感情とは何か――人の心は数値化できるのか

嬉しい。

怖い。

腹が立つ。

悲しい。

私たちは、自分の感情についてはあまりにも自然に理解している。

「今、自分は怒っている」

そう感じたとき、普通はその事実を疑わない。

しかし科学の問いとして見ると、急に難しくなる。

怒りとは、物理的には何なのだろう。

心拍数が上がることなのか。

交感神経が活動することなのか。

脳の特定部分が活動することなのか。

「不快だ」と意識することなのか。

相手を攻撃したくなることなのか。

それとも、それらすべてをまとめた状態なのか。

さらにもう一つ、現代だからこそ現実味を持ってきた問いがある。

感情を数値にすることはできるのか。

「現在の怒り：72」 「快・不快：−0.63」 「覚醒度：0.81」

人間の心がこのように表示される日は来るのだろうか。

これは完全な空想ではない。

顔、声、心拍、皮膚電気反応、脳波を使って感情状態を推定する「情動コンピューティング（affective computing）」はすでに大きな研究分野になっている。

そして2026年、中国・浙江大学を中心とする研究チームは、脳内に留置された電極から得た信号を使い、被験者が自己評価した「快・不快」と「覚醒度」を連続量としてリアルタイムに推定する研究を Nature Computational Science に報告した。[1]

では、人間の感情は本当に「測れるもの」になり始めたのだろうか。

その答えを考えるには、まず、

そもそも感情とは何なのか

から始める必要がある。

---

実は、科学にも「感情とは何か」の最終回答はない

意外かもしれないが、感情研究には現在も一つの統一された定義がない。

神経科学、心理学、進化生物学などでは、感情をどのように定義するかについて今も議論が続いている。[2][3]

