作者 | 胡珉琦
新一屆世界人工智能大會(huì)剛剛過去 ， 在人工智能最前沿技術(shù)、產(chǎn)品、應(yīng)用和理念的展示之下，超級智能時(shí)代何時(shí)才會(huì)到來的問題始終縈繞在人們的心里 。
從解決問題能力的提升，到會(huì)思考，直至有情感，AI 一路進(jìn)化，能否真的配得上人們對未來的期待？
2016年，具有微表情的仿人外形機(jī)器人佳佳誕生在中國科學(xué)技術(shù)大學(xué) 。隨著技術(shù)迭代，她被賦予了更多類人的情感，能讀懂人類的喜怒哀樂，以至于人們在和她進(jìn)行深入互動(dòng)的過程中還能產(chǎn)生微妙的化學(xué)反應(yīng) 。
基于情感交互的服務(wù)機(jī)器人 ， 未來無論是面對空巢群體、單身群體，還是新生代文化群體、需要心理干預(yù)的群體、接受教育娛樂的少年兒童 ， 都更能滿足他們內(nèi)心的需要 。
中國科學(xué)技術(shù)大學(xué)計(jì)算機(jī)學(xué)院教授、機(jī)器人實(shí)驗(yàn)室主任陳小平在2012年開始進(jìn)行情緒智能的研究 。
最近，他在中國人民大學(xué)哲學(xué)與認(rèn)知科學(xué)明德講壇 ， 分享了人工智能（AI）中的情緒研究方法和挑戰(zhàn) 。
他特別提到，在相關(guān)基礎(chǔ)研究尚未突破之前，情感機(jī)器人這種非人非物的第三類存在 ， 可能已對人類社會(huì)產(chǎn)生了震撼性沖擊和深遠(yuǎn)影響 。
情緒智能研究關(guān)注什么
陳小平介紹，在AI領(lǐng)域，情緒研究起步相對較晚，至今不過三四十年時(shí)間 。
當(dāng)前AI情緒研究的兩個(gè)主要內(nèi)容，首先是對主體的情緒表現(xiàn)加以識別，主要包括人的表情、言語、姿態(tài)的基本情緒類型 。
說到情緒，人們最容易聯(lián)想到的就是表情，要想讓AI認(rèn)識人類的情緒 ， 首先需要采集表情數(shù)據(jù)，如一段視頻，然后進(jìn)行人工標(biāo)注，比如高興憤怒悲傷等等 。
只不過，目前這些表情種類還比較有限，大概只有十幾個(gè) 。
有了大量的表情數(shù)據(jù)，再通過深度學(xué)習(xí)加強(qiáng)化學(xué)習(xí)的方法訓(xùn)練AI，當(dāng)它再看到其他視頻時(shí)，就能夠識別出視頻中的用戶表情了 。這就是現(xiàn)在的AI科學(xué)家常用的方法 。
表情只是情緒的一種外在表現(xiàn)，那么，這種情緒表現(xiàn)對應(yīng)的真實(shí)的心理活動(dòng)究竟是什么，AI并不清楚 。陳小平說 。
【人類情感機(jī)制 人類情感機(jī)】人類知道笑這種表情可以解讀出多種不同的心理活動(dòng)，它可以代表快樂，也可以代表苦澀或者無奈 。但AI距離這樣的解讀還有十萬八千里 。
AI情緒研究的另一個(gè)重點(diǎn)是情緒反應(yīng) 。我們關(guān)注一個(gè)情緒主體，主要看他對外界的刺激到底會(huì)產(chǎn)生怎樣的情緒反應(yīng) 。
陳小平認(rèn)為，在情緒反應(yīng)方面，AI最需要的是一個(gè)情緒反應(yīng)模型 ， 以便讓AI根據(jù)主體的情緒反應(yīng)模型對他的情緒反應(yīng)進(jìn)行預(yù)測和推理 ， 從而支撐人—機(jī)情緒交互，這也是情緒研究的第三層內(nèi)容 。
預(yù)測和推理越準(zhǔn)確，在與人互動(dòng)時(shí)，AI就越知道如何滿足用戶的情緒需求 。
關(guān)于情緒交互，他解釋，就是機(jī)器人和人之間的情緒互動(dòng) 。
簡單說 ， 就是機(jī)器人要識別人的情緒，并給予適當(dāng)?shù)捻憫?yīng) 。
