學(xué)術(shù)情感學(xué)視域下的情感智能結(jié)構(gòu)

提 要：學(xué)術(shù)情感學(xué)作為情感學(xué)（即情感科學(xué)）的應(yīng)用分支，是將情感—情緒神經(jīng)建模應(yīng)用于教學(xué)過(guò)程。本研究首次深入闡釋該學(xué)科內(nèi)涵，并著重論述在自然和人工智能言語(yǔ)行為情感特征分析模型方面的研究成果。鑒于當(dāng)前對(duì)交際中的情感評(píng)估以及行為矩陣中的情緒評(píng)估缺乏有效的離散方法，本研究開(kāi)創(chuàng)性地提出情感智能及其相應(yīng)的情感人工智能分級(jí)結(jié)構(gòu)，涵蓋了總體情感智能、情緒生成智能和情感處理智能?；诜律拍?，我們開(kāi)發(fā)了一種新的“智能助手”模型——數(shù)字講師，該模型能夠賦予教育智能系統(tǒng)情感處理能力，并進(jìn)一步創(chuàng)建類似于人類的情感人工智能系統(tǒng)。本研究的實(shí)踐意義在于，依托人類大腦的神經(jīng)心理語(yǔ)言學(xué)機(jī)制，在教學(xué)過(guò)程中使用神經(jīng)調(diào)節(jié)模型，開(kāi)發(fā)深層神經(jīng)認(rèn)知構(gòu)建工具，并通過(guò)生物啟發(fā)的神經(jīng)調(diào)節(jié)架構(gòu)，為創(chuàng)建具有心理情感狀態(tài)的計(jì)算系統(tǒng)提供了可行性方案。①

關(guān)鍵詞：學(xué)術(shù)情感學(xué)；神經(jīng)認(rèn)知科學(xué)；情感智能；共情人工智能；情感模型；AI講師

中圖分類號(hào)：H030 """"文獻(xiàn)標(biāo)識(shí)碼：A """"文章編號(hào)：1000-0100（2024）06-0032-9

DOI編碼：10.16263/j.cnki.23-1071/h.2024.06.005

1 引言

神經(jīng)認(rèn)知科學(xué)的迅速發(fā)展以及自然智能核心機(jī)制研究的新發(fā)現(xiàn)，為生物認(rèn)知系統(tǒng)領(lǐng)域帶來(lái)新的啟發(fā)和機(jī)遇。這些研究成果為開(kāi)發(fā)全新類型的數(shù)字技術(shù)奠定了基礎(chǔ)，并提供了神經(jīng)認(rèn)知“錨點(diǎn)”，大大提升了教育效率，并基于情感反應(yīng)增強(qiáng)了對(duì)新信息的適應(yīng)能力。（Bachler et al. 2023；Balgabayeva et al. 2024；Brígido Mero et al. 2010；Kaur et al. 2021；Khasilova" 2024；Ponsonn et al. 2022；Zubanova et al. 2023）。

20世紀(jì)末，俄羅斯學(xué)者В.И. Шаховский首次提出了情感理論假設(shè)，強(qiáng)調(diào)區(qū)分情感學(xué)基本概念的必要性。最新研究表明，“情感”作為一個(gè)多學(xué)科概念，是所有認(rèn)知過(guò)程架構(gòu)的基礎(chǔ)，而這一點(diǎn)在先前研究中往往被忽視（Minsky 1988，2007；Kolmogorova et al. 2024；Мозолевская 2021）。

研究證明，情感在自然智能及適應(yīng)性行為中發(fā)揮關(guān)鍵作用（Damasio 1998，2008；Picard et al. 2001）。這種內(nèi)在的心理動(dòng)力促進(jìn)了學(xué)習(xí)者掌握新知識(shí)，其作用類似于虛擬模型的多重編碼機(jī)制，使學(xué)習(xí)者能夠更好地適應(yīng)目標(biāo)語(yǔ)言國(guó)家的語(yǔ)言文化（Baimakhan et al. 2024）。

鑒于共情在教學(xué)中的主導(dǎo)作用，許多國(guó)家開(kāi)始研發(fā)先進(jìn)的數(shù)字技術(shù)，這些技術(shù)注重在教學(xué)中激活共情機(jī)制，優(yōu)化教師的教學(xué)風(fēng)格、教學(xué)材料的選擇以及教學(xué)方法的應(yīng)用，進(jìn)而強(qiáng)化學(xué)生對(duì)語(yǔ)言文化特性的理解（Lawrence，Tar 2018； Kaur et al. 2021）。然而，數(shù)字化呈現(xiàn)的虛擬現(xiàn)實(shí)并非目標(biāo)語(yǔ)言及其文化景觀的完整再現(xiàn)，而是受到技術(shù)、自然科學(xué)及人文社會(huì)學(xué)科等多種因素影響的數(shù)字化版本（Baimakhan et al. 2024）。