大きく分けると、少なくとも次のような見方がある。

基本感情という考え方

喜び、恐怖、怒り、悲しみ、嫌悪など、人間には進化によって備わった基本的な感情システムが存在すると考える。

次元として捉える考え方

感情を「怒り」「悲しみ」という箱に最初から分けるのではなく、

• valence（快―不快）
• arousal（覚醒―沈静）

などの連続した軸上の状態として表現する。

認知評価から生まれるという考え方

同じ出来事でも、その人が状況をどう評価したかによって感情が変わると考える。

例えば心拍が上がっていても、

「危険が迫っている」

と評価すれば恐怖になり、

「勝てそうだ」

と評価すれば興奮になるかもしれない。

脳が感情を構成するという考え方

身体内部の状態、過去の経験、状況、概念などを脳が統合し、その結果として「怒り」「恐怖」といった感情経験が構成されると考える。

現在の科学は、このうち一つだけが完全に正しいと決着しているわけではない。

むしろ重要なのは、

感情は単一の部品ではなく、脳・身体・記憶・状況・行動が関係する複合的な状態である

という点である。

---

「感情」「情動」「気分」は同じものなのか

日本語では少しややこしい。

日常語では「感情」という言葉に多くを含めるが、神経科学や心理学では、

• emotion
• feeling
• mood
• affect

を区別することがある。

ただし研究分野によって用語の使い方自体が異なるため、完全に統一された線引きがあるわけではない。

この記事では理解しやすさを優先し、次のように整理する。

情動（emotion）

何らかの出来事に対して生じる、

• 脳活動
• 自律神経反応
• 身体反応
• 注意の変化
• 行動傾向
• 主観的経験

などを含む一連の状態。

感じ・主観的感情（feeling）

「怖い」「嬉しい」「嫌だ」と本人が意識的に経験している側面。

気分（mood）

明確な対象がなくても比較的長く続く、

「なんとなく憂うつ」 「今日は気分がいい」

といった状態。

つまり、

感情とは頭の中に浮かぶ言葉だけではない。

身体も行動も注意も記憶も変える、全身的な状態なのである。

---

なぜ生物には感情が必要なのか

感情を理解するには、

「なぜ進化の中で残ったのか」

と考えると分かりやすい。

森の中で大きな物音がしたとする。

原因を完全に分析してから、

「危険である確率は62％だから、移動を開始しよう」

などと計算していたら遅い。

危険かもしれない刺激に対して、

• 注意を向ける
• 心拍を変える
• 筋肉を動かせる状態にする
• 他の行動を中断する
• 逃げる準備をする

という複数のシステムを一気に切り替えた方が生存には有利である。

恐怖は、単なる「嫌な感じ」ではない。

生物全体を危険対応モードへ切り替える仕組み

と見ることができる。

同じように、

嫌悪は、有害なものから距離を取る。

報酬に伴う快は、その行動を繰り返しやすくする。

愛着や社会的感情は、他個体との関係維持に影響する。

怒りは、障害や侵害への対処を促す場合がある。

もちろん現代社会では、進化的に形成された反応が必ずしも最適とは限らない。

それでも感情には、

「この出来事は自分にとって重要か」

「近づくべきか、避けるべきか」

を生物に素早く評価させる機能がある。

---

感情は「脳だけ」で起きているわけではない

怖いとき、

心拍が上がる。

汗をかく。

呼吸が変わる。

胃が縮むように感じる。

筋肉が緊張する。

これは感情に伴う身体変化である。

そして脳は、この身体から返ってくる情報も受け取っている。

つまり、

脳が身体を変え、身体の変化が再び脳へ返る。

感情は一方向ではない。

この身体内部の状態を脳が感じ取る仕組みは**内受容感覚（interoception）**と呼ばれる。

感情と身体の関係が深いのは、

「気分の問題だから身体とは無関係」

ではなく、

感情という現象そのものが脳と身体の相互作用を含んでいる

からである。

---

「扁桃体＝恐怖を作る場所」ではない

脳科学の説明では、

「扁桃体は恐怖を司る」

「前頭前野は理性を司る」

といった表現がよく使われる。

入門としては分かりやすいが、実際はもっと複雑である。

感情は一つの脳領域だけで生成されるわけではない。

扁桃体、視床下部、島皮質、前頭前野、帯状皮質、海馬、線条体など、多数の領域が状況に応じてネットワークとして働く。[2]

扁桃体も恐怖だけを処理する装置ではない。

刺激の重要性、学習、価値など複数の処理に関係する。

したがって、

脳の一点を見れば「この人は怒っている」と分かる

というほど単純ではない。

むしろ感情は、

多数の脳領域と身体状態から形成される分散したパターン

として研究されている。

---

感情を数字にする最も単純な方法

では本題に入ろう。

感情は数値化できるのか。

実は、最も単純な意味では昔から数値化されている。

「今どのくらい不快ですか？」

0 ～ 10

で答えてもらえばよい。

これは自己申告による数値化である。

しかし研究者が目指しているのは、その先である。

本人に聞かなくても、

• 顔
• 声
• 心拍
• 発汗
• 呼吸
• 脳波
• 脳内電極

などから感情状態を推定できないか。

ここで重要なのは、

何を数字にするのか

である。

---

方法1：「怒り70％、悲しみ20％」と分類する

AIの感情認識では、

• happiness
• sadness
• anger
• fear
• disgust
• surprise

などのカテゴリーを設定し、

顔や声から各感情の確率を出す方法がある。

例えば、

anger 0.68
sadness 0.12
fear 0.08
neutral 0.12

といった出力である。

一見すると「感情の数値化」に見える。

しかし正確には、

入力された顔や声が、学習データ上のどのカテゴリーに似ているか

を数値化している。

「怒っている顔」と「本人が怒りを感じていること」は同じではない。

人間は笑顔のまま怒ることもできる。

緊張して笑うこともある。

文化や状況によって表情の出し方も変わる。

2024年の Nature Communications の研究でも、他者の感情推定では顔だけより状況情報が非常に重要であり、孤立した顔情報だけでは不十分であることが示されている。[4]