情緒交互的實(shí)現(xiàn)涉及情緒識別，基于情緒反應(yīng)模型 ， 做出情感預(yù)測和推理 ， 知道如果機(jī)器人做什么動(dòng)作、表情，用戶的情緒反應(yīng)可能是什么、是否符合情感交互的需要，最后生成自己要做出的表情 。
在這樣一系列情緒智能化研究中 ， 還存在瓶頸和短板 。陳小平坦言 。
受限于封閉性
情緒智能化到底面臨怎樣的挑戰(zhàn)？
陳小平認(rèn)為，研究情緒智能化首先需要回答幾個(gè)基本問題：我們?nèi)绾味x情緒智能化，它的內(nèi)涵是什么；實(shí)證標(biāo)準(zhǔn)是什么；應(yīng)用目標(biāo)又是什么 。
然而，這些問題都沒有確切的答案 。
基于我們的觀察，在當(dāng)前的AI研究中 ， 所謂的‘理性思維智能化’一般是以‘戰(zhàn)勝人’為實(shí)證標(biāo)準(zhǔn)的，AlphaGo的成功即是如此 。但這很難成為情緒智能化的實(shí)證標(biāo)準(zhǔn)，它的實(shí)證標(biāo)準(zhǔn)很可能是被人接受，受到人的認(rèn)可 。
他表示，這兩種標(biāo)準(zhǔn)差距極大，由此可以看出，它們的科學(xué)內(nèi)涵也截然不同 。
在談到技術(shù)層面的困難時(shí)，陳小平回答，在情緒研究中，情緒反應(yīng)對科學(xué)家來說是最難的，它需要建立一個(gè)模型用于預(yù)測，在這一模型中有主體表示、環(huán)境表示、事件表示 。
這些表示是作為情緒反應(yīng)機(jī)制的輸入，最后還需要有輸出，就是對某個(gè)對象的表示，主體會(huì)對該對象有一個(gè)情緒反應(yīng) 。
我們把情緒反應(yīng)模型看作是一種符號模型 。AI理想化觀點(diǎn)下的符號模型是白箱，該模型對預(yù)期應(yīng)用場景的所有預(yù)測都成立 。
陳小平強(qiáng)調(diào)，只有當(dāng)一個(gè)應(yīng)用場景是封閉的，現(xiàn)有AI技術(shù)在該場景中才是有效的，否則不保證應(yīng)用成功 。
他解釋 ， 所謂封閉性是指 ， 該問題存在一個(gè)有限、確定的模型，而且該模型與實(shí)際問題的對應(yīng)也是有限、確定的；或者，該問題存在一個(gè)有限、確定的元模型，并且該問題的代表性數(shù)據(jù)集也是有限、確定的 。
可是，人類的情感機(jī)制必然是在非封閉性場景中運(yùn)行的，因此，情緒智能模型也應(yīng)該是非封閉的 。
在他看來，情緒反應(yīng)模型的所有元素都是復(fù)合的，通常不能完全確定它們的所指 。
也就是說 ， 模型中的所有元素包括主體表示、環(huán)境表示、事件表示、對象表示和情緒反應(yīng)機(jī)制 ， 都是黑箱或者灰箱 。
因此，只能適應(yīng)封閉場景的現(xiàn)有AI技術(shù)對情緒智能化就產(chǎn)生了很大的限制 。
AI在情緒智能化領(lǐng)域遭遇的挑戰(zhàn)，其實(shí)是源于AI系統(tǒng)與人的本質(zhì)不同 。陳小平認(rèn)為，這種本質(zhì)不同從根本上說，來源于AI系統(tǒng)的思維目前就是AI經(jīng)典思維，是不能有效應(yīng)對不確定性的，而人的思維可以 。
未來，AI要想實(shí)現(xiàn)從經(jīng)典思維到復(fù)雜場景化的轉(zhuǎn)變，局限于傳統(tǒng)技術(shù)路線恐怕很難在二三十年內(nèi)有突破的希望 。
差距之下，陳小平希望探索一些新的辦法、新的技術(shù)路線，也期盼與神經(jīng)科學(xué)、認(rèn)知科學(xué)、心理學(xué)、哲學(xué)等鄰近學(xué)科的合作 。
第三類存在物
