它是球菌、桿菌還是弧菌。嚴格地說，模式識別又不是簡單的分類學，它的目標包括對于識別對象的描述、理解與綜合。
在1973年召開的模式識別第一次國際學術會議基礎上，成立了國際模式識別協會（IAPP）。一位專家曾經指出：“模式識別是本世紀雄心最大的學科，需要電腦科學家、數學家、生物學家、心理學家、哲學家和社會學家的通力合作。”
如果不是電腦，而是人腦接受到視覺器官（如眼睛和視網膜）傳遞來的信息，它究竟是怎樣識別和區分大千世界的萬物呢？一種可能的解決方案是：圖象上的每一點都用一個神經細胞與之對應并逐一判別，最后綜合為整體，但是，既使只描述圖象局部的大致輪廓，神經元的數目仍不敷使用；另一種可能的方案更符合實際：大腦感知的不是圖象上所有的點，而是其輪廓中最典型的特征，如線段、角度、弧度、反差、顏色等等，把它們從圖象中抽取出來，然后結合頭腦中過去的記憶和有關經驗和知識分析判斷，即“特征抽取”，它是電腦圖象識別的基礎。
圖象模式識別技術比較成功的運用領域是文字識別。如果把每一個中文漢字或西文字母都視為一個小圖形，模板匹配的方法自然可以移植到文字識別過程中。目前，印刷體文字識別軟件早已經進入商品化階段，被稱為OCR光學字符識別軟件。通常可將書籍、報紙等印刷品上的文字用掃描儀輸入，首先經過特征抽取處理，例如，某字的筆畫有幾筆，收尾端點有幾個，拐角有多少等等。在電腦里已經預先保存了各種字的圖形和它們的特征，也稱為“模板”，全部模板就構成一部“模板字典庫”。由于要考慮字體、字號、紙張、油墨等因素影響，每一個字都有若干套不同的模板。接下來就是將抽取到的文字特征與模板字典逐一匹配，直到在字典庫中尋找到最接近的模板為止。運用這種方法，對于印刷體文字，電腦能夠以“一目十行”的速度進行閱讀。此外，實時跟蹤人手寫字的筆畫順序來識別手寫文字的模式識別技術，也已經達到實用化程度，諸如常見的漢字筆輸入軟件。
人類相互之間交流思想，除“讀寫”之外的重要途徑是“聽說”，電腦語音識別理所當然被列為與圖象識別同等重要的人工智能技術，它包括用口令控制電腦的動作、或者根據口述聲音錄入文字、設計出“會聽話”的電腦等內容。語音識別的基礎技術也是模式識別，通常每個人說話的音色和音調都有一定的差異，發聲頻率各不相同，人腦對語音似乎有一種自適應的能力，既能區分不同性別不同年齡的語音差異，又能調整為能夠理解的基本音素，從而聽懂各色人等說出的話語。采用模板匹配方式的電腦不可能具備這種本領，它通常只能“聽懂”特定某人的聲音，而且是經過了一段時間“學習”的結果。學習過程稱為“訓練”，即對著電腦大聲重復地講述某些字詞，直到它把這些字詞的聲音頻譜特征“記住”，存放在參考樣本庫作為識別這個字詞的模板。如果換了另一人說話，電腦就不能正確地識別，這就是對說話者的依賴性，也叫“認人”的識別系統。
“會說話”的電腦可分為“真人發聲”和語音合成兩種類型。中國科技大學人機語音通信實驗室獨創了以“人聲道模擬技術”為基礎的KD—863系統，一舉突破了語音合成清晰度和自然度的制約瓶頸，將語音合成技術推進到應用的水平。1998年初，以國家智能計算機中心等單位組建的天音軟件公司，迅速完成了中文語音合成技術產品的轉化，推出的“天音話王”軟件，具有語音校對、文稿朗讀、標準普通話學習等功能，率先讓電腦開口說出了中國話，1999年該公司與IBM合作，又推出了代表中文語音識別和合成技術最高水平的產品——“中國話王”，向著全方位應用大踏步地邁進。