したがって、

表情認識＝心を直接読んでいる

ではない。

---

方法2：「快・不快」と「覚醒度」で座標にする

現在の感情研究で非常によく使われる方法が、

Valence

快い ←→ 不快

Arousal

興奮・活性化 ←→ 落ち着き・低活性

という二つの軸である。

例えば単純化すれば、

状態	Valence	Arousal
楽しい興奮	＋	高
穏やかな安心	＋	低
怒り	−	高
恐怖	−	高
悲しみ	−	低

となる。

この方式の大きな利点は、

感情を連続量として扱えること

である。

「怒っている／怒っていない」

の二択ではなく、

不快度 −0.72

覚醒度 +0.84

のように表せる。

実際、EEGを用いた感情認識研究の系統的レビューでは、調査された研究の大部分がvalence-arousal型の二次元モデルを使用していた。[5]

---

しかし、2つの数字だけでは「怒り」と「恐怖」を区別できない

ここに問題がある。

怒りも恐怖も、

不快＋高覚醒

になりやすい。

しかし両者は同じ感情ではない。

怒りでは、

「相手へ向かう」

という行動が出る場合がある。

恐怖では、

「逃げる」

という行動が出る場合がある。

さらに、

• 何が原因なのか
• 自分に制御可能なのか
• 誰の責任だと思っているのか
• 予想していたのか
• 社会的にどういう意味を持つのか

によっても感情は変わる。

そのため研究では、

dominance（支配・統制感）

など第三の軸を加えたり、状況評価や感情カテゴリーを組み合わせたりする。

つまり、

感情を数値にすることはできる。

しかし、少数の数字だけで感情のすべてを表せるとは限らない。

というのが現在の現実に近い。

---

中国では本当に「感情の数値化」が進んでいるのか

ここは非常に興味深い。

結論から言えば、

研究自体は本当に進んでいる。

中国は現在、情動コンピューティングや感情認識研究で大きな研究勢力の一つになっている。

1997～2023年の3万件を超える情動コンピューティング関連論文を分析した2024年のレビューでも、中国とインドの研究拡大が指摘されている。[6]

そして2026年7月、かなり象徴的な研究が発表された。

---

浙江大学の研究――脳信号から「快・不快」と「覚醒度」を読む

浙江大学などの研究チームは、2026年7月22日、Nature Computational Science に

Cross-task, explainable and real-time decoding of human emotion states by integrating gray and white matter intracranial neural activity

という研究を発表した。[1]

研究では、臨床目的で頭蓋内電極を使用する参加者から**頭蓋内脳波（iEEG）**を記録した。

参加者は感情を喚起する映像や画像を見て、自分の状態を

• valence
• arousal

として自己評価する。

研究チームは、

脳信号 → 本人が回答したvalence/arousal

の関係を深層学習モデルに学習させた。

18人のデータでモデルを構築し、灰白質だけでなく白質から得られる信号も統合したところ、連続的なvalence/arousalの推定性能が向上した。

さらに、映像による課題と画像による課題をまたいでも一定の汎化が確認され、4人の新しい参加者ではリアルタイムのデコーディングも実装された。[1]

