【摘 要】随着人工智能技术的发展，情感计算作为一门新兴的交叉学科，在政府治理中的应用日益受到关注。获取情感信息是情感计算的基础，早期的情感建模主要依据单一模态情感信息，后期学者们提出构建融合性的多模态情感计算模型，以实现对人的情感表达的全面描述。在提升政府治理效能的实践应用中，情感计算能够优化政府决策机制、创新公共服务模式、增强社会风险防控能力、促进公众参与和政民互动、增强中华民族凝聚力。但是，政府治理中应用情感计算面临着数据获取与质量保障难题、隐私保护与伦理困境、技术局限与决策风险等挑战。在人工智能时代，数字化转型浪潮、智慧城市建设为情感计算的发展和应用提供了很好的契机，我们应特别重视构建起情感计算中的道德规范，将道德要求嵌入情感计算的算法，让算法遵循善法。同时，应时刻警惕过度依赖该技术可能引发的风险，在技术与人文因素之间达成平衡，防止情感操纵现象的出现。
【关键词】政府治理；情感计算；情感治理；人工智能；公共服务
【作者简介】张敏（1981— ），女，新疆维吾尔自治区社会科学院社会学研究所副所长、副研究员，人类学博士，研究方向为情感人类学和区域人口学。
【基金项目】2023年度国家社会科学基金重大项目“数字包容与健康老龄化体系建设研究”（项目编号：23&ZD189）
【中图分类号】C936；D63 【文献标识码】A 【文章编号】1003-2606（2025）05-0135-08
一、引言
在数字化时代，数据成为驱动社会发展的关键资源。面对日益复杂的社会环境和多元化的公众需求，传统政府治理模式的局限性逐渐显露，迫切需要借助新兴技术实现创新与转型。在情理社会中，情感治理在政府治理中扮演着重要角色，对人及其情感的关切直接决定着政府的治理水平。情感计算作为一种能够识别、理解、响应人类情感的新兴技术，有效弥补了政府治理在获取和分析情感要素能力上的不足，使治理活动不再局限于对主体外在行动的识别，而是能够深入主体的情感维度，为提升治理效能提供了新的研究视角和实践工具。通过分析公众的情感数据，政府能真正触及公众行为背后隐藏的真实目的和深层次情感需求，这对提升治理效能、增强政府公信力以及促进社会和谐发展具有深远影响。
二、情感计算的理论基础
（一）情感研究的发展历程
虽然人类对情感的探索历史悠久，但对于“情感是什么”这一古老而且颇有争议的话题始终未能形成定论，不同时代对情感的认识各不相同。人类对情感的认识始终强调三点：一是情感是由其他因素引发的个体内部的强烈感受，二是情感处于变化之中，三是情感主动对外作用可能会产生刺激、搅扰运动。
在古代的西方世界，“情感是什么”这个问题主要由哲学与神学界来定义。亚里士多德在《修辞学》中指出，“情感包括所有使人改变看法另作判断的情绪，伴之而来的是苦恼或快感，例如愤怒、怜悯、恐惧和诸如此类的情绪以及和这些情绪相反的情绪”［1］。在他的论述中，情感既有积极的一面，也有消极的一面；既能产生快乐，也会让人痛苦。继承并发展亚里士多德思想的奥古斯丁创造了一个层次分明、阶梯式的七层灵魂模型，最低一层的是没有意识的植物和物质阶段，最高一层的是神灵的显现阶段（上帝之城）。在奥古斯丁的分层体系中，情感是一个单独的范畴，归属于意志。［2］
18世纪初期，自然与文化的二元对立观念影响较大，并对笛卡尔的情感与理性二元论产生了深远影响。笛卡尔力图将情感从灵魂中剥离，以便将情感作为一种机制进行科学研究。随着启蒙时代的到来，修辞学、医学与文学也开始涉足情感领域，斯宾诺莎坚持认为情感与灵魂是同一现实的两个方面。斯宾诺莎采用自然科学、几何学与情感相结合的研究方法对情感进行解析，为后来实验心理学、神经学等学科进入情感研究领域提供了新的视角。情感被完全划至非理性范畴在康德的作品中表达得最为清晰。康德将情感分为激情与情欲，视情感为理性的“他者”。在他的论述中，激情是理性无法控制的，情欲更是远远超出理性能支配的伦理范畴。［3］