因此，學(xué)術(shù)情感學(xué)可視為情感學(xué)在語(yǔ)言學(xué)領(lǐng)域的一個(gè)新分支，而情感教育學(xué)則是神經(jīng)教育學(xué)的組成部分。這兩門新興學(xué)科都利用了情感參與的深層機(jī)制管理新知識(shí)的學(xué)習(xí)過(guò)程，不同之處在于，學(xué)術(shù)情感學(xué)更多是在語(yǔ)言學(xué)范式內(nèi)闡釋研究成果，而情感教育學(xué)則是在教育學(xué)范疇內(nèi)探討研究成果的實(shí)際應(yīng)用。學(xué)術(shù)情感學(xué)還依賴于神經(jīng)心理語(yǔ)言學(xué)的研究成果，后者探討大腦運(yùn)作及其對(duì)個(gè)體在語(yǔ)言中或通過(guò)語(yǔ)言產(chǎn)生的行為、思維及情感的影響。情感教育學(xué)與心理語(yǔ)言學(xué)、神經(jīng)語(yǔ)言學(xué)、神經(jīng)心理學(xué)和神經(jīng)教育學(xué)等學(xué)科協(xié)同發(fā)展。與此同時(shí)，神經(jīng)心理學(xué)與神經(jīng)生物學(xué)的緊密結(jié)合有助于理解如何最大限度地挖掘大腦潛能，以解決包括外語(yǔ)學(xué)習(xí)在內(nèi)的諸多問(wèn)題。神經(jīng)教育學(xué)為現(xiàn)代教育提供一個(gè)全新的視角，基于對(duì)大腦功能的研究，提出相應(yīng)的教育策略并開(kāi)發(fā)相關(guān)技術(shù)。因此，現(xiàn)代學(xué)術(shù)情感學(xué)和神經(jīng)教育學(xué)的理論基礎(chǔ)涵蓋教育學(xué)、心理學(xué)、神經(jīng)科學(xué)、控制論、語(yǔ)言學(xué)及自然語(yǔ)言處理（NLP）等經(jīng)典學(xué)科的基本原理。

2 情感智能結(jié)構(gòu)及其要素

在解讀信息的情感接收時(shí)，我們提出“情感生成性”（эмоциогенность）這一術(shù)語(yǔ)，其內(nèi)涵不同于“情感性”（эмоциональность）和“情感表現(xiàn)性”（эмотивность）。俄羅斯學(xué)者Л.А. Пиотровская指出，情感性是說(shuō)話人通過(guò)語(yǔ)言和非語(yǔ)言交際手段所展現(xiàn)出的個(gè)性特征（Piotrovskaya 2023）?！扒楦斜憩F(xiàn)性”涵蓋所有帶有情感成分的語(yǔ)言手段，即情感語(yǔ)素（Karabulatova et al. 2023），這些語(yǔ)言特征構(gòu)成對(duì)信息的情感評(píng)價(jià)?！扒楦猩尚浴敝感畔⒃谝l(fā)情感感知方面的特性（Буянова，Нечай 2016；Piotrovskaya 2023）。

人類行為或信息的情感性程度可以通過(guò)感知的評(píng)估參數(shù)確定。在這種情況下，對(duì)感知結(jié)果的評(píng)估包括副語(yǔ)言特征（如語(yǔ)調(diào)、聲調(diào)韻律）、語(yǔ)言特征（如情感性描述、情緒狀態(tài)和感受表達(dá)）和超語(yǔ)言特征（如仿生參數(shù)，特別是多巴胺、血清素和腎上腺素系統(tǒng)的激素指標(biāo)，參見(jiàn)Talanov et al. 2019）。

基于對(duì)情感智能、神經(jīng)心理生理情感智能、情感表現(xiàn)智能和情感生成智能的區(qū)分，我們?yōu)槊總€(gè)子類型設(shè)定不同標(biāo)識(shí)，使純理論方法與實(shí)際功能有機(jī)結(jié)合。情感智能結(jié)構(gòu)呈現(xiàn)出高層次架構(gòu)，其中各個(gè)要素之間緊密相聯(lián)，形成一個(gè)整體（見(jiàn)圖1）。

情緒作為神經(jīng)生理過(guò)程的表現(xiàn)形式，在Р. Плутчик的“情緒輪”和Х. Лёвхейм的“情緒立方體”兩種模型中得到充分闡釋，二者構(gòu)成了神經(jīng)生理情緒智能模塊（Lvheim 2012， Plutchik 2011）。“情緒輪”是一個(gè)二維模型，劃分出8種基本情緒，即喜悅、信任、恐懼、驚訝、悲傷、厭惡、憤怒和期待。該模型直觀易懂，區(qū)分不同強(qiáng)度的一級(jí)和二級(jí)情緒，特別適用于情感素養(yǎng)教育和理解情感對(duì)行為的影響。心理情感狀態(tài)的語(yǔ)言表達(dá)有直接和隱喻兩種方式。Бабенко（2021）在《情感詞典》中首次嘗試收錄俄語(yǔ)中的民族文化情感符號(hào)，但沒(méi)有對(duì)情感學(xué)基本概念，如心理情感狀態(tài)等進(jìn)行明確界定，也未能指明某些基本情感標(biāo)識(shí)。該詞典的問(wèn)世具有重要意義，標(biāo)志著俄語(yǔ)語(yǔ)言文化正逐步形成對(duì)情感和情感性概念的認(rèn)知。