これは確かに、

感情状態を脳活動から数値としてリアルタイム推定する

方向へ大きく近づいた研究である。

---

では「感情を読む機械」が完成したのか

ここでニュースのタイトルと科学的実態を分ける必要がある。

この研究で、

「脳を見ればその人の感情が全部分かる」

ようになったわけではない。

最大のポイントは、

教師データが本人の自己評価である

ということである。

研究者はまず本人に、

「今どの程度快いか」

「どの程度覚醒しているか」

を答えてもらう。

そして、その数値と脳信号の対応関係を学習している。

つまりAIが直接発見した「絶対的な感情の物理単位」ではない。

構造としては、

本人の主観
↓
数値ラベル
↓
同時に記録した脳活動
↓
対応関係をAIが学習
↓
新しい脳活動から主観評価値を予測

である。

この違いは非常に重要である。

---

現在の「感情数値化」が抱える根本問題――正解は誰が知っているのか

AI画像認識なら、

「この写真に猫が写っている」

という正解を比較的明確に決められる。

温度計なら、物理量として温度の基準を作れる。

しかし、

「この人の怒りは本当は何点なのか」

という外部の絶対基準は存在しない。

本人が「怒り7」と言えば、それを正解として使うのか。

顔が怒っていれば怒りなのか。

脳活動が特定パターンなら怒りなのか。

心拍が高ければ怒りなのか。

ここに感情計測特有の問題がある。

研究ではしばしば本人の自己報告が「ground truth」として用いられる。

しかし自己報告にも、

• 言語化能力
• 自己認識
• 記憶
• 社会的配慮
• 質問の仕方

などが影響する。

つまり、

感情を測る装置を作る前に、「何を正解とするのか」という哲学的かつ科学的問題が存在する。

---

心拍数を測れば感情は分かるのか

ウェアラブル機器なら、

• 心拍
• HRV
• 発汗
• 皮膚温
• 呼吸
• 瞳孔

などを測れる。

しかし、

心拍数が上がった

＝恐怖

ではない。

運動しても上がる。

興奮しても上がる。

怒っても上がる。

カフェインでも変化する。

皮膚電気反応も、主に覚醒度との関係はあるが、特定の一つの感情専用の信号ではない。

2025年のarousal測定に関するレビューでも、覚醒度という概念自体の定義や測定には重要な理論的・実験的課題が残ることが指摘されている。[7]

したがって生理計測は、

感情そのものを直接測る

というより、

感情に関連する身体状態を測っている

と理解した方が正確である。

---

顔・声・身体・脳を全部合わせればどうなるのか

ここでAIが強い。

一つの信号だけでは曖昧でも、

• 顔
• 視線
• 声
• 発言内容
• 姿勢
• 心拍
• 発汗
• 脳波
• 過去の本人データ
• 現在の状況

を同時に入れれば、推定精度を上げられる可能性がある。

これがmultimodal emotion recognitionである。

中国でも、生理信号を含むマルチモーダル感情認識は活発な研究対象になっている。[8]

最終的なシステムは、

「顔から怒りを読む機械」

よりも、

多数の観測値から、その人が現在どのような情動状態にある確率が高いかを推定するシステム

になっていく可能性が高い。

---

では、感情は数値化できるのか

ここまでを整理すると、答えは少し複雑になる。

すでに数値化できるもの

• 本人が報告する快・不快
• 本人が報告する覚醒度
• 心拍数
• HRV
• 発汗
• 呼吸
• 表情の特徴
• 声の特徴
• 脳活動の特徴
• 各感情カテゴリーである確率

これらはすでに数字にできる。

AIで推定できるもの

これら複数のデータから、

• valence
• arousal
• stress
• engagement
• いくつかの感情カテゴリー

などを確率的に推定することもできる。

まだできないこと

「この人の感情そのものを完全に読み取り、万人共通の絶対単位で表示する」

ことはできない。

だから2026年時点で最も正確な表現は、

感情そのものが一つの数字になったのではない。

感情を構成する、あるいは感情と相関する複数の状態を数値化し、そこから本人の主観状態を推定できるようになりつつある。

である。

---

もし感情をかなり正確に数値化できるようになったら

ここからは、技術の先を考えてみよう。

仮に腕時計、イヤホン、カメラ、脳波計などから、

本人が意識して申告しなくても感情状態を高精度に推定できる

ようになったとする。

何が起こるだろう。

---

医療――「調子はどうですか？」だけに頼らなくなる

最も有益な応用の一つは医療だろう。

精神状態の評価は現在でも本人の訴えや診察が非常に重要である。

しかし将来的に、

• 1日の気分変動
• 強い不安状態
• 異常な覚醒状態
• 感情反応の変化

を長期間記録できれば、診療の補助情報になる可能性がある。

さらに脳深部刺激などと組み合わせれば、

異常な神経状態を検出
↓
刺激条件を変更
↓
状態が改善したか再評価

というclosed-loop neuromodulationへつながる。

浙江大学の研究も、将来の情動BCIや情動障害への閉ループ治療を応用先として挙げている。[1]