語音識別技術在近年獲得了令人驚異的進展。現有的產品如IBM的ViaVoice已經可以對連續的語言進行比較可靠的識別；微軟研究院的語音技術組希望增強PC產生和識別自然語言的能力，并支持所有類型的自然語言輸入（包括文字輸入和語音輸入），并且可以將輸入的語言進行結構化處理。
人工智能模式識別的進展，已經在一定程度上使電腦具備了“聽”、“說”、“讀”的能力，但距離理想的目標還有較長的路程。對于人類來說，哪怕你把字寫得龍飛鳳舞，哪怕你把話說得含糊不清，我們也能根據對上下文的理解做出正確的識別，它表明人腦模式識別的方法，不是或者不完全是什么“模板匹配”。對與模糊信息的識別處理，人腦比電腦要擅長得多。
此階段的模式識別主要是以超大規模集成電路方式來實施的。
六、情感計算階段
人們一直期盼著能擁有并使用更為人性化和智能化的計算機，只有這樣，才能實現從人操作計算機轉變為計算機輔助人，才能實現從人圍著計算機轉變為計算機圍著人轉，才能實現計算機由認知型轉變為直覺型。“情感計算”研究就是試圖創建一種能感知、識別和理解人的情感，并能針對人的情感做出智能、靈敏、友好反應的計算機系統。
1985年，美國MIT(麻省理工學院)Minsky教授在《腦智社會》專著中指出 “問題不在于智能機器能否有情感，而在于沒有情感的機器能否實現智能。在這之后，有關賦予計算機情感能力的探討引起了一些計算機科學家的興趣。美國MIT大學媒體實驗室Picard教授在其專著“Affective Computing (情感計算)”中做出定義：“情感計算是關于、產生于、或故意影響情感方面的計算”。
情感具有三種生理學成分：⑴主觀體驗，即個體對于不同情感狀態的自我感受；⑵外部表現，即表情，在情感狀態發生時身體各部分的動作量化形式，表情包括面部表情（面部肌肉變化所組成的模式）、姿態表情（身體其他部分的表情動作）和語調表情（言語的聲調、節奏、速度等方面的變化）；⑶生理喚醒，即情感產生的生理反應強度（如心率、血壓、呼吸、皮膚電活動、瞳孔直徑、腦電EEG等），是一種生理組織的激活水平。情感計算就是對情感的三種生理學成分進行測量與計算，它包括對情感感受強度、情感表情強度和生理激活指標的測量。例如，一個人的焦慮水平可以通過腦電圖來分析其情感感受強度，通過記錄和分析面部肌肉活動來測量其面部表情，通過測量血壓、化驗血液樣本、檢測血液中腎上腺素等來測量其生理激活指標。情感還有兩個基本維度：愉悅度與激活度。研究發現，驚反射可用做測量愉悅度的生理指標，而皮膚電反應可用做測量激活度的生理指標。
面部表情、姿態表情、語調表情三種表情被稱之為體語，構成了人類的非言語交往方式。面部表情是指通過眼部、顏面和口部肌肉的變化來表現各種情感狀態，臉部運動編碼系統FACS通過不同編碼和運動單元的組合，可以在臉部形成復雜的表情變化，其成果已經被應用于人臉表情的自動識別與合成；MPEG-4 V2視覺標準，定義了3個重要的參數集，即人臉定義參數、人臉內插變換參數和人臉動畫參數，其表情參數具體數值的大小代表人激動的程度，可以組合多種表情以模擬混合表情；人的姿態即身體表情一般伴隨著交互過程而發生變化，并表達著一些信息；語調表情是通過語音的高低、強弱、抑揚頓挫來表達說話人的情感，同樣的一句話“你真行!”既可以表示贊賞，也可以表示諷刺或妒忌；語音中的情感特征往往通過語音韻律（如速率、音量和音調）的變化表現出來，也可同時通過一些音素特征（如共振峰、聲道截面函數等）表現出來。