Буянова和Нечай（2016）指出區(qū)分情感和情感性的必要性，并強(qiáng)調(diào)這兩個(gè)概念共同構(gòu)成語(yǔ)言的情感符號(hào)（Буянова， Нечай 2016：5）。А. Вежбицкая指出，情感性、情感表現(xiàn)性和情緒生成性的概念模糊，源自心理情感領(lǐng)域?qū)@些概念界定不一致，這也是導(dǎo)致交際失敗的因素之一（Wierzbicka 2010）。通過(guò)分析現(xiàn)有研究發(fā)現(xiàn)，神經(jīng)心理生理情感智能與情感表現(xiàn)智能之間的界限尚未明確，這也是心理情感狀態(tài)語(yǔ)言標(biāo)識(shí)尚未完善的原因。

情感人工智能的構(gòu)建是基于機(jī)器人技術(shù)領(lǐng)域中對(duì)共情仿真的需求，目標(biāo)是成為交際伙伴。因此，其關(guān)鍵原則在于廣泛驗(yàn)證人類情感譜系，開(kāi)發(fā)情感識(shí)別能力，并通過(guò)共情做出反饋。例如，像Empath、XiaoIce聊天機(jī)器人或“智能助手”一樣，能夠在與人類互動(dòng)中識(shí)別情感并做出相應(yīng)反應(yīng)。

神經(jīng)心理語(yǔ)言學(xué)方法在教學(xué)活動(dòng)中的應(yīng)用體現(xiàn)為神經(jīng)語(yǔ)言教學(xué)法目標(biāo)的制定，包括一系列研究人類行為和智能程序的方法，并結(jié)合各種影響心理情感和行為反應(yīng)的手段，以此優(yōu)化學(xué)習(xí)者對(duì)學(xué)習(xí)材料的掌握和理解。

在研究教育問(wèn)題時(shí)，若忽視情感因素，是無(wú)法全面理解學(xué)習(xí)過(guò)程的（Lawrence， Tar 2018）。目前，學(xué)界已達(dá)成共識(shí)，驚訝和喜悅等情感在認(rèn)知過(guò)程中不可或缺（Karabulatova et al. 2023），在自然和人工雙語(yǔ)能力發(fā)展中，情感的作用尤為凸顯（Chen et al. 2023；Chung-Fat-Yim et al. 2022）。通過(guò)對(duì)語(yǔ)言中情感世界圖景的參數(shù)化處理，細(xì)化個(gè)體的心理情感背景，可以更加精準(zhǔn)地繪制出自然智能的情感地圖，并為后續(xù)人工智能情感地圖的建模奠定基礎(chǔ)。

作為學(xué)術(shù)情感學(xué)的核心方法，情感神經(jīng)建?？梢詫?duì)目標(biāo)受眾產(chǎn)生主導(dǎo)性影響。在自然物理現(xiàn)實(shí)與數(shù)字世界之間不斷“轉(zhuǎn)換”數(shù)據(jù)的過(guò)程中，這種方法能夠創(chuàng)造新的認(rèn)知聯(lián)結(jié)，增強(qiáng)在學(xué)習(xí)新知識(shí)時(shí)的多巴胺分泌。因此，數(shù)字孿生技術(shù)的應(yīng)用被視為優(yōu)先選擇（Shahat et al. 2021；Gapanyuk et al. 2024）。該技術(shù)利用大腦將物理對(duì)象及其視覺(jué)、語(yǔ)言和其他表現(xiàn)形式整合的能力，使得數(shù)字孿生體能夠映射客觀現(xiàn)實(shí)（Fuller et al. 2020；Hulme et al. 2022）。

機(jī)器學(xué)習(xí)方法已成為分析多碼和多模態(tài)視聽(tīng)超文本的有效工具，例如，在超文本中，利用機(jī)器學(xué)習(xí)方法，可以通過(guò)處理圖像、文本、語(yǔ)言和音樂(lè)來(lái)提取意義，實(shí)現(xiàn)語(yǔ)言和非語(yǔ)言信息的傳遞。這一進(jìn)展加深了對(duì)復(fù)雜圖形系統(tǒng)的理解，這些系統(tǒng)中的信息通過(guò)不同的語(yǔ)義邊界進(jìn)行交換（Calla-han et al. 2023）?；诖耍岢鲆粋€(gè)假設(shè)，即利用多種信息渠道作為統(tǒng)一的神經(jīng)認(rèn)知信息整體來(lái)呈現(xiàn)信息（見(jiàn)圖2）。這一結(jié)構(gòu)包含神經(jīng)認(rèn)知范疇下信息傳遞的語(yǔ)用常量和變量，這些常量和變量受特定語(yǔ)境中言語(yǔ)互動(dòng)和意圖向量的影響。