ここでは「感情が数字になる」ことは、

本人を評価するための点数

ではなく、

治療を調整するための生体信号

として使われる。

---

意思表示が難しい人の感情を伝えられる可能性

重度の身体障害などによって意思表示が難しい人でも、

脳活動や生理状態から

• 快
• 不快
• 苦痛
• 不安

などをある程度推定できれば、コミュニケーション支援につながる可能性がある。

これは感情数値化の大きな利点である。

しかし同時に、

本人が言っていないことを「本人の本心」と機械が決めてよいのか

という新しい問題も生まれる。

---

AIは、人間の気分に合わせて反応するようになる

現在のAIは主に、

• 入力された文章
• 音声
• 画像

から相手の状態を推測している。

将来、

「この人は不安が高い」

「説明についていけず混乱している」

「強いストレス状態にある」

とリアルタイムで推定できれば、AIの応答そのものを変えられる。

自動車なら、運転者が極度の緊張状態になったとき支援を強める。

学習支援AIなら、混乱が一定時間続いたとき説明方法を変える。

ロボットなら、人間の反応を見ながら距離や会話方法を調整する。

これが感情認識技術の理想的な使い方の一つである。

---

しかし、本当に危険なのは医療以外の利用かもしれない

同じ技術は全く別の方向にも使える。

例えば会社が、

社員の集中度

ストレス

不満

を常時数値化したらどうなるだろう。

学校が、

授業への興味

退屈

注意

を生徒ごとに記録したらどうなるだろう。

実際、中国では過去に教室内のカメラから学生の表情や行動を分析し、授業中の状態を評価するシステムが試験導入され、社会的な批判を受けた事例がある。[9]

技術的には、

「学習を助けるため」

と言える。

しかし、

「興味度の低い生徒」

「不満が高い社員」

「緊張している面接者」

というラベルが本人の意思と関係なく付けられ始めたら、話は変わる。

---

「推定値」が人間そのものとして扱われる危険

最も危険なのは、

AIの推定結果が真実として扱われること

である。

例えば、

AI：怒り82％

本人：「怒っていません」

となったとする。

どちらを信じるのか。

現状なら当然本人の言葉を重視するだろう。

しかし技術への信頼が進むと、

「本人は否定しているが、脳と生体情報では怒っている」

という判断が生まれるかもしれない。

ここには重大な逆転がある。

本来、

機械は人間の状態を補助的に推定するもの

だった。

それが、

機械の数字によって本人の内面が定義される

ようになる。

これは感情認識技術の最大の倫理問題の一つである。

---

EUはすでに一部の感情認識AIを禁止している

この問題は未来の空想だけではない。

EU AI Actでは、職場や教育機関で生体情報から人の感情を推定するAIについて、医療・安全目的などの例外を除き、使用を禁止する規定が設けられている。[10]