在鄰近學(xué)科，學(xué)者們?nèi)绾慰创龣C(jī)器的情緒和人類情緒之間的距離？
廈門大學(xué)人文學(xué)院哲學(xué)系教授朱菁指出，人類的情緒和神經(jīng)系統(tǒng)、生物化學(xué)系統(tǒng)及身體具有密不可分的關(guān)聯(lián)，智能機(jī)器的本質(zhì)和生物體完全不同，那么智能機(jī)器產(chǎn)生的情緒情感不可能和人類等同 。
它只是在某一個(gè)功能層面、計(jì)算層面模擬人類的情緒反應(yīng)模式，但它并不具有真正的情緒 。
這就好比我們可以在計(jì)算機(jī)系統(tǒng)里模擬地震、洪水、暴風(fēng)雨，但是它們并不真的存在于計(jì)算機(jī)中，真正的地質(zhì)、氣象災(zāi)害只會(huì)在自然界中產(chǎn)生 。
因此，朱菁認(rèn)為，心理學(xué)家、神經(jīng)科學(xué)家普遍認(rèn)為，要賦予機(jī)器真正的情緒情感，可能是一個(gè)無法實(shí)現(xiàn)的任務(wù) 。
對此，陳小平表示認(rèn)同 。用傳統(tǒng)AI的觀點(diǎn)來看，人類情緒無法脫離生物學(xué)基礎(chǔ)，而機(jī)器人沒有人的肉身，因此盡管我們希望實(shí)現(xiàn)的是AI ， 可實(shí)際上我們做的還只是人造智能 。
不過，隨著能表達(dá)豐富的情感，還能精確捕捉人類的開心、驚訝、生氣、悲傷等情緒的佳佳機(jī)器人面世，陳小平團(tuán)隊(duì)有了一個(gè)另類的想法 。
他說，中科大在佳佳機(jī)器人上的廣泛試驗(yàn)揭示出一種新的人類經(jīng)驗(yàn)：用戶明確感覺到佳佳既不是人也不是物，這與早期部分用戶將AI與人相混淆是有本質(zhì)上的不同的，那時(shí)仍處于人、物的二分法之中，而現(xiàn)在出現(xiàn)了非人、非物的第三種存在物的可能性 。
因此，在情緒智能化基礎(chǔ)研究取得實(shí)質(zhì)性突破之前，它的應(yīng)用有可能在10年之內(nèi)或者最多15年取得重大進(jìn)展，而這些進(jìn)展甚至可能對人類社會(huì)產(chǎn)生震撼性的沖擊和深遠(yuǎn)的影響——那就是出現(xiàn)第三類存在物——人—物 。
基于這種觀察，陳小平意識到，人們其實(shí)并不在乎兩類情緒在內(nèi)涵上究竟有何不同，它們之間的界限是模糊的 。
由此，我們需要更加注重從接受的觀點(diǎn)去思考和這些情緒機(jī)器人交互的人 。如果現(xiàn)有情緒智能技術(shù)路線走通了，那么在商業(yè)上會(huì)滿足極為廣泛的需求 ， 它們會(huì)對這個(gè)社會(huì)產(chǎn)生廣泛深刻的影響 。
陳小平開始思考，盡管從科學(xué)角度我們認(rèn)為它不是真正的AI，但如果社會(huì)大眾都接受了該怎么辦；當(dāng)它已經(jīng)成為一個(gè)新的社會(huì)現(xiàn)象，我們的科學(xué)研究是否需要關(guān)注這種現(xiàn)象；這是否意味著，除了技術(shù)視角，還要從社會(huì)學(xué)視角出發(fā)，我們所開發(fā)的情感機(jī)器人未必一定要有和人一樣的情感，重要的是怎樣讓人們能夠?qū)崒?shí)在在地接受它……
朱菁也表示，這是一個(gè)很有啟發(fā)性的問題 。他注意到，在AI產(chǎn)品出現(xiàn)時(shí)，人們就存在一種心理傾向，我們把它稱之為公眾對于AI的過度擬人化 。
當(dāng)機(jī)器客觀上還不具備一些能力、功能時(shí)，人們就對它進(jìn)行了擬人化的想象，這對于從事AI研究的專家來說是不存在的 。未來，對于這種心理傾向我們到底應(yīng)該接受、允許，還是矯正它 。