19世纪80年代，实验心理学的兴起使心理学成为情感研究的主导学科。其中，美国心理学家威廉姆·詹姆斯于1884年发表的论文《什么是情感》成为该领域的经典文献。［4］尽管人类拥有情感是与生俱来的，但西方理性主义长期将情感与非理性、生物本能相联系，更倾向于强调社会秩序、制度、组织等理性化的社会事实研究。在这种传统下，情感常被边缘化，学者们追求的是精确的科学方法和严谨的理性研究体系。随着现代性的深入发展，人类由农业社会走向工业社会，现代性的自反性又消解了工业现代化。在这种新的模式下，人类关注的焦点从经济发展转为对人类命运、个体发展、内心情感的爱护与关照，希望社会更重视情感问题。
在后现代时期，情感研究经历了根本性转变，研究焦点由社会结构、制度和功能转向个体经验、自主性及人际情感交往等结构性空间的“填充物”。互联网的兴起、数字时代人工智能的应用以及新知识和方法的迭代创新，使情感认知更为全面。神经科学揭示，活跃的大脑在处理计算数据时，每一种情感也都是感知和记忆，每一个理性过程都嵌在情感评价体系中，每一种直觉都与行为意图紧密相连。认知心理学表明，情感作为一种被激活的认知材料，始终指向特定目的。历史学家通过情感史的研究指出，任何事件都有自己独特的历史发展过程和规律，既有的相关历史记忆会更有利于理解群体的人际关系以及关系走向的内在动力机制。总体来说，情感理论研究提供给我们的可能并非世界如何运作，而是一种新的认识论方法。正是在这种背景下，致力于促进人机交互中情感因素研究的情感计算应运而生。
（二）国内外情感计算的理论发展脉络
自计算机发明以来，人类就对如何模拟和扩展其计算能力与逻辑推演能力产生了浓厚的兴趣。在过去，很少有人将情感与无生命的机器联系在一起。1943年，生物物理学家麦卡洛克和逻辑学家皮茨提出了第一个神经元数理模型［5］，迈出了对人类情感与计算机科学交叉领域探索的第一步。在传统的人机交互中，机器主要依赖指令来执行任务。随着计算机智能化水平的提升，人们期望计算机能执行更复杂的任务，并从认知型转变为知觉型。诺贝尔奖得主西蒙在论述认知的基础时，强调“思想和解决问题的基础理论要结合情感影响”［6］。沿着西蒙的理论进路，科学家们利用信息科学帮助计算机模拟、识别、理解、响应人类情感。1985年，明斯基提出要将情感计算问题当作智能机器的关键问题，使人机交互中的计算机能够识别用户的情感状态，将情感转变为算法。明斯基将对情感的科学认知转化为对情感行为的外在描述，为情感计算的技术实现奠定了基础。［7］1995年，美国MIT媒体实验室的皮卡德明确提出了“情感计算”这一概念。情感计算逐渐发展成为融合人工智能、认知科学、心理学、社会学等多学科的新兴领域。1997年，皮卡德在《情感计算》一书中给出了情感计算的定义，认为“情感计算就是针对人类的外在表现，能够进行测量和分析并能对情感施加影响的计算”［8］。随后，皮卡德针对情感计算先后发表了《情感计算：可穿戴设备》《情感计算：挑战》《由人、为人的情感研究》等论文，极大拓展了情感计算的技术框架，使有关情感计算的研究从单纯的心理科学角度过渡到心理学、机电科学、信息科学、社会学、人类学等相关学科的交叉融合领域，旨在“通过获取、识别和度量信息载体中的数据特征来实现情感在不同维度下的计算”［9］。伴随着深度学习以及认知科学的进步，人们认识到情感是智能的一部分，而不是与智能相分离的。情感计算在健康管理、安全驾驶、教育教学等实际应用场景中的性能得到显著提升。
中国的情感计算起步较晚，但发展势头强劲。2003年，中国科学院自动化所成功举办了第一届“中国情感计算及智能交互学术会议”，陶建华和谭铁牛总结了此次大会的相关成果并发表论文《数字化人类情感——和谐人机交互环境中的情感计算》。［10］2005年，首届“情感计算与智能交互国际学术会议”在北京召开，国内关于情感计算的学术研究进一步展开。随着互联网技术在中国的兴起，数字技术迅速渗透社会领域，众多高校和科研机构纷纷开展情感计算的相关研究，不断探索新的情感计算方法和应用场景，有关人工智能的书籍中也开始系统介绍人工情感和情感计算理论。