情感計算的主要內容包括：三維空間中動態情感信息的實時獲取與建模，基于多模態和動態時序特征的情感識別與理解及其信息融合的理論與方法，情感的自動生成理論及面向多模態的情感表達，以及基于生理和行為特征的大規模動態情感數據資源庫的建立等。
歐洲和美國的各大信息技術實驗室正加緊進行情感計算系統的研究，劍橋大學、麻省理工學院、飛利浦公司等通過實施“環境智能”、“環境識別”、“智能家庭”、“氧工程”、“情感鼠標”和“瑞士軍刀”等科研項目來開辟這一領域，其中，麻省理工學院媒體實驗室通過記錄人面部表情的攝像機和連接在人身體上的生物傳感器來收集數據，然后由一個“情感助理”來調節程序以識別人的情感。目前，國內的情感計算研究重點在于，通過各種傳感器獲取由人的情感所引起的生理及行為特征信號，建立“情感模型”，從而創建個人情感計算系統，研究內容主要包括臉部表情處理、情感計算建模方法、情感語音處理、姿態處理、情感分析、自然人機界面等。例如，東南大學的學者對含有歡快、憤怒、驚奇和悲傷四種情感的語音信號的時間構造、振幅構造、基頻構造和共振峰構造等特征和不含感情的平靜語音信號進行比較，尋找不同情感信號特征的構造特點和分布規律，并提出了基于MMD進行情感特征識別的方法；此外，他們還開發了“表情識別系統”，它由多個攝像頭和處理相關數據的計算機組成，計算機中已存入了喜、怒、哀、樂、厭惡、害怕等6種表情的有關數據和相關圖片，測試者在該系統中做出任何一個表情，計算機將根據這個表情的特征在數據庫中進行檢索，核對數據庫有關數據后確認是何種表情。
情感計算的本質就是對人的情感表達的生理學成分的測量與計算，以及對人的情感表達模式的識別，它不是真正意義上的對于人的情感內部邏輯關系的計算，其主要目的在于建立友好的、人性化的人機界面，幫助使用者獲得高效而又親切的感覺，并有效減輕使用電腦的挫敗感，構筑更貼近人們生活的智能空間或虛擬場景。
七、情感理解階段
對于目前情感計算的理論基礎，孫堯教授認為是一種具有明顯缺陷的智能化理論體系，理論的發展往往決定著技術的最終高度，智能化技術想要只依靠現有的傳統理論達到比其他技術更高的地步，顯然是不現實的，經典的思維根本不能處理智能化的問題，即使是部分解決，也要付出極其高昂的代價，他說：“重要的不是開發多少算法或是網絡結構，而是深入開發真正適合智能技術的數學與物理基礎，否則一切都是空談”。到此為止，人工智能已經接近了它的技術頂點，如果不解決深層次的理論問題，不發生人工智能的基礎理論體系上的重大突破，要使計算機具有人類式的情感是永遠不可能的。
深層次的理論問題包括：情感的哲學本質是什么？人類擁有情感的客觀目的是什么？人的情感與認知、意志之間是如何交互作用的？情感的層次結構及其各層次之間的邏輯關系如何？情感的基本分類是怎樣的，有何客觀依據？情感的動力特性及其決定因素是什么？能否建立情感的數學模型，以及怎樣對情感進行邏輯分析與數學運算？情感運行的基本程序是怎樣的？情感的基本規律有那些？等等。顯然，不解決這些理論問題，要真正實現情感的內部邏輯關系的計算是絕對不可能的。