詞語(yǔ)（W）既是常量，又是變量，因?yàn)樵~語(yǔ)可以引發(fā)人類（HR）的不同反應(yīng)，這些反應(yīng)在詞語(yǔ)與情感反應(yīng)的生物心理生理指標(biāo)之間建立了關(guān)聯(lián)，這一點(diǎn)在Лёвхейм（2012）的“情緒立方體”理論中，通過(guò)無(wú)條件反射和條件反射（UR-CR）的表現(xiàn)得以證實(shí)。這些反射通過(guò)信息感知渠道（RP）形成中樞神經(jīng)系統(tǒng)的神經(jīng)體液復(fù)合體（A）。然而，詞語(yǔ)所觸發(fā)的反應(yīng)模式有其內(nèi)在邏輯性和有限性，有學(xué)者借助Плутчик（2012）的“情緒輪”理論，基于新聞話語(yǔ)，研究受眾心理情感反應(yīng)（Mohsin， Beltiukov" 2019；Jain 2023）。研究表明，大多數(shù)認(rèn)知架構(gòu)都具有普遍適用的元素和功能（Самсонович 2010；Vallverdú et al. 2016，2023）。

在認(rèn)知神經(jīng)心理語(yǔ)言學(xué)視域下，法國(guó)學(xué)者證實(shí)，后期習(xí)得雙語(yǔ)者或單語(yǔ)者相比早期雙語(yǔ)者，其語(yǔ)言功能在大腦中的單側(cè)定位更為凸顯（Pallier et al. 2003）。他們還揭示了大腦語(yǔ)言區(qū)和數(shù)學(xué)區(qū)的激活有著共同的遺傳前提（Le Guen et al. 2018）。

基于此，雙語(yǔ)家庭中雙語(yǔ)兒童所表現(xiàn)出的大腦神經(jīng)可塑性，不僅提升了他們語(yǔ)言學(xué)習(xí)質(zhì)量和速度，還表明，有必要重新評(píng)估多語(yǔ)言環(huán)境中情感反應(yīng)的區(qū)域和特征（Спиридонов， Эзрина 2015； Polivara， Karabulatova" 2018）。最終，形成一種新的言語(yǔ)行為規(guī)范，映射出雙語(yǔ)個(gè)體多層次心理情感管理中語(yǔ)言和非語(yǔ)言行為的共性和獨(dú)特性（Лю et al. 2024）。

與此同時(shí)，元圖信息涵蓋了標(biāo)識(shí)頂點(diǎn)和邊的各種注釋、符號(hào)和標(biāo)簽，通過(guò)這些附加標(biāo)識(shí)，可以全面展示研究對(duì)象。在復(fù)雜的圖形結(jié)構(gòu)中，標(biāo)記為多圖頂點(diǎn)的大型模塊通過(guò)不同類型的關(guān)系系統(tǒng)相互連接，這些關(guān)系系統(tǒng)稱為多圖的邊或弧。

鑒于對(duì)構(gòu)成情感“核心”觀念復(fù)雜性的理解，其高級(jí)條件系統(tǒng)模型（УСМЭ）呈現(xiàn)為一個(gè)有向元圖（見(jiàn)圖3）。該圖包含兩個(gè)方向：一個(gè)自下而上，另一個(gè)自上而下。在語(yǔ)言信息的編碼和解碼過(guò)程中，這兩個(gè)方向同時(shí)存在，有助于解讀帶有情感色彩概念的隱含邏輯。

由此可見(jiàn)，預(yù)設(shè)（P）是在認(rèn)知分段中對(duì)具體情感概念定義進(jìn)行論證的原子判斷。通過(guò)預(yù)設(shè)集合，從多個(gè)層次（П）推導(dǎo)出情感（Э）結(jié)論。

同時(shí)，該定義也具有元圖（Proletarsky et al. 2018）和推導(dǎo)圖的結(jié)構(gòu)，呈現(xiàn)出自上而下和自下而上的雙向運(yùn)動(dòng)，形成一種條件矩陣形式（Самохвалов 2015， Золотов 2003），從而實(shí)現(xiàn)與不同矩陣的互動(dòng)（Danesh et al. 2023）。換言之，一旦掌握了“情感”（Э）的概念內(nèi)涵，就可以通過(guò)預(yù)設(shè)集合（PS）的原子推理，理解與該范疇（П）相關(guān)的任何概念特征。

語(yǔ)言學(xué)領(lǐng)域認(rèn)為，詞語(yǔ)的情感性通過(guò)對(duì)強(qiáng)調(diào)預(yù)設(shè)得以揭示，與蘊(yùn)涵、言外之意及其隱含概念密切相關(guān)（見(jiàn)表1）。

根據(jù)格賴斯（P. Grice）的理論，會(huì)話含意是一種特定的邏輯過(guò)程，表現(xiàn)為А→Б的符號(hào)形式，其中一個(gè)判斷是顯性的，另一個(gè)判斷是隱含的（Burge，Grice 1989）。

在實(shí)驗(yàn)科學(xué)中，這種結(jié)構(gòu)通過(guò)圖論得到解釋。圖論作為研究對(duì)象（頂點(diǎn)）及其相互關(guān)系（邊）的抽象體系，對(duì)于未來(lái)開(kāi)發(fā)文本自動(dòng)化綜合分析系統(tǒng)至關(guān)重要（Ганичева， Ганичев 2016；Золотов 2021；Самохвалов et al. 2015）。

