机器学习算法的广泛应用是跟踪人们的身份。正如可以通过记录脸部来识别身份一样，据称情感也可以被识别，尽管情感识别算法尚未用于全局监视。
自从2005年开发出第一个商业算法Facereader以来，他们主要致力于验证市场营销内容，例如电视广告，产品包装甚至食品口味。随着能够记录人脸的设备数量的增加，以及计算机处理能力的不断提高，情绪识别技术已在汽车工业以及求职技术中找到了新的现实生活应用。
在RTÉ2fm的Dave Fanning Show中，中国分析师克利福德·库南(Clifford Coonan)讨论了该国对情感识别技术的使用
但是，基于表情的情感识别技术的性能和准确性已受到AI监管机构AI Now Institute的严格审查。2021年1月，HireVue放弃了情感识别技术，将其作为AI招聘评估产品的一部分。做出此决定的原因可能与研究的发展有关，这使关于面部表情与情绪之间联系的假设无效。
自1970年代以来，关于情绪的心理学最常见范例阐明了三个原则：(i)情绪和面部表情之间存在直接关系;(ii)有六种基本情绪，并且每种情绪都有原型表达;并且( iii)情绪及其表达是普遍的。这些假设还通过迪士尼Pixar电影《Inside Out》(2015)或电视节目《Lie to Me》(2009-2011)等流行文化传达，并为公司和组织所普遍接受。
它们也是使用机器学习算法的理想选择。遵循该模型，算法声称可以通过将面部表情归类为六种基本情感之一来识别某人的情感，并将该算法应用于每个人而无需区分文化或起源。
TEDxBerlin的Daniel McDuff在机器学习工具上实现了对情绪的识别和分析
除了数百种学术算法外，成千上万的科技公司还在提供商业算法来从面部表情中推断出情感。但是，迄今为止最大的一项研究(由DCU与贝尔法斯特女王大学，伦敦大学学院和不来梅大学的合作者共同领导)表明，这些技术的结果明显不如人类观察者准确。
在这项研究中，我们将八种可商购的算法与人类观察者进行了比较，以识别937种据称表达情感的视频。八种算法之间的识别准确度差异很大，其分类准确度始终低于观察者的准确度。
我进行了另一项研究，该研究还表明，根据情感类型的不同，准确性也有所不同。这些发现表明，与人类观察者相比，用于识别情绪的现有算法存在潜在的缺陷。
算法的准确性不是这里的主要问题。情绪和面部表情之间关系的基本原理也受到质疑。与格勒诺布尔阿尔卑斯大学的同事一起，我们记录了232名参与者在观看视频，并收集了他们在观看视频时的感受。他们的面部表情的记录显示给人类观察者，并由情感识别技术领域的一位领导者设计的商业算法进行处理。
结果表明，该算法从面部表情识别情感的准确性非常低，人类观察者的准确性也很低。实际上，似乎没有科学证据表明情绪感觉和面部表情之间存在可靠的相关性。这倾向于表明情感识别技术所基于的所有假设现在都是无效的。
尽管有这些批评，但对于情绪识别技术的脆弱性，还是有一些新兴的解决方案。随着可用设备的增加，识别技术将不仅使用面部，而且还使用整个身体以及表达的产生环境来准确地推断出情绪。