その理由としてEU法文自身が、

• 感情表現は文化や状況で変化する
• 信頼性に限界がある
• 特異性が十分ではない
• 一般化性能に限界がある

ことを挙げている。

興味深いのは、

技術が完成してから規制したのではない

ということである。

「精度が十分でない状態で、人間の内面を判定する権限を機械へ与える危険性」

そのものが問題視されている。

---

精度が100％になれば問題はなくなるのか

では極端な思考実験をしてみよう。

将来、脳活動、身体状態、過去の個人データを完全に読み取り、

本人の自己申告とほぼ100％一致する機械が完成したとする。

それなら、

感情を完全に測定した

と言えるのだろうか。

ここで再び「感情とは何か」に戻ってくる。

機械が測ったのは、

• 神経活動
• 身体反応
• 行動
• 本人が付けるラベル

との対応関係である。

しかし、

その人が実際に感じている「悲しさそのもの」

を機械が経験したわけではない。

これは意識の問題につながる。

赤色を見たときの「赤さ」。

痛いときの「痛さ」。

悲しいときの「悲しさ」。

こうした主観的経験を第三者が直接共有できるのかという問題は、現在も解けていない。

つまり、

感情を完璧に予測できること

と

感情そのものを完全に理解したこと

は、必ずしも同じではない。

---

「考える」と「感じる」は別々なのか

前の記事「考えるとは何か」では、思考を、

内部に世界の模型を作り、それを動かして結果を予測し、現実と照合して更新する働き

として整理した。

しかし人間は、ただ世界を予測しているだけではない。

予測した結果に、

良い

悪い

怖い

欲しい

避けたい

という価値を与える。

思考が、

「何が起こるだろう」

を扱うとすれば、

感情は、

「それは自分にとって何を意味するのか」

を脳と身体全体に反映する仕組みの一部と見ることができる。

この二つは完全に別々ではない。

恐怖は注意を変える。

怒りは判断を変える。

喜びは記憶を変える。

不安は未来予測を変える。

そして思考によって、

「これは本当に危険ではない」

と再評価すれば、感情も変化することがある。

2024年の脳画像研究でも、感情を再解釈して調整する認知的再評価には複数の前頭前野・頭頂・島皮質などの分散ネットワークが関わることが示されている。[11]

つまり、

考える脳と感じる脳が別々に存在するわけではない。

人間の認知は、思考と感情が相互に影響しながら動いている。

---

最終的に数値化されるのは「感情」なのか

ここまで見ると、感情はすでにかなり多くの要素に分解され、数値として扱われ始めている。

• 快・不快
• 覚醒度
• 心拍
• HRV
• 発汗
• 呼吸
• 表情
• 声
• 脳波
• 頭蓋内脳波
• 行動傾向
• 各感情カテゴリーに属する確率

これらは、すでに測定あるいは推定できる。

一方で、2026年現在、**「怒り = 73」**のような、万人に共通する単一の絶対量として感情を測定できるわけではない。

現在の感情認識AIが行っているのは、多くの場合、

観測された信号
↓
本人の自己申告や実験ラベルとの対応関係を学習
↓
その人がどのような感情状態にある可能性が高いかを推定

という処理である。

つまり現状では、感情そのものを直接測っているというより、感情と相関する複数の信号から感情状態を推定している。

この意味で、感情はまだ温度や電圧のような一つの物理量にはなっていない。

しかし、ここで終わりとは限らない

ここまでの議論だけを見ると、「感情は複雑すぎるため、結局は完全には数値化できない」という結論に見えるかもしれない。

しかし、もう一つ別の見方がある。

もし感情が、神経回路、シナプス結合、発火状態、神経伝達物質、神経修飾物質、ホルモン、受容体、身体状態、過去の学習履歴といった物理的・生物学的状態の結果として生じているのであれば、それらを十分な精度で観測できたとき、感情もまた数理モデルとして記述できるのではないか。

昆虫や線虫では、脳内のニューロン接続図――connectome――がかなり詳細に解明され始めている。特にショウジョウバエでは、約14万個のニューロンと約5450万個のシナプスからなる成虫脳のconnectomeが公開され、感覚入力から行動選択へ至る回路を計算モデルで扱う研究が進んでいる。

つまり少なくとも小さな脳では、

刺激
↓
神経回路
↓
発火
↓
行動

という因果の鎖を、実際に「計算できる対象」へ近づけることが可能になり始めている。

人間の全シナプス構造が分かり、その瞬間の活動状態や化学状態まで測定できたなら、「恐怖」「怒り」「喜び」といった状態は、巨大な神経系の中に存在する状態空間の一領域として定義できるのではないか。

もしそうなら、感情の数値化は「怒りを0から100で表す」という単純な話ではなくなる。数百万、数億、あるいはそれ以上の変数を持つ巨大な状態ベクトルとして、人間の感情を記述するという話になる。