基于上述背景，計(jì)算語(yǔ)言學(xué)中引入了多圖復(fù)雜模型的概念。例如，學(xué)界熟知的語(yǔ)言歧視或語(yǔ)言攻擊現(xiàn)象（Fu et al. 2022）構(gòu)成復(fù)雜的多圖結(jié)構(gòu)，其中涵蓋“易怒”（Царёва 2015）、“報(bào)復(fù)”（Чесноков 2015）、“記仇”（Афанасенко， Люц 2010）和“侮辱”（Галицкова 2016）等圖示，其內(nèi)部結(jié)構(gòu)體現(xiàn)為彼此緊密相聯(lián)的復(fù)雜神經(jīng)認(rèn)知、心理生理、神經(jīng)生物學(xué)、心理語(yǔ)言學(xué)和民族社會(huì)文化架構(gòu)。同時(shí)，研究人員揭示了教師在教學(xué)過(guò)程中對(duì)自身心理情感背景內(nèi)省的動(dòng)態(tài)變化，并區(qū)分對(duì)立的表現(xiàn)形式（Siry 2016）。然而，僅對(duì)教師經(jīng)歷的負(fù)面情緒進(jìn)行簡(jiǎn)單的定量列舉，未詳細(xì)闡述學(xué)術(shù)話語(yǔ)中引發(fā)特定負(fù)面情緒的條件，信息量遠(yuǎn)遠(yuǎn)不足，并且這些情緒在研究中往往被忽略。

現(xiàn)代外語(yǔ)教學(xué)方法基于綜合教育模型，積極利用情感評(píng)價(jià)態(tài)度看待神話意向，如“美國(guó)夢(mèng)”（Bhatia，Jenks 2018）、“中國(guó)夢(mèng)”（Li 2022）、“俄羅斯世界”（Heinz 2018）、“條條大路通羅馬”（Литинская 2014）、“看見(jiàn)巴黎死而無(wú)憾”（Душенко 2021）等。這些方法不僅在虛擬空間中提升了受眾對(duì)母語(yǔ)文化的興趣，還改變了語(yǔ)言在全球地緣政治中的地位。例如，電影《哈利·波特》中對(duì)虛擬城市的描繪，極大地提升了人們對(duì)現(xiàn)實(shí)中英格蘭文化、歷史和地理空間的持久且濃厚的興趣，同時(shí)讓來(lái)自不同國(guó)家的觀眾接觸到英式英語(yǔ)。隨后，年輕人發(fā)現(xiàn)哈爾濱火車站與《哈利·波特》中的霍格沃茨建筑風(fēng)格相似。中國(guó)研究者還從社會(huì)學(xué)視角探究《哈利·波特》系列小說(shuō)在青年群體中的流行度和翻譯接受度，并在游戲教育學(xué)和社會(huì)工程學(xué)領(lǐng)域展開(kāi)相關(guān)研究（Kung 2017）。此外，動(dòng)畫片《降世神通：最后的氣宗》及其續(xù)集《科拉傳奇》激發(fā)了全球青少年對(duì)中國(guó)古代傳統(tǒng)哲學(xué)思想的興趣。

心理情感反應(yīng)的調(diào)節(jié)基于對(duì)個(gè)體共情差異性的認(rèn)可，這種差異與學(xué)術(shù)環(huán)境中普遍存在的民族社會(huì)文化語(yǔ)境中的語(yǔ)義觸發(fā)點(diǎn)密切相關(guān)。因此，盡管面部表情中存在固定的情感參照物，但對(duì)表情和手勢(shì)語(yǔ)言的單義解碼仍存在困難（Cao et al. 2017）。而且由于缺乏適當(dāng)?shù)哪Ｐ停y以評(píng)估其方法的有效性。本研究展示了評(píng)估學(xué)習(xí)材料掌握效果的可行路徑，具有重要的實(shí)踐價(jià)值。

3 教育領(lǐng)域新一代共情人工智能

隨著情感人工智能的發(fā)展，情感模型的開(kāi)發(fā)推動(dòng)傳統(tǒng)研究領(lǐng)域的學(xué)術(shù)情感學(xué)數(shù)字轉(zhuǎn)型。當(dāng)代人文科學(xué)和技術(shù)科學(xué)就情感智能的主導(dǎo)地位達(dá)成共識(shí)，它驅(qū)動(dòng)語(yǔ)言使用者在各類話語(yǔ)中的言語(yǔ)思維活動(dòng)，進(jìn)一步凸顯在教育背景下整合神經(jīng)認(rèn)知知識(shí)與情感模型的必要性（Dalton 2019； Gunderman， Brown 2011； Brígido Mero et al. 2010）。

借助神經(jīng)調(diào)節(jié)劑（如去甲腎上腺素NA、多巴胺DA和血清素5-HT），可以開(kāi)發(fā)出更精細(xì)的學(xué)習(xí)系統(tǒng)，該系統(tǒng)能夠調(diào)控“戰(zhàn)斗或逃跑”反應(yīng)，從而簡(jiǎn)化學(xué)習(xí)過(guò)程中多個(gè)環(huán)節(jié)（Talanov et al. 2017； Karabulatova et al. 2024；Kolmogorova et al. 2024；Zubanova et al. 2023），并將其納入情感智能領(lǐng)域的數(shù)字計(jì)算研究。這種跨學(xué)科的方法融合神經(jīng)生物學(xué)、信息學(xué)、認(rèn)知科學(xué)和神經(jīng)心理語(yǔ)言學(xué)，旨在創(chuàng)建使用合成神經(jīng)調(diào)節(jié)劑的認(rèn)知系統(tǒng)，以模擬人類的認(rèn)知過(guò)程（Talanov 2019）。