王志良和解仑撰写的《我国人工心理与人工情感研究现状及进展》一文，总结了2013年之前我国在人工智能情感领域的研究成果，并预测未来机器人产业将是人工情感争夺的重要领域。［11］对于人工智能的情感系统能否替代人的情感系统，张迎辉和林学誾从计算机科学角度出发论述了情感的可计算性［12］，王峰从哲学层面批判性地分析了人类情感的复杂性，并指出情感计算不能做什么［13］。2022年，中国发布《情感计算白皮书》，将情感算法的定义总结为“赋予机器以感知、识别、理解情感并具有拟人化情感表达的能力”［14］。同年，姚鸿勋等人撰写的《情感计算与理解研究发展概述》一文，再次全面总结了我国情感计算的发展现状，分析了国内研究的优势和不足以及未来发展趋势。［15］其后，由中国科学院软件研究所、中国电子技术标准化研究院等共同制定的“信息技术—情感计算用户界面—模型”国际标准正式发布，这是全球关于情感交互的首个国际标准，我国有关情感计算的研究和应用已经走在国际前列。［16］
（三）研究情感计算在国内政府治理领域应用的相关文献
随着我国政府治理信息化、数字化进程的不断加快，人工智能开始被运用于社会公共治理，学者们集中关注人工智能的技术优势如何推动政府自身革新。但相比情感计算在产业领域的实际运用，其在社会治理方面的研究相对滞后。党的二十大报告把“国家治理体系和治理能力现代化深入推进”作为未来五年我国发展的主要目标任务之一，并对加快建设数字中国做出重要部署。2020年，研究者开始从社会治理的角度探讨情感计算在政府治理方面的应用。截至2025年8月，中国知网收录的与“情感计算和政府治理”相关的期刊论文还不到20篇。对于情感计算是如何通过具体实践提高政府治理效能的认知仍然较为模糊，缺乏系统的分析与归纳。
本文在详细梳理情感计算理论发展脉络和介绍情感计算技术架构的同时，分析总结目前情感计算在我国政府治理实践中的实际作用以及遇到的挑战。可以说，相比主要依赖于规章制度和流程化操作的传统政府治理模式，情感计算在数字化赋能国家治理方面的作用不容小觑，不仅能从技术层面为政府提供更全面的数据信息、增强决策的科学性，还能为公众提供个性化服务以及实现对社会风险的实时监测与及时响应，促进政府治理向更加高效、精准、人性化的方向发展。
三、情感计算的技术体系架构
获取情感信息是情感计算的基础，而要处理情感信息、建立情感的参数化模型，关键在于识别情感信息的表现方式。早期的情感建模主要依据可观测的特征值，比如文本、语音等单一模态情感信息。随着研究的深入，后期学者们提出构建融合性的多模态情感计算模型，以实现对人的情感表达的全面描述。
（一）单模态情感计算
文本情感分析。文本情感分析是指利用自然语言处理技术，构建情感词典，将文本中的词语与预先定义好的情感标签（如积极、消极、中性）进行匹配，对经过标注的文本数据集进行训练，以自动识别文本中的情感倾向。深度学习模型如循环神经网络（recurrent neural network，简称RNN）和卷积神经网络（convolutional neural network，简称CNN）在处理复杂文本情感分析任务中表现出色，但仍面临许多困难和挑战。比如“语言表达中的隐式与显式、模糊与歧义、情景背景与个人偏好等”［17］，导致精确描述和定义混合的细分情感仍然存在一些关键性的技术难题。
语音情感识别。语音情感识别是指借助语言学和声学相关技术，通过分析语音的语调、语速、音量等特征来判断说话者的情感状态。比如，较高的语速和较大的音量可能与愤怒或激动的情绪相关，而缓慢的语速和低沉的语调可能表示疲惫、悲伤或沮丧。当前，语音情感识别做得较好的是VGGish模型和Wav2Vec模型。虽然语音情感识别在情感描述模型的引入、情感语音库的构建、情感特征分析等领域都有了突破性进展，但缺乏大规模、高质量的标注数据集以及语音特征与情感映射关系的复杂性仍然是制约其发展的关键因素。
