人工智能是指用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器的智能化，人工情感指用人工的方法和技术，模仿、延伸和扩展人的情感，使机器具有识别、理解和表达情感的能力。从广义的角度来看，情感是一种特殊的认知，意志又是一种特殊的情感，广义的人工智能包括人工智能、人工情感与人工意志三个方面，因此人工情感的发展历程实际上就是广义的人工智能的发展历程。
一、算术运算阶段
1614年苏格兰人John Napier发表了一篇论文 ，其中提到他发明了一种可以进行四则运算和方根运算的精巧装置；1623年Wilhelm Schickard制作了一个能进行6 位数以内加减法运算，并能通过铃声输出答案的“计算钟”，该装置通过转动齿轮来进行操作；1625年William Oughtred发明计算尺；1642年，法国哲学家兼数学家Blaise Pascal发明了第一台真正的机械计算器——滚轮式加法器，其外观上有6个轮子，分别代表着个、十、百、千、万、十万等，只需要顺时针拨动轮子，就可以进行加法，而逆时针则进行减法，原理和手表很像，算是计算机的开山鼻祖了；1668年英国人Samuel Morl制作了一个非十进制的加法装置，适宜计算钱币；1671年德国数学家Gottfried Leibniz 设计了一架可以进行乘法运算，最终答案长度可达16位的计算工具；1822年英国人Charles Babbage设计了差分机和分析机，其设计理论非常超前，类似于百年后的电子计算机，特别是利用卡片输入程序和数据的设计被后人所采用；1834年Babbage 设想制造一台通用分析机，能够完成所有的算术运算，该分析机由四个基本部件构成：存储库、运算室、传送机构和送人取出机构，类似于现代计算机的五大装置：输入、控制、运算、存储和输出装置，因此他被公认为计算机之父；1848年英国数学家George Boole创立二进制代数学，提前近一个世纪为现代二进制计算机的发展铺平了道路；1890年美国人口普查部门希望能得到一台机器帮助提高普查效率，Herman Hollerith (后来他的公司发展成了IBM 公司)借鉴Babbage的发明，用穿孔卡片存储数据，并设计了机器，结果仅用6 周就得出了准确的人口统计数据(如果用人工方法，大概要花10 年时间)。
算术运算主要是以机械方式来实施的。
二、数学运算阶段
在以机械方式运行的计算器诞生百年之后，随着电子技术的突飞猛进，计算机开始了真正意义上的由机械向电子时代的过渡，电磁学、电工学、电子学不断取得重大进展，在元件、器件方面接连发明了真空二极管和真空三极管，电子器件逐渐演变成为计算机的主体，而机械部件则渐渐处于从属位置。1906年美国人Lee De Forest发明电子管，为电子计算机的发展奠定了基础；1924年2月IBM公司成立，从此一个具有划时代意义的公司诞生；1935年IBM推出IBM601机，这是一台能在一秒钟内算出乘法的穿孔卡片计算机；1937年英国剑桥大学的Alan M.Turing出版了他的论文，并提出了被后人称之为“图灵机”的数学模型；1937 年Bell试验室的George Stibitz展示了用继电器表示二进制的装置，尽管仅仅是个展示品，但却是第一台二进制电子计算机；1940年Bell实验室的Samuel Williams 和Stibitz 制造成功了一个能进行复杂运算的计算机，该机器大量使用了继电器，并借鉴了一些电话技术，采用了先进的编码技术；1941年Atanasoff 和学生Berry 完成了能解线性代数方程的计算机，取名叫“ABC ”，用电容作存储器 ，用穿孔卡片作辅助存储器，那些孔实际上是“烧”上去的，时钟频率是60Hz，完成一次加法运算用时一秒；1946年美国宾夕法尼亚大学莫尔学院制成的大型电子数字积分计算机(ENIAC)，最初也专门用于火炮弹道计算，后经多次改进而成为能进行各种科学计算的通用计算机，这台完全采用电子线路执行算术运算、逻辑运算和信息存储的计算机，运算速度比继电器计算机快1000倍，这就是人们常常提到的世界上第一台电子计算机；1945年数学家冯·诺伊曼发表了电子离散变量自动计算机(EDVAC) 方案；1949年英国剑桥大学数学实验室率先制成电子离散时序自动计算机(EDSAC)；美国则于1950年制成了东部标准自动计算机(SFAC)等。
与此同时，数学、物理也相应地蓬勃发展，到了20世纪30年代，物理学的各个领域经历着定量化的阶段，描述各种物理过程的数学方程，其中有的用经典的分析方法已根难解决。于是数值分析受到了重视，研究出各种数值积分、数值微分以及微分方程数值解法，把计算过程归结为巨量的基本运算，从而奠定了现代计算机的数值算法基础。
此阶段的数学运算主要是以机电方式或电子管方式来实施的。
三、逻辑推理阶段
1950年图林发表了一篇划时代论文《计算机与智能》（后来改名为《机器能思维吗？》），引起了巨大的震动，他认为，与人脑的活动方式极为相似的机器是可以制造出来的。1956年美国达特莫斯大学（Dartmouth）召开了一次影响深远的历史性会议，参加这次聚会的青年学者的研究专业包括数学、心理学、神经生理学、信息论和电脑科学等，他们分别从不同的角度共同探讨人工智能的可能性，正是这次会议首次提出了“人工智能”（AI）这一术语，标志着人工智能作为一门新兴学科正式诞生。人工智能科学想要解决的问题，是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化和解决各种实际问题的能力。
逻辑推理是人类思维的重要方面，包括归纳推理、演绎推理和模糊推理等多种形式。人工智能的核心内容就是要模拟这些推理形式，实现诸如故障诊断、数学定理证明、问题判断与求解、博弈等功能，因此逻辑推理是人工智能的核心内容之一。当机器有了逻辑推理能力以后，就能够比普通机器更加灵活地分析问题和处理问题，从而适用于更加复杂多变的应用场合。
1956年纽厄尔、赫伯特·西蒙等人合作编制的《逻辑理论机》数学定理证明程序（简称LT），从而使机器迈出了逻辑推理的第一步。在卡内基—梅隆大学的计算机实验室，纽厄尔和西蒙通过大量的观察实例，发现人们求解数学题通常是用试凑的办法进行的，试凑时不一定列出了所有的可能性，而是用逻辑推理来迅速缩小搜索范围，人类证明数学定理也有类似的思维规律，通过“分解”（把一个复杂问题分解为几个简单的子问题）和“代入”（利用已知常量代入未知的变量）等方法，用已知的定理、公理或解题规则进行试探性推理，直到所有的子问题最终都变成已知的定理或公理，从而解决整个问题。人类求证数学定理也是一种启发式搜索，与电脑下棋的原理异曲同工，因此他们利用这个LT程序向数学定理发起了激动人心的冲击。电脑果然不孚众望，一举证明了数学家罗素的数学名著《数学原理》第二章中的38个定理。1963年，经过改进的LT程序在一部更大的电脑上，最终完成了第二章全部52条数学定理的证明。之后，洛克菲勒大学教授王浩用他首创的“王氏算法”，在一台速度不高的IBM704电脑上再次向《数学原理》发起挑战，不到9 分钟，就把这本数学史上视为里程碑的著作中全部（350条以上） 的定理统统证明了一遍，他因此被国际上公认为机器定理证明的开拓者之一。
此阶段的逻辑推理主要是以晶体管方式或集成电路方式来实施的。
四、专家系统阶段