情感人工智能的開(kāi)發(fā)以模擬共情為基礎(chǔ)，這在聊天機(jī)器人技術(shù)領(lǐng)域尤為關(guān)鍵，其核心原則在于驗(yàn)證盡可能廣泛的人類情感譜系，并通過(guò)共情對(duì)其作出相應(yīng)反應(yīng)，這在智能系統(tǒng)、聊天機(jī)器人和“智能助手”等應(yīng)用中得以體現(xiàn)。例如，Empath情感人工智能系統(tǒng)通過(guò)聲音的聲學(xué)特征實(shí)時(shí)識(shí)別情感，且該算法無(wú)須依賴所識(shí)別語(yǔ)言的具體內(nèi)容（Шляпников 2022）。Empath的API和SDK工具已在全球五十多個(gè)國(guó)家社會(huì)經(jīng)濟(jì)領(lǐng)域中得到驗(yàn)證和廣泛應(yīng)用，包括呼叫中心、“智能”語(yǔ)音助手、汽車、船舶制造業(yè)和精神病學(xué)治療等領(lǐng)域。另一個(gè)共情人工智能的實(shí)例是微軟聊天助手小冰（XiaoIce）（Zhou et al. 2020），該系統(tǒng)通過(guò)情感聯(lián)系滿足人類在交流、情感依附和社會(huì)交往方面的需求，尤其是滿足對(duì)特定群體歸屬感的需求。

盡管虛擬工具在教育過(guò)程中的應(yīng)用有助于增強(qiáng)記憶，但由于對(duì)高級(jí)神經(jīng)活動(dòng)的調(diào)節(jié)機(jī)制缺乏理解，可能會(huì)影響多語(yǔ)交際能力和專業(yè)技能的培養(yǎng)。這種調(diào)節(jié)機(jī)制不僅受年齡和心理生理因素的影響，還受到教育過(guò)程中參與者的民族社會(huì)文化模式的制約。使用其他語(yǔ)言文化的數(shù)字模擬工具表明，在融入另一種語(yǔ)言文化過(guò)程中，家庭和社會(huì)教育以及環(huán)境問(wèn)題可能會(huì)被淡化，因?yàn)楝F(xiàn)代教育的緊湊節(jié)奏和高強(qiáng)度更傾向于信息的簡(jiǎn)明呈現(xiàn)。這反過(guò)來(lái)影響言語(yǔ)的心理生理基礎(chǔ)，使其在接收新信息時(shí)變得過(guò)于不穩(wěn)定?；诖耍芯咳藛T提出了當(dāng)代交流中的偽病理心理語(yǔ)言現(xiàn)象（Karabulatova et al. 2021），這種現(xiàn)象與人工智能“幻覺(jué)”表現(xiàn)有相似之處，如推理斷裂、過(guò)度委婉、隱喻繁雜、表達(dá)夸張、因果關(guān)系混亂、判斷失誤以及“跳躍思維”等。須要強(qiáng)調(diào)的是，這里討論的是言語(yǔ)交際的常態(tài)，而非病理心理語(yǔ)言學(xué)范疇，這表明在信息技術(shù)影響下，年輕一代互聯(lián)網(wǎng)用戶的認(rèn)知過(guò)程正在發(fā)生轉(zhuǎn)變（Лысак， Белов 2013）。

我們發(fā)現(xiàn)，“數(shù)字一代”言語(yǔ)中的新趨勢(shì)與心理情感領(lǐng)域密切相關(guān)。因此，隨著自然情感智能的演變，有必要探索新的情感表達(dá)方式。若脫離神經(jīng)心理語(yǔ)言生理學(xué)理論，僅僅羅列數(shù)據(jù)，無(wú)法建立與受訪者心理情感狀態(tài)及其神經(jīng)體液特征波動(dòng)之間的關(guān)聯(lián)。

因此，利用與學(xué)習(xí)者母語(yǔ)文化不同的目標(biāo)語(yǔ)言文化的虛擬城市數(shù)字模擬器，有助于追蹤外語(yǔ)學(xué)習(xí)中生物反饋形成的速度，這展示了基于教育神經(jīng)靶向技術(shù)的學(xué)習(xí)進(jìn)程。該技術(shù)在現(xiàn)實(shí)社會(huì)中廣泛應(yīng)用于管理言語(yǔ)行為策略（Temirgalinova et al. 2021；Tillmann et al. 2013；Yan et al. 2024）。

在這種復(fù)雜的層級(jí)結(jié)構(gòu)中，教師和學(xué)生在學(xué)術(shù)話語(yǔ)空間中彼此都受到心理情感因素的影響。教師承受著巨大的壓力，源于其在教學(xué)過(guò)程中需要模擬情境、內(nèi)省其言語(yǔ)行為策略，并選擇能夠幫助學(xué)生有效掌握學(xué)習(xí)內(nèi)容的情感語(yǔ)言手段。