筆者經過長達八年的研究，在物理學“耗散結構論”的基礎上，創立了“統一價值論”，實現了不同學科價值理論的統一化、數學化和自然科學化，并完成了對于所有不同形式和不同層次的價值的統一計算。緊接著又花了六年時間，把該理論推廣應用于人的精神領域，創立了一個新型的情感理論——數理情感學，實現了情感理論的統一化、數學化和自然科學化。筆者認為，情感的哲學本質就是人對于事物的價值關系的一種主觀反映，情感與價值的關系實際上就是主觀與客觀的關系，人的三種基本的心理活動形式（知、情、意）分別是對于事物的事實關系、價值關系和行為關系的主觀反映，情感是一種特殊的、含有主體目的性的認知，意志是一種特殊的、含有更高層次主體目的性的情感（即能夠控制情感的情感），情感層次結構取決于價值的層次結構，情感的基本分類取決于價值關系的變化時態、方向以及主體之間的利益相關性，情感的動力特性取決于價值的變化特性，情感的強度與事物的“價值率高差”的對數成正比，人的情感可以采用一個數學矩陣來進行描述，并可以實施合成運算與合并運算；等等。總之，“統一價值論”與“數理情感學”，從深層次上解決了情感與智能的理論問題，真正揭開了情感神秘的面紗，真正了解了情感的內部邏輯關系，使變幻莫測的“情感計算”立即轉化為切實可行的“價值計算”，使計算機不僅能夠準確地識別他人的情感，而且能夠從其內部邏輯關系上理解他人的情感，并準確地向他人表達自己的真實情感，從而為實現真正意義上的人工情感奠定了堅實的理論基礎，鋪平了前進的道路。
解決了情感在深層次上的理論問題以后，全面實現真正意義上的人工情感就已經為期不遠了。如果要將電腦植入人腦，用微型芯片配合腦神經細胞工作，就只要求解決兩者之間的接口問題，目前人們對于神經網絡的研究將會有助于解決這個問題。
八、人工情感的最終歸宿
1988年，美國哈佛大學出版社出版了一本《思維兒童》的專著，作者是卡內基—梅隆大學活動機器人實驗室主任漢斯·莫拉維克，書中生動地描述了人怎樣在清醒的狀態下，由機器人打開頭蓋骨，然后用某種讀出裝置將大腦存儲的信息，就象CT斷層掃描那樣，一層一層地讀出來，人還可以直接看到屏幕顯示其記憶，并親自指揮機器人校正錯誤，直到思維、記憶和意識統統儲存到電腦里。這樣，既使人的大腦（原件）受到損傷或者衰老，仍然可以把它拷貝到新克隆出的大腦中，人不就可以永生不死嗎？如果能把社會所積累的先進知識和偉大思想都直接復制下來，那么人類的文化、教育、醫學等等都將從根本上發生嬗變。
人類進入知識經濟時代后，下一次生產力飛躍的突破口將在哪里？越來越多的科學家把希望寄托于人工智能或人工情感上，他們認為人工智能將會帶來又一次史無前例的技術革命。2001年好萊塢推出了大片《人工智能》，其票房價值直逼《泰坦尼克號》，在影片中，“AI兒童”大衛不但擁有可以亂真的人類外表，而且還像人類一樣有思想和感情，能感知自己的存在，他希望自己有一天能脫胎換骨成為真正的人類。這個影片的上演，無異于給新世紀的人工智能科學作了一次絕妙的宣傳廣告，使億萬公眾的目光聚焦在這一前沿科學領域上。
情感在人的思維活動中占據極為重要的地位，決定和制約著人的行為活動和其它思維活動的基本框架與總體方向，人工情感的全面實現不僅可以使計算機具有友好的、人性化的人機界面，更重要的是能夠使計算機具有更高的信息處理速度與效率，具有獨立的決策能力和行為]控制能力，具有創造性和開拓性的思維能力。到了那個時候，從純邏輯的角度來看，人與機器人之間已經沒有任何區別了，只有機器體與肉體之間的區別了，人與機器人之間就可以實現全面的融合，沒有明顯的界限和本質的區別，彼此可以相互轉換、相互滲透、相互促進，也無所謂人與機器之間存在什么矛盾與沖突，這就是人工情感的最終歸宿。