费根鲍姆（E.Feigenbaum）在1977年第五届国际人工智能大会上提出了“知识工程”的概念，标志着AI研究从传统的以推理为中心，进入到以知识为中心的新阶段。他具体介绍了他们所开发的第一个“专家系统”，并指出，专家系统“是一个已被赋予知识和才能的计算机程序，从而使这种程序所起到的作用达到专家的水平”，这种“专家水平”意味着医学教授作出诊断和治疗的水平，高级工程师从事工程技术研究和开发的水平，特级教师在课堂上传授知识的水平。专家系统的客观目的就是要在机器智能与人类智慧集大成者──专家的知识经验之间建造一座桥梁，它是人类专家可以信赖的高水平智力助手。人类专家的知识通常包括书本知识和实践经验两大类，前者可能是专家在学校读书求学时所获，也可能是从杂志和书籍中自学而来，然而，仅仅掌握了书本知识的学者还不配称为专家，专家最为宝贵的知识是他凭借多年的实践积累的经验，这是他头脑中最具魅力的知识瑰宝。
费根鲍姆研制的第一个专家系统DENDRAL是化学领域的“专家”。在输入化学分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子结构，其分析能力已经接近、甚至超过了有关化学专家的水平。该专家系统为AI的发展树立了典范，其意义远远超出了系统本身在实用上创造的价值。在费根鲍姆发表演讲后，专家系统如同雨后春笋迅速遍及世界各地。此外，在极其广泛的领域，人工智能研究者构建了不计其数的“电脑专家”，如数学专家MACSYMA，农业专家PLANT，生物专家MOLGEN，地质探矿专家PROSPECTOR，教育专家GUIDON，法律专家LDS，军事专家ACES、ADEPT、ANALYST等系统。
人如果要灵活地分析问题和处理问题，并且适用于复杂多变的应用场合，就必须不断地吸收新知识和新信息，总结经验与教训，变更计划与步骤，这就需要不断地进行学习，在人工智能中，“学习”具有重要的意义。显然，专家系统已经开始具备了“学习”的功能，专家系统的“学习”过程就是知识的自动积累过程。在数学推理系统中，“学习”过程就是根据一些简单的概念推理形成较复杂的概念，并作出数学猜想等，根据一些简单的公理推理形成较复杂的公理，并作出理论假说等；在问题判断与求解中，“学习”过程就是根据执行情况修改计划。
此阶段的专家系统主要是以大规模集成电路方式来实施的。
五、模式识别阶段
模式识别是近30年来得到迅速发展的人工智能分支学科。但是，对于什么是“模式”，或者什么是机器（也包括人）能够辨认的模式，迄今尚无确切的定义。电脑模式识别技术最初起源于图象识别的需要，比如协助警方根据照片从茫茫人海里搜寻某个罪犯，或者帮助医生把显微镜下观察的细菌形态进行分类，确认它是球菌、杆菌还是弧菌。严格地说，模式识别又不是简单的分类学，它的目标包括对于识别对象的描述、理解与综合。
在1973年召开的模式识别第一次国际学术会议基础上，成立了国际模式识别协会（IAPP）。一位专家曾经指出：“模式识别是本世纪雄心最大的学科，需要电脑科学家、数学家、生物学家、心理学家、哲学家和社会学家的通力合作。”
如果不是电脑，而是人脑接受到视觉器官（如眼睛和视网膜）传递来的信息，它究竟是怎样识别和区分大千世界的万物呢？一种可能的解决方案是：图象上的每一点都用一个神经细胞与之对应并逐一判别，最后综合为整体，但是，既使只描述图象局部的大致轮廓，神经元的数目仍不敷使用；另一种可能的方案更符合实际：大脑感知的不是图象上所有的点，而是其轮廓中最典型的特征，如线段、角度、弧度、反差、颜色等等，把它们从图象中抽取出来，然后结合头脑中过去的记忆和有关经验和知识分析判断，即“特征抽取”，它是电脑图象识别的基础。