视觉情感分析。视觉情感分析是指基于计算机视觉技术，识别人脸表情、肢体动作以及场景图像中的情感信息。例如，识别人物面部表情中的快乐、悲伤、惊讶等情绪，或者根据图像中的色彩、构图等元素来推断整体的情感氛围。Ekman开发的FACS（facial action coding system）系统，为面部表情识别提供了基础框架。［18］随着人工智能时代的到来，计算机视觉领域的深度学习方法催生出WiderFadce、ImageNet这样的世界级图片识别数据集，但在实际应用中，不同文化背景下表情解读的差异以及图像语义理解的难度等问题亟待解决。
生理情感特征。不同于文本、语音、表情等可以通过主观意识的控制来隐藏部分实际的情感，生理信号特征主要来自神经系统和内分泌系统，其外在表征不受主观意识的控制，可以更加真实地反映出人的情感特征。利用可穿戴设备从生理信号来识别人类情绪，为基于生理信号的情感计算研究提供了新的思路。［19］与直观的面部表情和语音相比，准确识别生理情感信号更具挑战性。当前，基于生理模式的情感识别研究尚处于起步阶段，哪些生理信号能够转化为情感指标、不同信号应如何分配权重等问题仍需进一步探究。
（二）多模态情感计算
多模态发展现状。多模态情感计算通过融合文本、语音、视觉等多种模态信息，有效整合不同模态间的信息互补性，提高情感计算的鲁棒性。目前，基于深度神经网络的多模态情感识别方法已经在学术界和工业界得到实践应用，通过有效融合场景、个体差异、时序上下文等先验信息，模拟人脑对信息的融合与处理方式取得了质的飞跃。多模态大模型呈现出对数据依赖程度较低、泛化能力强、可以与视觉大模型和语言大模型等其他模型相结合等优点。
多模态融合策略。多模态计算模型最显著的特点是运用融合策略来对情感做系统性计算。多模态信息融合方法主要有决策层融合与特征层融合两种，部分学者亦会混合运用这两种融合方法。决策层融合方法具备操作便捷、灵活性强的特点，而特征层融合方法呈现出跨模态、端到端、适应性强的特点。还有一种多阶段多模态情感融合方法，即先独立训练单一模态模型，再将其与另一模态特征合并，接着训练双模态模型，逐步扩展至多模态模型。这种递进式训练方法虽然能有效提升情感识别的准确度，但还无法有效解决多模态信息融合过程中的模态对齐、信息冗余处理等问题。
四、情感计算提升政府治理效能的实践应用
（一）情感计算优化政府决策机制
公众情感数据驱动的决策制定。政府在做决策时，需要充分考虑公众的需求和意愿。传统的科层制治理模式往往深陷于科层体系内部的政治需求和政治目标，忽视与公众的情感联结。［20］人工智能时代，可以高效抓取并分析海量社交媒体、新闻评论、论坛等数据，帮助政府准确识别公众对特定政策或议题的情感倾向，更深入全面地洞察社情民意。比如，分析社交媒体上公众对环境问题的情感倾向，快速了解公众对空气污染、水污染、垃圾分类等不同环境议题的关注度和焦虑水平，有针对性地确定政策优先方向。2019年，上海市正式实施《上海市生活垃圾管理条例》后，上海广大市民除了在社交媒体上分享如何正确区分不同种类的垃圾和一些垃圾分类小技巧，还提出了垃圾分类政策实施过程中出现的一些问题，诸如垃圾桶设置不合理、垃圾分类名目不够细化、分类后的垃圾运输过程中存在混装等，让许多“网络围观”的其他省份的群众质疑开展垃圾分类的可行性。上海市政部门通过对社交媒体情感表达的收集和分析，及时增加了垃圾桶的投放数量，并针对市民提出的垃圾分类知识宣传不到位等情况，通过社区活动、线上宣传等多种方式讲清群众关注的难点、痛点，用实际行动在潜移默化中增强群众的垃圾分类意识。现如今已经有越来越多的市民认同、接受和实施垃圾分类。
决策模拟与风险预测中的情感计算。情感计算具备强大的预测功能。在政策出台前，可利用数字孪生技术让情感计算模型模拟公众对不同政策方案的情感反馈。这种前瞻性模拟分析有助于政策制定者增强其在现实治理活动中对民众情感状态的认知，预见政策潜在的社会影响，及时调整政策方向或制定配套措施。此外，情感计算还可以避免政府工作人员人为的情感偏见或情感懈怠，确保以数据为依据，保持政府的公信力。比如，当政府工作人员情绪低落但又有大量的数据需要处理时，这种消极情绪可能会影响他们的工作效率，进而可能导致公众的利益受损。情感计算能使行政治理活动不再囿于个人的时间或精力耗损，在大幅提高行政效率的同时，也减少了人为因素的干扰。
