L'affective computing, noto anche come AC o emozione AI, è un'area di studio all'interno del cognitive computing e dell'intelligenza artificiale che si occupa di raccogliere dati da volti, voci e linguaggio del corpo per misurare le emozioni umane. Un importante obiettivo aziendale di AC è costruire interfacce uomo-computer in grado di rilevare e rispondere in modo appropriato allo stato d'animo di un utente finale.
L'affective computing ha il potenziale per umanizzare le interazioni digitali e offrire vantaggi in una gamma pressoché illimitata di applicazioni. Ad esempio, in una situazione di e-learning, un programma AC potrebbe rilevare quando uno studente è frustrato e offrire spiegazioni estese o informazioni aggiuntive. Nella telemedicina, la programmazione AC può aiutare i medici a comprendere rapidamente l'umore di un paziente remoto o cercare segni di depressione. Altre applicazioni aziendali attualmente in fase di studio includono la gestione delle relazioni con i clienti (CRM), la gestione delle risorse umane (HRM), il marketing e l'intrattenimento.
Un dispositivo informatico con programmazione AI emozionale raccoglie spunti sullo stato emotivo di un utente da una varietà di fonti, tra cui espressioni facciali, tensione muscolare, postura, gesti delle mani e delle spalle, schemi di linguaggio, frequenza cardiaca, dilatazione della pupilla e temperatura corporea. La tecnologia che supporta la misurazione e l'analisi delle emozioni include sensori, telecamere, big data, motori di analisi del deep learning. Al momento della stesura di questo documento, le API RESTful sono disponibili per misurare le emozioni umane da aziende come Affectiva, Humanyze, CrowdEmotion ed Emotient. Le API di IBM Watson includono Tone Analyzer e Emotion Analysis.
Il termine calcolo affettivo è generalmente attribuito a Rosalind Picard, una scienziata informatica al MIT e fondatrice di Affectiva. In psicologia, la parola affetto è usata per descrivere il tono emotivo di un paziente.