AI科學(xué)家是應(yīng)該告訴人們你們錯(cuò)了，機(jī)器的情感不同于人類情感 ， 它們只是物，還是坦然接受這一現(xiàn)實(shí) ， 然后以此為出發(fā)點(diǎn)，面向人類未知的星辰大海，應(yīng)對可能面臨的來自倫理、道德、社會(huì)等方方面面的挑戰(zhàn)？
這個(gè)答案尚屬未知 。
（_原題為為《AI與情感》）
能造出像人一樣思考的機(jī)器嗎
作者 | 胡珉琦
如今的AI系統(tǒng)已經(jīng)在不少具體問題的解決能力上超過了人類 ， 那么，我們究竟能否制造出像人一樣思考的機(jī)器？AI會(huì)有一天超越人類智能嗎？
brabus是什么車？brabus什么車多少價(jià)位Brabus是一個(gè)改裝汽車品牌 。巴博斯一直在開發(fā)和制造高性能的超級跑車，并將梅賽德斯-奔馳品牌的車輛轉(zhuǎn)變?yōu)榈聡圃斓臅r(shí)尚獨(dú)特的汽車 。
計(jì)算型智能只是人類智能的一種類型
下圍棋是人類的高級智能活動(dòng)之一，過去人們認(rèn)為計(jì)算機(jī)不可能超越人類的這種智能 。
因此，下圍棋也被視為AI的圣杯 。
直到DeepMind 推出的AI圍棋程序 AlphaGo戰(zhàn)勝了人類 。
浙江大學(xué)神經(jīng)管理學(xué)實(shí)驗(yàn)室創(chuàng)始人、國際歐亞科學(xué)院院士馬慶國解釋，AlphaGo大放異彩，得益于蒙特卡洛樹搜索框架，加上深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí) 。
他說，假設(shè)計(jì)算機(jī)的計(jì)算速度無限快，計(jì)算機(jī)就可以用窮舉法為圍棋棋手瞬間找到最優(yōu)解（最優(yōu)落子位置） 。
但事實(shí)是，每一步落子的計(jì)算量太大了，當(dāng)前最快的計(jì)算機(jī)速度也根本無法完成窮舉這樣大的計(jì)算量，所以要從當(dāng)前的可能的落子方案中選一些，交由不同計(jì)算機(jī)（群）去做并行計(jì)算 。
如何在當(dāng)前可能的落子位置選出一組落子點(diǎn)（試算點(diǎn)）交給不同計(jì)算機(jī)（群）做并行計(jì)算？
他表示，除了利用計(jì)算機(jī)越來越快的存取速度和越來越大的存儲(chǔ)容量、從過去對弈的成果（不僅僅是定式）產(chǎn)生試算點(diǎn)之外 ， 還需要借助很多節(jié)省計(jì)算但盡可能選優(yōu)的技術(shù) 。
蒙特卡洛樹搜索框架、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)就是其中三種重要的技術(shù)（算法） 。
馬慶國認(rèn)為，近10余年來，AI最顯著的進(jìn)步之一發(fā)生在深度學(xué)習(xí)的領(lǐng)域（主要是深度神經(jīng)網(wǎng)絡(luò)領(lǐng)域） 。
基于深度神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)，沒有對所研究問題的環(huán)境作明確表征，也不探求因果關(guān)系（本質(zhì)上是黑箱模型） 。
在基于巨量數(shù)據(jù)、完成了對一個(gè)網(wǎng)絡(luò)的訓(xùn)練后，程序員就用這個(gè)訓(xùn)練的結(jié)果模型，運(yùn)行新的數(shù)據(jù)，選擇落子的走法 。
AlphaGo的核心技術(shù)是強(qiáng)化學(xué)習(xí) 。
強(qiáng)化學(xué)習(xí)的本質(zhì)是實(shí)現(xiàn)自動(dòng)決策 。機(jī)器會(huì)在沒有任何指導(dǎo)、標(biāo)簽的情況下，嘗試行為 ， 得到一個(gè)結(jié)果，再判斷是對還是錯(cuò) ， 由此調(diào)整之前的行為，通過不斷地調(diào)整，算法持續(xù)優(yōu)化 。