（二）情感计算创新公共服务模式
个性公共服务的精准推送。传统的政府服务满意度通过固定的问题和答案选项来获取，难以全面准确地反映公众的真实感受。情感计算技术拥有强大的移情共情能力，能够及时捕捉公众的情感表达，对不同公众的情感需求和偏好进行分类，帮助政府部门为公众提供更加精准、人性化的服务，从而显著提高公众的获得感和满意度。比如，上海市卫生健康委员会以情感计算赋能科学育儿指导服务，开发“育之有道”App，在这个交互性平台上为用户提供精准贴合孕期女性及宝宝年龄的服务。打开“育之有道”App，输入个人信息、居住区域等，平台会自动生成符合用户行为和偏好的应用服务，帮助家长即时、方便地获取指导。仅2023年，上海市0~3岁婴幼儿家庭在“育之有道”上的注册人数已达99306人，在线接受指导超过百万次。
公共服务质量的动态评估与改进。情感计算能对公共服务质量进行实时评估。例如，相关部分通过分析公众对公共交通服务的满意度，实时关注诸如高峰期运力不足、准点率低、个别道路随意停车等问题，可以精准了解服务短板，进一步改进服务。基于情感计算的结果，政府能够反向敦促政务信息部门设计出更符合公众需求的政务公共服务网站，提高公众的满意度。比如，深圳市乡村振兴和协作交流局为了适应新的时代需求，在2023年完成自适应升级改版，探索性开设了搜索即服务、政策精准推送平台、留言大数据分析、用户行为分析、网站知识图谱导览等栏目，持续提升政务服务水平。通过收集用户搜索偏好和政策解读需求，2025年，深圳市乡村振兴和协作交流局再次升级平台，新增农田管理及粮食种植、安全生产监管等子系统，通过数字化手段提升农业管理效率，以政务服务助推乡村振兴战略的顺利实施。
（三）情感计算增强社会风险防控能力
舆情监测与危机预警的情感智能分析。情感计算在舆情监测方面发挥着重要作用。在社会事件突发时，政府能够借助情感计算快速分析公众对突发事件的情感反应，监测网络舆情，及时识别潜在的社会不稳定因素。若观察到有大量负面情绪正在集中和传播，则预示事件有演变为危机的危险，政府可以提前介入，及时发布准确、权威信息，安抚公众情绪，缓解紧张局势。目前，情感计算已被广泛运用于公共安防领域。比如，“阿尔法鹰”人工智能反恐安防系统，只需人脸部、颈部3~5秒的动态视频流，就能分析每个像素点的肌肉微振动，计算出个人压力、侵略性和焦虑度等参数，甄别潜在的可疑危险人员，辅助安检人工排查，有效提高了公共安全防范水平。在紧急救援中，“阿尔法鹰”也可以通过快速识别受困人员的情感状态，为救援工作提供更准确的信息。
促进融情交往与加强国际交流。由于不同生活背景和文化背景的群体对情感表达和理解存在差异，政府可以利用情感计算技术解析不同群体之间的情感互动效能，通过交流融情、调整社会政策等方式来促进不同群体间的情感交流和理解，并以此修正完善情感计算模型，减少群体间的情感隔阂。情感计算还能在外事部门的国际交流中发挥作用。研究者可以分析国际社交平台上不同群体对中国议题的态度和情感，了解国际社会对中国政府和具体事件的看法和态度，为制定灵活的外交政策提供参考。情感计算还可以帮助讲好中国故事，实时掌握国外公众的信息需求，勾勒不同地域和文化背景的公众对中国话题的信息需求的主题框架及热度，以及话题演化特征，评估各类信息需求的被满足程度，助力中国故事走向海外。
（四）情感计算促进公众参与和政民互动
