阿德里亚娜解释：“我们首先设定了男女不同性别在握手这个动作中的不同表现模式，比如男女在握手时的力度、幅度上和时间都不一样，外向的人和内向的人表现出的握手姿势和频率也不一样，通过给机器人‘灌输’这些握手模式，让它们能够在实际操作中识别对方身份。”

　　为了能够更全面准确地进行模式设定，研究人员对大量男女握手姿势进行了观察研究，除了握手力度、摆动幅度、时间长度、放松程度的区别外，研究人员还发现，男士主动握女士手时普遍习惯手臂更向下伸，推测是因为一般女士都更矮小，造成男士握手的习惯动作。如果这种敏感的感知能力可以推行，那么未来机器人可能扮演的角色将有很多，比如成为自闭症孩子*好的朋友，或者孤寡老人的贴心“老伴儿”。

　　此前的一份调查显示，5岁至18岁之间的青少年中，有20%表示更愿意与机器人交朋友。而对于有自闭症的孩子来说，机器人的敏感和贴心也更会成为打动这些孩子并换以真心的特质。

　　相关知识

　　人工智能怎么学习

　　以上所有的人工智能“读心术”归根结底都还是基于其“深度学习能力”才能达成的。人工智能之所以具备学习能力，是因为它也有类似人类的大脑——人工神经网络（ANN），它的本质就在于试图模仿大脑神经元之间的传递处理信息的模式。

　　人工神经网络的创造理念受到生物学的启发，是生物神经网络的一种模拟和近似，它从结构、实现机理和功能上模拟生物神经网络。一般认为，人工神经元网络是由大量神经元通过极其丰富和完善的连接而构成的自适应非线性动态系统。因为生物的学习系统是由相互连接的神经元组成的异常复杂的网络，其中每一个神经元单元有一定数量的实值输入，并产生单一的实数值输出。这种输入和输出模式基于数学统计学类型的学习方法得以优化，所以人工神经网络也是数学统计学方法的一种实际应用。

　　这种神经网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，达到处理信息的目的，自身也就具备了学习和自适应的能力。