學(xué)術(shù)情感學(xué)的頂層架構(gòu)為一個(gè)多元系統(tǒng)，它專注于在科學(xué)教育話語(yǔ)中識(shí)別情感，并進(jìn)一步在課堂上對(duì)學(xué)生進(jìn)行情感社會(huì)管理（見(jiàn)圖4）。

這些模塊不僅限于所描述的連接關(guān)系，在多維空間中，它們之間還存在著額外的外圍聯(lián)系。因此，我們可以從自我情感驗(yàn)證模塊延伸出單獨(dú)的邊，連接到與自我教育和自我完善的社會(huì)工程模塊。同時(shí)，復(fù)雜圖形“情感驗(yàn)證”也與“情感識(shí)別”圖形相連。情感因素還可以根據(jù)其對(duì)批判性思維和創(chuàng)造性思維發(fā)展的影響進(jìn)行分類，這兩種思維類型在科研和教學(xué)實(shí)踐中都至關(guān)重要。

同時(shí)，教師可以通過(guò)言語(yǔ)、非言語(yǔ)以及副言語(yǔ)的情感工程手段來(lái)模擬受眾的心理情感狀態(tài)（Hashmi" 2017）。例如，與大多數(shù)人文學(xué)科的研究人員一樣，Антонова（2019）僅關(guān)注到非語(yǔ)言手段在對(duì)外俄語(yǔ)教學(xué)中提升外國(guó)學(xué)生詞匯量的有效性，但并未考慮學(xué)術(shù)情感學(xué)在這種情況下所發(fā)揮的關(guān)鍵作用。這種片面性研究歸咎于對(duì)經(jīng)院哲學(xué)和俄羅斯語(yǔ)言教學(xué)法傳統(tǒng)原則的固守。此外，情感學(xué)作為一個(gè)學(xué)科方向尚未成熟，情感因素在教育過(guò)程中的作用未得到充分重視，教育話語(yǔ)中情感生成因素未得到單獨(dú)考量（Шаховский 2019）。

隨著教學(xué)活動(dòng)逐步轉(zhuǎn)向虛擬空間，情緒狀態(tài)的圖示化呈現(xiàn)愈發(fā)重要，有助于在“發(fā)話人—受話人”系統(tǒng)中更準(zhǔn)確地理解所生成的情感。情緒狀態(tài)圖示化不僅推動(dòng)了情感人工智能的發(fā)展（Шаховский 2021），還加深了對(duì)自然情感智能的理解（Дударева， Шпильная 2023），從而極大地提升虛擬交際中的情感目標(biāo)定位。

4 情感模型對(duì)比分析

現(xiàn)代神經(jīng)教育學(xué)的社會(huì)技術(shù)手段（Honcharuk et al. 2023；Tsymbal-Slatvinska et al. 2022）通過(guò)在教育過(guò)程中使用情感元素，建構(gòu)學(xué)習(xí)主題的情感共鳴形象，并設(shè)計(jì)了教學(xué)信息呈現(xiàn)策略（Schutz，Pekrun 2007），旨在培養(yǎng)學(xué)生的交際能力。該方法奠定教育策略中游戲成分的基礎(chǔ)地位，考慮到神經(jīng)認(rèn)知領(lǐng)域的延遲性交流現(xiàn)象，即虛擬間接交流（Balgabayeva et al. 2024）。

早在20世紀(jì)70年代，人工智能技術(shù)首次被引入教育領(lǐng)域，當(dāng)時(shí)推出了SCHOLAR程序，該程序成為智能教學(xué)系統(tǒng)的原型（Izmailova 2024）。

用于處理自然語(yǔ)言理解復(fù)雜任務(wù)的語(yǔ)言標(biāo)注模型屬于可解釋的人工智能模型（eXplainable AI， 即XAI）。這種模型不僅可以評(píng)估工作質(zhì)量，還能夠進(jìn)行定性分析，識(shí)別并解釋發(fā)現(xiàn)的錯(cuò)誤。評(píng)估標(biāo)注模型質(zhì)量的主要挑戰(zhàn)在于，如何制定相對(duì)量化指標(biāo)（以百分比計(jì)算），將算法水平與專家水平進(jìn)行對(duì)比。另一個(gè)挑戰(zhàn)在于，在處理自然語(yǔ)言理解復(fù)雜任務(wù)時(shí)，不同專家對(duì)同一文本的標(biāo)注往往存在較大差異。

現(xiàn)代技術(shù)促使我們拋棄數(shù)千年來(lái)的經(jīng)院哲學(xué)原則，探索新的原則和方法，以更快、更有效地學(xué)習(xí)新興學(xué)科領(lǐng)域，包括促進(jìn)跨文化交流的外語(yǔ)學(xué)科?，F(xiàn)代技術(shù)首要任務(wù)是為教學(xué)和科研提供學(xué)習(xí)信息，并基于多學(xué)科視域下情感研究最新成果，對(duì)其進(jìn)行情感化設(shè)計(jì)（MacCann et al. 2020；Тютюнник et al. 2016；Powell， Kusuma-Powell 2010；Picard et al. 2001）。