互动式公众参与路径的情感驱动设计。情感计算技术在智能化政务咨询服务中的应用正在彻底重塑政民互动的方式。借助情感计算技术，政府可以打破原有“政府—公民”的单向度管理模式，转向情感互动的双向情感路径。情感的有效沟通让政府能够更加主动地响应公众的情感诉求。公众感受到“行政为民”的力度与温度后，参与治理的热情会被激发，进而形成一种健康正向反馈的行政治理格局。以城市规划为例，政府通过分析公众对不同规划方案的情感反馈，对方案进行调整，并及时向公众反馈调整结果，让公众感受到自己的意见可以被真正看见，从而更加积极地参与后续的城市规划讨论，使政府与公民在情感层面结为更紧密的共同体，形成良好的社会共治氛围。
拓宽公众参与渠道。情感计算技术还能拓宽公众参与渠道。目前，一些地方政府探索开发基于人工智能结合情感分析的公众参与平台。比如，2022年，广州市白云区政务服务数据管理局建立了“白云区12345热线智慧办理系统”，该系统在评价指数层面引入情感识别计算，为公众提供了多种形式的问题反映渠道，诸如语音、文字、图片、视频等。系统会以这些内容为依据进行分类整理，构建知识图谱，方便政府快速获取公众的核心诉求，推动政府治理朝着更加透明、民主、人性化的方向不断迈进。
（五）情感计算增强中华民族凝聚力
随着情感计算工作模式的迭代进步，现在还可以利用人工智能技术对文化遗产、历史文献等进行情感分析。中共中央办公厅、国务院办公厅印发的《关于实施中华优秀传统文化传承发展工程的意见》明确提出，要“把中华优秀传统文化内涵更好更多地融入生产生活各方面”。文化的传承与创新相辅相成，在保持对中华优秀传统文化尊重和传承的同时，也需要创新和发展，使之适应现代社会的需求。这种创新包括对中华优秀传统文化的现代诠释和在新的社会环境中对中华优秀传统文化的重新定位和估值。通过将传统情感世界中的向善理论融入政策制定、社会治理和公共服务，政府可以更有效地推动社会的和谐与进步。以古鉴今，挖掘中华优秀传统文化中蕴含的情感认同，更好地理解传统情感世界中的向善理论，不仅会为政府的现代化建设提供有益思路，更能在日常为人民服务的过程中培养民众对中华民族的认同感和自豪感。
五、政府治理中应用情感计算面临的挑战及其应对
（一）数据获取与质量保障难题
实现有效的情感计算，需要大量、多元的数据，通过深度学习构建起鲁棒性极高的情感识别算法模型。然而，获取数据并非易事，社交媒体获取的公众情感数据无法保证其真实性、全面性。因为情感的发生与个体的成长环境和社会经历紧密相关，无论是通过单一的文字、语言来表达，还是通过多模态的综合方式来表达，即便是目前最先进的定量模型，也难以标注所有差异类情感。因此，在运用情感计算模型时，须采用来自多样化分类和文化背景的数据集，结合不同的算法或参数模型进行训练。通过多样化训练算法，人们可以有效减少情感分析过程中的偏见，提高模型的信度和效度，确保情感计算技术在政府治理中的公正应用。政府要尽快制定明确的数据标注指南，建立多人协作标注与审核机制，提高数据标注的一致性和可靠性。此外，不同平台的数据格式和规范不一致，收集到的数据资料良莠不齐，这在一定程度上增加了数据整合的难度。为此，政府需要建立统一的数据采集标准和规范，拓展数据获取渠道，加强与第三方数据机构的合作，确保数据的准确性和完整性。
（二）隐私保护与伦理困境
在采集公众情感数据的过程中，不可避免地会涉及公众隐私问题。因此，要建立人工智能安全监管制度，确保人工智能安全可控。鉴于算法的技术性和专业性，公众对情感计算技术的了解相对有限，可能对“算法黑箱”存在担忧和误解。如何在获取数据提升治理效能和保护公民隐私之间找到平衡点，确保数据的合法使用，防止数据泄露和滥用，成为政府面临的重要挑战。政府应尽快出台人工智能监管的相关法规、制度、标准，掌握并审查技术提供者生成的算法运行目标记录、算法相关因子的权重以及算法流程等相关内容，避免人工智能发展的不透明性和不对等性，防范和化解各类安全风险，保护国家利益、社会公共利益和个人合法权益。同时，加强公众隐私保护教育，提高公众对数据安全的信任度。
（三）技术局限与决策风险