人类相互之间交流思想，除“读写”之外的重要途径是“听说”，电脑语音识别理所当然被列为与图象识别同等重要的人工智能技术，它包括用口令控制电脑的动作、或者根据口述声音录入文字、设计出“会听话”的电脑等内容。语音识别的基础技术也是模式识别，通常每个人说话的音色和音调都有一定的差异，发声频率各不相同，人脑对语音似乎有一种自适应的能力，既能区分不同性别不同年龄的语音差异，又能调整为能够理解的基本音素，从而听懂各色人等说出的话语。采用模板匹配方式的电脑不可能具备这种本领，它通常只能“听懂”特定某人的声音，而且是经过了一段时间“学习”的结果。学习过程称为“训练”，即对着电脑大声重复地讲述某些字词，直到它把这些字词的声音频谱特征“记住”，存放在参考样本库作为识别这个字词的模板。如果换了另一人说话，电脑就不能正确地识别，这就是对说话者的依赖性，也叫“认人”的识别系统。语音识别技术在近年获得了令人惊异的进展。现有的产品如IBM的ViaVoice已经可以对连续的语言进行比较可靠的识别；微软研究院的语音技术组希望增强PC产生和识别自然语言的能力，并支持所有类型的自然语言输入（包括文字输入和语音输入），并且可以将输入的语言进行结构化处理。
人工智能模式识别的进展，已经在一定程度上使电脑具备了“听”、“说”、“读”的能力，但距离理想的目标还有较长的路程。对于人类来说，哪怕你把字写得龙飞凤舞，哪怕你把话说得含糊不清，我们也能根据对上下文的理解做出正确的识别，它表明人脑模式识别的方法，不是或者不完全是什么“模板匹配”。对与模糊信息的识别处理，人脑比电脑要擅长得多。
此阶段的模式识别主要是以超大规模集成电路方式来实施的。
六、情感计算阶段
人们一直期盼着能拥有并使用更为人性化和智能化的计算机，只有这样，才能实现从人操作计算机转变为计算机辅助人，才能实现从人围着计算机转变为计算机围着人转，才能实现计算机由认知型转变为直觉型。“情感计算”研究就是试图创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算机系统。
1985年，美国MIT(麻省理工学院)Minsky教授在《脑智社会》专著中指出?“问题不在于智能机器能否有情感，而在于没有情感的机器能否实现智能。在这之后，有关赋予计算机情感能力的探讨引起了一些计算机科学家的兴趣。美国MIT大学媒体实验室Picard教授在其专著“Affective Computing (情感计算)”中做出定义：“情感计算是关于、产生于、或故意影响情感方面的计算”。
情感具有三种生理学成分：⑴主观体验，即个体对于不同情感状态的自我感受；⑵外部表现，即表情，在情感状态发生时身体各部分的动作量化形式，表情包括面部表情、姿态表情和语调表情；⑶生理唤醒，即情感产生的生理反应强度（如心率、血压、呼吸、皮肤电活动、瞳孔直径、脑电EEG等），是一种生理组织的激活水平。情感计算就是对情感的三种生理学成分进行测量与计算，它包括对情感感受强度、情感表情强度和生理激活指标的测量。例如，一个人的焦虑水平可以通过脑电图来分析其情感感受强度，通过记录和分析面部肌肉活动来测量其面部表情，通过测量血压、化验血液样本、检测血液中肾上腺素等来测量其生理激活指标。情感还有两个基本维度：愉悦度与激活度。研究发现，惊反射可用做测量愉悦度的生理指标，而皮肤电反应可用做测量激活度的生理指标。
面部表情、姿态表情、语调表情三种表情被称之为体语，构成了人类的非言语交往方式。面部表情是指通过眼部、颜面和口部肌肉的变化来表现各种情感状态，脸部运动编码系统FACS通过不同编码和运动单元的组合，可以在脸部形成复杂的表情变化，其成果已经被应用于人脸表情的自动识别与合成；MPEG-4 V2视觉标准，定义了3个重要的参数集，即人脸定义参数、人脸内插变换参数和人脸动画参数，其表情参数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；人的姿态即身体表情一般伴随着交互过程而发生变化，并表达着一些信息；语调表情是通过语音的高低、强弱、抑扬顿挫来表达说话人的情感，同样的一句话“你真行!”既可以表示赞赏，也可以表示讽刺或妒忌；语音中的情感特征往往通过语音韵律（如速率、音量和音调）的变化表现出来，也可同时通过一些音素特征（如共振峰、声道截面函数等）表现出来。
