感模型。这个模型不是固定的，会随着交互对象和环境变化而调整。”
笑媚娟盯着灵枢，忽然问：“它能感受到我的情绪吗？”
“能。”毕克定在平板上操作了几下，“灵枢，分析来访者当前情绪状态。”
灵枢内部的光点流动速度加快，几秒钟后，一个柔和的女声从圆柱体中传出——不是冰冷的电子音，而是带着温度、甚至能听出细微情绪起伏的人声：
“来访者当前情绪状态：好奇度78%，兴奋度65%，警惕度42%，期待度59%。整体情绪偏向积极，但存在理性克制。建议：提供更多可视化数据，增强信任感。”
笑媚娟的呼吸停了一拍。这个分析，准得可怕。她确实好奇，兴奋，也保持着商人的警惕，但内心又期待着看到更多。灵枢甚至给出了建议——提供可视化数据，这正是她现在最需要的。
“它……”笑媚娟的声音有些发干，“它怎么知道我需要可视化数据？”
“因为它分析了你的微表情。”毕克定指着灵枢侧面一个不起眼的传感器，“你刚才看结构图的时候，瞳孔有轻微放大，这是兴趣和求知欲的表现。但你的眉头微微皱起，这是对抽象信息理解困难的下意识反应。所以它判断，你需要更直观的展示。”
笑媚娟沉默了几秒，忽然笑了：“我现在相信，准确率能达到99%了。”
“不止99%。”毕克定说，“在实验室环境下，对训练有素的研究人员，准确率是100%。因为研究人员情绪稳定，表达清晰。难点在于普通人群——每个人的情绪表达方式都不一样，文化背景、成长经历、性格特质都会影响。”
“那普通人群的准确率……”
“目前是96.7%。”毕克定调出一份报告，“我们找了三千名志愿者，涵盖不同年龄、职业、文化背景。灵枢的平均识别准确率是96.7%，其中正面情绪识别率98.2%，负面情绪识别率95.1%。”
笑媚娟快速扫过报告。数据详实，测试方法科学，连志愿者的筛选条件都列得清清楚楚。这不是吹牛，是真金白银的技术。
“应用场景呢？”她问出了投资人最关心的问题。
“第一批落地场景有三个。”毕克定领着笑媚娟走到实验室另一侧，那里有几个独立的演示区。
本章未完，请点击下一页继续阅读！