他們採用的方法是讓實驗參與者觀賞一些圖片並且針對那些圖片進行評估，同時間這些實驗參與者的腦內電位變化被記錄下來，他們只採用在大腦前端的四個電極之資料。之後實驗者透過一些訊算的法則來訓練電腦做分類的作業，他們總共訓練電腦做六種不同的分類，例如(分類一：高興奮、低興奮及休息狀態；分類二：高價位、低價位及休息狀態)，經過多次的學習後電腦可以建立一套公式來判斷實驗參與者看到的圖片是哪一種類型的。讓電腦可以做這樣的分類作業對於作者來說就是某種情緒的解碼，雖然一般民眾可能會嗤之以鼻，但確實不少的情緒研究都指出興奮(arousal)和所謂的價位(valence)是所有情緒基本的元素。他們的研究結果發現，電腦可以達到不錯的預測力(用猜的是33.33%)，但電腦大部分的時候至少可以有60%以上的預測力，甚至有時候可以達到九成的預測力。

有些腦筋動得比較快的讀者可能會想到，這些反應可能不是實驗參與者真實的情緒感受，可能只是因為那些圖片本身非情緒的屬性就會激發腦部某些神經元的活化。作者們也有想到這樣的可能性，他們解套的方式是採用一個大腦不對襯活化的指標(Asymmetry Index, AsI 這個指標是根據Richard Davidson的情緒處理不對襯假設而產生的-左腦處理正向情緒、右腦處理負向情緒)來排除一些不適合的訊號，排除後他們就認為所留下來的資料都是反應了圖片情緒性所造成的影響。但興奮程度的指標則沒有辦法透過AsI來排除，作者們似乎也沒有太在意…

最後，假設我們都相信了這些分類就是情緒，一個依舊存在的問題是… 為什麼不能達到100%的正確率？請一個人去做這些圖片的分類，沒有意外的情形大多可以達到100%的正確率(因為他們選擇的圖片在興奮和價位都有明顯的差異)，為什麼機器不行？或許筆者過於偏激，但情緒是相當複雜的，實在不是隨便貼貼標籤就可以的！

去看這個研究的原文出處

去看這個研究的主要研究者的網頁