可以预见，将情感计算技术用于社会治理是大势所趋。然而，在复杂的语义环境中，情感分析可能会出现误判，政府在决策过程中应将情感计算结果作为参考而非唯一依据，时刻警惕过度依赖该技术可能引发的风险。政府在运用情感计算技术时，必须在技术与人文因素之间达成平衡，防止情感操纵现象的出现。情感操纵是指网络平台在情感识别的基础上向用户推送相关信息，以利用、控制或影响用户情绪的方式引导其做出相关决策并获得相关利益。［21］情感操纵可能会使公众失去自主决定情感信息的控制力，也可能导致个体在情感信息茧房中忽略现实世界的真实社交，进而影响心理健康，甚至可能会因人工智能情感判断的误导而产生不切实际的期望。故而，政府需要积极引导公众正确认识人工智能技术，用批判性思维看待情感计算，认识到维护传统人际交往的重要性，以确保技术发展与人的需求的和谐统一。
六、未来政府应用情感计算提升治理效能的契机与方向
（一）人工智能时代的数字化转型浪潮
随着政务数字化转型的推进，政府在数据收集、存储、分析等方面的能力得到不断提升，为情感计算技术的应用提供了良好基础。许多地方政府为了发展数字政务搭建起大数据平台，这些平台可以集成情感计算功能，实时采集公众在办理政务过程中的情感反馈，定期对情感计算模型进行调整，从而不断优化政务服务流程和质量。不过，政府在加大数字化发展力度的同时，也需要建立体制内情感数据使用审查机制，对情感数据进行脱敏化处理，确保数字行政符合行政法治原理。
（二）智慧城市建设的时代契机
智慧城市建设为情感计算的发展提供了很好的契机。智慧城市建设是一个庞大的系统工程，政府应主动推动建立多方参与的情感计算人机交互体系。在深度学习技术诞生后，人工智能算力有了质的突破，基于智慧城市建设的情感计算可以数字化模式快速、准确地分析与公众日常生活密切相关的公共服务数据，为城市的精细化治理提供有力支持。可以预见，未来情感计算技术将不仅仅局限于舆情监测、公共安全治理等领域，还将在环境保护、城市规划、文化建设等众多领域发挥重要作用。
（三）情感计算的道德伦理嵌入
情感计算技术的发展，本质上是为了更好地理解和满足人民的情感需求，提升人民的生活质量，因此，我们应特别重视构建起情感计算中的道德规范，秉持“人为自己立法”的规范性原理，将道德要求嵌入情感计算的算法，让算法遵循善法。［22］2021年，国家新一代人工智能治理专业委员会发布了《新一代人工智能伦理规范》，旨在将伦理道德融入人工智能全生命周期。在人工智能各类活动应遵循的基本伦理规范中，第一条是“增进人类福祉”。在其使用规范部分，第一条即强调“提倡善意使用”。人类的道德情感规范蕴含着价值判断，我们一方面可以通过将道德嵌入人工智能的深度学习，建构和完善能理解人类道德基本规则的情感计算模型，朝着情感计算也能如人一般进行价值判断的方向努力；另一方面要在拓展人机交互的过程中有责任感地进行“向善”道德引导，不断矫正情感计算中的偏差和错误。情感计算技术的发展必须以满足人民对美好生活的向往为出发点，服务于人民，确保技术的应用能够增进公共利益。我们要秉持着为人民服务的初心，在美好向善生活的伦理框架下，与人工智能共同进化和成长。
七、结论与展望
情感计算为提升政府治理效能提供了新的机遇和工具。无论是决策制定、公共服务供给，还是社会稳定维护、公众参与等，情感计算都能在其中发挥重要作用。然而，政府在应用情感计算技术时，也不可避免地面临着数据隐私保护、技术准确性、社会接受度等诸多挑战。为了充分发挥情感计算在政府治理中的潜力，政府需要在技术研发、政策制定以及公众沟通等方面采取积极措施。展望未来，伴随着技术的持续进步与社会观念的逐步转变，情感计算有望成为政府治理的关键助力因素，其在政务应用中的发展方向将更加多元化和智能化，推动政府治理朝着更为高效、精准、人性化的方向发展。
在后续研究中，拟进一步深入探索情感计算与其他新兴技术（如区块链、物联网等）的融合应用，发挥其在政府治理领域的潜力，持续关注情感计算给政府治理理论与实践带来的长期影响，为政府治理现代化提供更丰富的理论支撑和实践经验。
参考文献：
［1］亚里士多德.修辞学［M］.罗念生，译.北京：生活·读书·新知三联书店，1991：70.