有人認(rèn)為，強(qiáng)化學(xué)習(xí)的本質(zhì)正在接近人類的學(xué)習(xí)，但它是否能夠?qū)崿F(xiàn)人類大腦的智能？馬慶國的回答是否定的 。
目前，我們還沒有制造出能像人一樣思維的機(jī)器，我們只能在一些狹義領(lǐng)域，制造出比人類某些智能更出色的機(jī)器 。這并不奇怪，因?yàn)檫@些領(lǐng)域關(guān)注的是計(jì)算機(jī)更擅長的事——基于數(shù)學(xué)的邏輯的算法和對以往事實(shí)的快速存取 。
在馬慶國看來，計(jì)算型的智能只是人類智能的一部分 。
在這種類型的智能方面，人造的機(jī)器超過了人 。
但在理解（如，理解語言、理解社會(huì)）方面，AI與人類智能有質(zhì)的差異 。
馬慶國介紹說，英國數(shù)學(xué)家和物理學(xué)家羅杰·彭羅斯曾在他著名的AI科普讀物《皇帝新腦——有關(guān)電腦、人腦及物理定律》一書中，引用了美國哲學(xué)家約翰·西爾勒的思想實(shí)驗(yàn) ——中文房間來論證計(jì)算機(jī)及算法實(shí)際上并不是理解智能 。
中文房間實(shí)驗(yàn)假設(shè)一位只說英語的人身處一個(gè)密閉房間 。
假設(shè)房間里有一本回答所有問題的中文書，以及足夠的稿紙、鉛筆和櫥柜 。
寫著中文問題的紙片通過小窗口被送入房間中 。
房間中的人可以通過比對 ， 在這本書上找到這個(gè)問題的中文答案 。
然后抄寫這個(gè)答案從窗口遞出去 。
雖然他根本不懂中文，但房間外的人卻以為他理解了中文問題 ， 并用中文思考 。
計(jì)算機(jī)就是這樣工作的 。它無法理解接收到的信息，但它可以運(yùn)行一個(gè)程序，處理信息，然后給出一個(gè)正確的回答，好像理解了接收到的信息一樣 。
馬慶國說，這個(gè)思想實(shí)驗(yàn)證明，計(jì)算機(jī)及其算法事實(shí)上并不像人類一樣理解其所執(zhí)行的任務(wù) 。
人類是如何思考的
AI要想真正實(shí)現(xiàn)人類智能，需要具備什么能力？馬慶國認(rèn)為，人類智能的最大特點(diǎn)之一，就是能夠創(chuàng)造性地解決從未遇到過的新問題 。
他常舉的一個(gè)例子是：當(dāng)一個(gè)人在過一座獨(dú)木橋時(shí)，突然之間橋斷裂了 ， 人依然可以想出很多點(diǎn)子來解決過河的問題 ， 找木頭搭建簡易橋或者抱著浮木游到河對岸 ， 等等 。
計(jì)算機(jī)就沒有這樣的能力，除非人事先給它設(shè)定了‘在需要過沒有橋的河時(shí)，應(yīng)找木頭搭建簡易橋’ 。可是，如果周圍沒有可以搭建簡易橋的木頭呢？人類可以想其他辦法，計(jì)算機(jī)就無能為力了 。
在他看來，問題的癥結(jié)在于，計(jì)算機(jī)是遵守規(guī)則的機(jī)器 。在現(xiàn)實(shí)世界中，規(guī)則總是不可能窮盡的 。
現(xiàn)在的AI本身并沒有創(chuàng)造性 ， 當(dāng)遇到舊規(guī)則不能解決的問題時(shí)，它不能像人類一樣完全根據(jù)面對的問題想出從未有過的解決辦法 。
人類的理解力從何而來
馬慶國說，以語言為例，一個(gè)孩子學(xué)會(huì)理解語言，其實(shí)也是來源于對應(yīng)關(guān)系 。
當(dāng)他第一次面對一個(gè)全新的詞匯時(shí)并不能理解，直到一種情景反復(fù)出現(xiàn)，并在這個(gè)情境中與他人互動(dòng)，他就可以將這個(gè)詞匯和情景對應(yīng)起來 。
越長大，可以跟這個(gè)詞匯對應(yīng)的東西就越多，關(guān)于這個(gè)詞匯的理解也就形成了 。