ここまで来ると問題は、「感情は原理的に数値化できないのか」ではなく、

数値化するために必要な変数を、現実にどこまで観測・計算できるのか

へ変わる。

第2部では、昆虫のconnectome、人間の脳回路、神経伝達物質、受容体感受性、身体状態、計算量まで含め、この可能性をさらに掘り下げる。

第2部へ

→ 感情は理論上数値化できるのか――脳回路から「心」を計算する

---

この記事の要点

• 感情には現在も完全に統一された科学的定義がない。
• 感情は主観だけではなく、脳活動、自律神経、身体反応、注意、行動、記憶などを含む複合的な状態として考えられる。
• 「扁桃体＝恐怖」のように一つの感情を一つの脳領域へ対応させる理解は単純化しすぎている。
• 感情研究ではvalence（快・不快）とarousal（覚醒度）の2次元表現が広く用いられている。
• 顔、声、心拍、生理信号などは数値化できるが、それらは感情そのものと一対一対応しない。
• 2026年、浙江大学などの研究チームは頭蓋内脳波から連続的なvalence/arousalをリアルタイム推定する研究を報告した。
• ただしその「正解」は本人の自己評価値であり、絶対的な「感情の物理単位」を発見したわけではない。
• 将来の感情計測は、一つの感情点数ではなく、多数の信号を統合した多次元・確率的な状態推定になる可能性が高い。
• 医療やBCIでは大きな価値が期待できる一方、教育・雇用・監視に使えば重大なプライバシーと人権問題を生む。
• EU AI Actは職場・教育機関での生体情報を用いた感情推定AIを、一部例外を除いて禁止している。
• 感情を高精度に予測できても、「本人が感じている主観そのものを理解した」と言えるかは別問題である。

---

参考文献・参考資料

1. Yang Y, Chen W, Chen Y, et al. Cross-task, explainable and real-time decoding of human emotion states by integrating gray and white matter intracranial neural activity. Nature Computational Science. Published 22 July 2026. DOI: 10.1038/s43588-026-01021-w.
2. Malezieux M, Klein AS, Gogolla N. Neural Circuits for Emotion. Annual Review of Neuroscience. 2023;46:211–231. DOI: 10.1146/annurev-neuro-111020-103314.
3. Angkasirisan T. Naturalistic multimodal emotion data with deep learning can advance the theoretical understanding of emotion. Psychological Research. Published 2024.
4. Goel S, Jara-Ettinger J, Ong DC, Gendron M. Face and context integration in emotion inference is limited and variable across categories and individuals. Nature Communications. 2024;15:2443. DOI: 10.1038/s41467-024-46670-5.
5. Emotion recognition with EEG-based brain-computer interfaces: a systematic literature review. Multimedia Tools and Applications. 2024.
6. Affective Computing: Recent Advances, Challenges, and Future Trends. Intelligent Computing. 2024. DOI: 10.34133/icomputing.0076.
7. Measuring Arousal: Promises and Pitfalls. Affective Science. 2025.
8. Liu Y, Yuan L, Zu S, et al. Emotion Recognition Based on Multimodal Physiological Data: A Survey. Journal of University of Electronic Science and Technology of China. 2024;53(5):720–731. DOI: 10.12178/1001-0548.2024176.
9. Caixin Global. Pilot Programs Are Spying on Kids in the Classroom: Part Two. 2019. （中国・杭州のスマート教室における表情・行動分析事例）
10. European Union. Regulation (EU) 2024/1689 — Artificial Intelligence Act. Article 5 and Recital 44. （職場・教育機関における感情推定AIの規制）
11. Bo K, Kraynak TE, Kwon M, et al. A systems identification approach using Bayes factors to deconstruct the brain bases of emotion regulation. Nature Neuroscience. 2024;27:975–987. DOI: 10.1038/s41593-024-01605-7.