情感计算的主要内容包括：三维空间中动态情感信息的实时获取与建模，基于多模态和动态时序特征的情感识别与理解及其信息融合的理论与方法，情感的自动生成理论及面向多模态的情感表达，以及基于生理和行为特征的大规模动态情感数据资源库的建立等。
情感计算的本质就是对人的情感表达的生理学成分的测量与计算，以及对人的情感表达模式的识别，它不是真正意义上的对于人的情感内部逻辑关系的计算，其主要目的只是在于建立友好的、人性化的人机界面，帮助使用者获得高效而又亲切的感觉，并有效减轻使用电脑的挫败感，构筑更贴近人们生活的智能空间或虚拟场景。
七、情感理解阶段
对于目前情感计算的理论基础，孙尧教授认为是一种具有明显缺陷的智能化理论体系，理论的发展往往决定着技术的最终高度，智能化技术想要只依靠现有的传统理论达到比其他技术更高的地步，显然是不现实的，经典的思维根本不能处理智能化的问题，即使是部分解决，也要付出极其高昂的代价，他说：“重要的不是开发多少算法或是网络结构，而是深入开发真正适合智能技术的数学与物理基础，否则一切都是空谈”。到此为止，人工智能已经接近了它的技术顶点，如果不解决深层次的理论问题，不发生人工智能的基础理论体系上的重大突破，要使计算机具有人类式的情感是永远不可能的。
深层次的理论问题包括：情感的哲学本质是什么？人类拥有情感的客观目的是什么？人的情感与认知、意志之间是如何交互作用的？情感的层次结构及其各层次之间的逻辑关系如何？情感的基本分类是怎样的，有何客观依据？情感的动力特性及其决定因素是什么？能否建立情感的数学模型，以及怎样对情感进行逻辑分析与数学运算？情感运行的基本程序是怎样的？情感的基本规律有那些？等等。显然，不解决这些理论问题，要真正实现情感的内部逻辑关系的计算是绝对不可能的。
“统一价值论”实现了不同学科价值理论的统一化、数学化和自然科学化，把该理论推广应用于人的精神领域，创立了一个新型的情感理论——数理情感学，实现了情感理论的统一化、数学化和自然科学化。“统一价值论”与“数理情感学”，从深层次上解决了情感与智能的理论问题，真正揭开了情感神秘的面纱，真正了解了情感的内部逻辑关系，使变幻莫测的“情感计算”立即转化为切实可行的“价值计算”，使计算机不仅能够准确地识别他人的情感，而且能够从其内部逻辑关系上理解他人的情感，并准确地向他人表达自己的真实情感，从而为实现真正意义上的人工情感奠定了坚实的理论基础，铺平了前进的道路。
解决了情感在深层次上的理论问题以后，全面实现真正意义上的人工情感就已经为期不远了。如果要将电脑植入人脑，用微型芯片配合脑神经细胞工作，就只需要解决两者之间的接口问题，目前人们对于神经网络的研究将会有助于这一问题的解决。
八、人工情感的最终归宿
情感在人的思维活动中占据极为重要的地位，决定和制约着人的行为活动和其它思维活动的基本框架与总体方向，人工情感的全面实现，不仅可以使计算机具有友好的、人性化的人机界面，更重要的是能够使计算机具有更高的信息处理速度与效率，具有独立的决策能力和行为控制能力，具有创造性和开拓性的思维能力。到了那个时候，从纯逻辑的角度来看，人与机器人之间已经没有任何区别了，只有机器体与肉体之间的区别了，人与机器人之间就可以实现全面的融合，没有明显的界限和本质的区别，人类的肉体之中有机器，机器人的身体中有肉体，彼此可以相互转换、相互渗透、相互促进，到时候也无所谓人与机器人之间存在什么矛盾与冲突，这就是人工情感的最终归宿。
