根据人脑建模的“人工神经网络”[40]，是将大量软件或硬件节点(代表神经元)相互连接起来形成一个多层结构，通过一步步渐进提取，达到识别某一特定输入，比如图像的目的。有些层是隐藏起来的，意思就是它们接收到输入信号，在计算后将得到的结果传递给下一层，下一层再重复同样的步骤。以图像识别为例，每一层提取出的图像特征，都比前一层提取得更精准，以此类推。提取结果最后到达输出层，并在输出层进行最后的进一步调整。隐藏层之所以叫隐藏层，是因为我们无法确切知道它们是怎样得到输出结果的，部分原因是同时使用了有监督学习方法和无监督学习方法，来一步步训练人工神经网络。而怎样找到最优化的节点量、层数、输入量和训练量，就是训练神经网络时要面对的挑战。

一般来说，隐藏层的层数越多，网络识别的正确率越高[41]。但追求高正确率要付出代价，所用的节点和层数越多，计算所需的时间越长。幸运的是，在2006年那两篇文章发表的差不多同期，俗称GPU的图像处理单元产量上升，价格也降了下来。有了这种处理器，网络的训练速度提升了几个数量级，而以前需要几周才能完成的主要运算，如今只需要几天，甚至几个小时。多种新方法的出现，比如受限玻尔兹曼机和循环神经网络，使这些深度学习技术得到进一步完善。所有这些因素，让多种识别模式都会用到的深度学习算法得到了极大改进。过去十年中的不断进步，为人工智能领域带来了丰厚成果，包括脸书开发的DeepFace，它能在图像中识别人脸，正确率高达97%。2012年，由辛顿及其两名学生组成的加拿大多伦多大学人工智能小组，以一套深度学习神经网络，稳夺2012年度大规模视觉识别挑战赛(ILSVRC)冠军[42]。再往前数，谷歌旗下的深度思考(DeepMind)公司，运用深度学习技术开发出一款叫Go-Playing的人工智能产品，也就是阿尔法狗。他们用存有围棋大师级的三千万围棋步法数据库对阿尔法狗进行了训练。2016年3月，阿尔法狗以五盘四胜的战绩击败了世界级围棋棋手李世乭。下围棋对于人工智能的挑战要远远大于下国际象棋。而如此水平的表现，人工智能领域人士原以为还要再等十年。

作为基础的算法固然重要，但训练方法一样不容忽视，甚至更为重要。Affectiva改造FaceSense的另一个原因，就是原来的软件在训练中接触到的演员和研究人员数量相对较少。新系统建成后，Affectiva启动了一个先导项目，为观众在线播放美国橄榄球超级杯广告，条件是这些观众必须同意在看的时候，允许Affectiva通过网络摄像头对他们进行分析。借此，埃尔卡利欧比的团队得以收集到系统再培训所需的素材，这次是成千上万份如假包换、来自真实生活的反应实例。而对受试观众重复进行广告和媒体单元筛查，更增加了情绪反应样本获取的真实性。这些工作极为重要，因为通过机器学习方法训练系统识别的是非常细微的表情差异，它细微到能辨别演技高超的表演，甚至可能在给某种真实情绪体验添枝加叶。随着每一条广告，他们收集到的表情反应样本越来越多，系统的正确率也越来越高。埃尔卡利欧比曾在一次应邀发言中这样讲道：