再經(jīng)過不同個(gè)體的互動(dòng)和交流 ， 關(guān)于這個(gè)詞匯的共同理解也就形成了 。
RUN - > cmd 或者command就會(huì)看到DOS窗口 。不知道大家注意到那個(gè)小小的圖標(biāo)沒有，在左上角 。點(diǎn)擊這個(gè)圖標(biāo)，就會(huì)看到下拉菜單，尤其是Edit下的一些功能， 很方便
計(jì)算機(jī)只能做到有限的對應(yīng)，因?yàn)檎鎸?shí)環(huán)境太過復(fù)雜 ， 現(xiàn)在它對語言的理解可謂捉襟見肘 。
但這也帶來了一個(gè)問題：計(jì)算機(jī)總是在不斷進(jìn)步和發(fā)展的，理論上它的對應(yīng)也會(huì)越來越豐富、越來越復(fù)雜 。那么在哲學(xué)上，這一量變是否可能帶來質(zhì)變？計(jì)算機(jī)也進(jìn)步到可以理解詞匯了？
馬慶國認(rèn)為，這個(gè)問題還沒有答案 。
不過，他對AI完全實(shí)現(xiàn)人類智能的前景并不樂觀 。
人腦真實(shí)的智能和AI最大的區(qū)別 ， 可能在于腦的工作方式 。
盡管計(jì)算機(jī)也叫電腦 ， 但它和人腦的工作方式完全是兩回事 。
馬慶國說，無論是存儲(chǔ)、計(jì)算，還是創(chuàng)造，大腦都是靠神經(jīng)元、樹突、軸突以及突觸等相互銜接的結(jié)構(gòu)和多種神經(jīng)介質(zhì)來實(shí)現(xiàn)工作的：從神經(jīng)元前面來的信號 ， 到這個(gè)神經(jīng)元后面出去成百上千個(gè)甚至更多的連接 。
不同的連接方式，就可能在工作中形成了不同的意識 。
對此，人們又開始對模擬人腦的AI抱有希望 。
他表示，這就需要破解哲學(xué)上的一個(gè)難題：思維是彼岸的，現(xiàn)實(shí)存在是此岸的，兩者之間是有鴻溝的 ， 哲學(xué)上認(rèn)為這是不能跨越的 。
現(xiàn)在，我們希望通過腦神經(jīng)研究，使彼岸的思維能夠用此岸的神經(jīng)元活動(dòng)來解釋 。
人類的意識本身最終能夠在神經(jīng)元活動(dòng)的水平上被解讀，可能需要上千年的時(shí)間 。即便解讀了，機(jī)器能夠完全模擬神經(jīng)元的工作方式嗎？
作為首個(gè)提出神經(jīng)管理學(xué)的學(xué)者，馬慶國坦言 ， 按照AI現(xiàn)有的技術(shù)路徑是難以實(shí)現(xiàn)的，除非未來我們能夠創(chuàng)造出一種完全顛覆性的理論技術(shù)體系 。
從這個(gè)角度來看 ， 擔(dān)憂AI會(huì)超越甚至取代人類 ， 根本無從談起 。
《中國科學(xué)報(bào)》 （2020-07-23 第5版 文化）
編輯 | 趙路
排版 | 郭剛
不想錯(cuò)過中國科學(xué)報(bào)的推送？
關(guān)注并將我們星標(biāo)吧！
方法如下 ↓
池塘里的地仙尸：竹林屋村前有一口大池塘 ， 水很深，傳說這口池塘淹不死人 。有一天來了個(gè)的古董販子胡胖子，偶然聽說了這件怪事，于是懷疑池塘里有寶物 。他花錢買通了村長，雇了四五個(gè)人，劃著小船在池塘里撒網(wǎng)捕撈 。可整整忙活了三天 ， 屁也沒撈到 。

猜你喜歡

• 人類的16種基本情緒用線條 人類的16種基本情緒
• 音樂博主頭像圖片 情感博主頭像圖片
• 十大情感主播排名 情感主播排名
• 人類的情感 人類情感學(xué)
• 人類七種基本情緒 人類的16種基本情緒
• 人類情感分類 人類情感機(jī)
• 人類的情感源于何處 人類情感學(xué)
• 人類是情感動(dòng)物 人類情感學(xué)
• 人類情感分類 人類情感學(xué)
• 愛是人類最基本的情感 人類五種基本情感