［2］AUGUSTINE. The City of God Against the Pagans［M］. Cambridge：Cambridge University Press，1998：590.
［3］康德.实用人类学（外两种）：注释本［M］李秋零，译注.北京：中国人民大学出版社，2013：132.
［4］JAMES W. What Is an Emotion？［J］.Mind，1884，34（9）：188-205.
［5］路耀华.思维模拟与知识工程［M］.北京：清华大学出版社，1997：84.
［6］SIMON H A. Motivational and Emotional Controls of Cognition［C］//Models of Thought.New Haven：Yale University Press，1967：29-38.
［7］明斯基.心智社会：从细胞到人工智能，人类思维的优雅解读［M］.任楠，译.北京：机械工业出版社，2016.
［8］皮卡德.情感计算［M］.罗森林，译.北京：北京理工大学出版社，2005：8.
［9］RAO Y，WU L W，WANG Y M，et al. Research Progress on Emotional Computation Technology Based on Semantic Analysis［J］. Journal of Software，2018，29（8）：2397-2426.
［10］陶建华，谭铁牛.数字化人类情感：和谐人机交互环境中的情感计算［J］.微电脑世界，2004（1）：29-32.
［11］王志良，解仑.我国人工心理与人工情感研究现状与进展［J］.中国科学基金，2013（1）：14-17.
［12］张迎辉，林学誾.情感可以计算：情感计算综述［J］.计算机科学，2008（5）：5-8.
［13］王峰.人工智能的情感计算如何可能［J］.探索与争鸣，2019（6）：89-100.
［14］之江实验室，DELOITTE，上海科学技术出版社，等.情感计算白皮书［R/OL］.（2023-07-19）［2025-03-25］.https：//www.sgpjbg.com/baogao/133274.html.
［15］姚鸿勋，邓伟洪，刘洪海，等.情感计算与理解研究发展概述［J］.中国图象图形学报，2022，27（6）：2008-2035.
［16］首个人机交互情感计算国际标准正式发布［EB/OL］.（2022-11-21）［2025-05-20］.https：//www.cas.cn/syky/202211/t20221121_4855250.shtml.
［17］CAMBRIA E. Affective Computing and Sentiment Analysis［J］. IEEE Intelligence System，2016，31（2）：102-107.
［18］EKMAN P，FRIESEN WV. Facial Action Coding System （FACS）：A Technique for the Measurement of Facial Actions［J］. Rivista Di Psichiatria，1978，47（2）：126-138.
［19］LISETTI C L，NASOZ F. Using Non-invasive Wearable Computers to Recognize Human Emotions from Physiological Signals［J］.EURASIP Journal on Applied Signal Processing，2004（11）：1672-1687.
［20］王启松.计算与情感：组织管理逻辑的博弈与耦合［J］.领导科学，2019（22）：77-80.
［21］褚婧一.情感计算的信息隐私法律风险及其应对［J］.交大法学，2023（3）：63-77.
［22］田海平.让“算法”遵循“善法”［N］.光明日报，2017-09-04（15）.
基金项目：2023年度国家社会科学基金重大项目“数字包容与健康老龄化体系建设研究”（项目编号：23&ZD189）
（选自《领导科学》2025年第5期）