使用技術(shù)影響受眾意識(shí)已有悠久歷史，而如今，情感性已經(jīng)成為神經(jīng)靶向的顯著特征。它不僅在文學(xué)（Bulegenova et al. 2023；Ренц 2011）、體育（Hoffmann 2019）、外交（Беляков 2015）、新聞（Zappettini et al. 2021）等領(lǐng)域的話語(yǔ)研究中廣泛應(yīng)用，還被引入學(xué)術(shù)（MacCann et al. 2020）和舞臺(tái)音樂(lè)（Лосева et al. 2024）的話語(yǔ)分析中。心理—情感領(lǐng)域?yàn)樯鐣?huì)情感場(chǎng)搭建了復(fù)雜元圖（Burunat 2019； Ганичев， Ганичева 2016； Goertzel 2021； Шаховский 2019），為借助言語(yǔ)互動(dòng)工具進(jìn)行語(yǔ)境翻譯奠定了基礎(chǔ)（Гуань 2021； Erick Eremita Dias 2022）。

第四次工業(yè)革命及各種IT技術(shù)的廣泛應(yīng)用突顯了神經(jīng)心理生理學(xué)對(duì)語(yǔ)言和言語(yǔ)研究的重要性（Биркин 2006， Хохлова 2017， Мозолевская 2021， Русалов 2012）。這標(biāo)志著圍繞人類本質(zhì)、意識(shí)與思維關(guān)系、客觀世界以及社會(huì)工程如何利用神經(jīng)心理情感影響和操縱人類行為的討論進(jìn)入新階段。Лурия的開(kāi)創(chuàng)性研究早已探討了這些議題，他的前瞻性研究至今仍具有重要意義（Лурия 2002）。

與此同時(shí)，精神病學(xué)家Залкинд預(yù)見(jiàn)到大腦皮層高度的神經(jīng)可塑性，認(rèn)為通過(guò)引導(dǎo)和調(diào)控，能夠改變實(shí)條件反射和非條件反射的反應(yīng)模式，這一觀點(diǎn)與現(xiàn)代神經(jīng)靶向和語(yǔ)言營(yíng)銷策略密切相關(guān)（Korsakov 2010）。

在教育中，情感的理解與學(xué)習(xí)至關(guān)重要，因?yàn)樗兄谇楦兴仞B(yǎng)和自我意識(shí)的提升，從而促進(jìn)個(gè)人成長(zhǎng)。神經(jīng)心理語(yǔ)言學(xué)作為一門新興的綜合性學(xué)科應(yīng)運(yùn)而生，致力于研究大腦的功能及其如何通過(guò)語(yǔ)言或在語(yǔ)言中影響人的行為、思維和情感。它與心理語(yǔ)言學(xué)、神經(jīng)語(yǔ)言學(xué)、神經(jīng)心理學(xué)和神經(jīng)教育學(xué)緊密協(xié)作，推動(dòng)跨學(xué)科研究與應(yīng)用。

因此，神經(jīng)心理學(xué)與神經(jīng)生物學(xué)的緊密結(jié)合使我們能夠知曉如何提升認(rèn)知能力，充分發(fā)揮大腦潛能，以應(yīng)對(duì)各種挑戰(zhàn)（如外語(yǔ)學(xué)習(xí)），并提升整體生活質(zhì)量。

同時(shí)，神經(jīng)教育學(xué)基于對(duì)大腦功能的研究，旨在開(kāi)發(fā)教學(xué)策略和技術(shù)，為教育教學(xué)提供了全新的視角。因此，現(xiàn)代神經(jīng)教育學(xué)的理論基礎(chǔ)涵蓋教育學(xué)、心理學(xué)、神經(jīng)科學(xué)、控制論、語(yǔ)言學(xué)以及自然語(yǔ)言處理（NLP）等經(jīng)典學(xué)科的核心理論。

由此，神經(jīng)心理語(yǔ)言學(xué)方法在外語(yǔ)教學(xué)中的應(yīng)用體現(xiàn)為制定神經(jīng)語(yǔ)言教學(xué)靶向。該過(guò)程包含一整套研究學(xué)生行為的方法，并通過(guò)多樣化手段對(duì)其心理情感和行為反應(yīng)進(jìn)行干預(yù)，以提升外語(yǔ)學(xué)習(xí)效果。在此背景下，使用目標(biāo)語(yǔ)言國(guó)家的數(shù)字孿生技術(shù)以及虛擬現(xiàn)實(shí)（VR）技術(shù)進(jìn)行歷史和語(yǔ)言文化沉浸式體驗(yàn)，正逐漸從游戲領(lǐng)域轉(zhuǎn)向嚴(yán)謹(jǐn)?shù)慕虒W(xué)法和研究領(lǐng)域（Rüth， Kaspar 2021）。

雙語(yǔ)者大腦神經(jīng)解剖圖的最新研究展示了語(yǔ)言功能區(qū)的進(jìn)化過(guò)程，也已證實(shí)傳統(tǒng)地將語(yǔ)言分為生成與接受過(guò)程與通過(guò)神經(jīng)心理生理學(xué)工具所獲得的數(shù)據(jù)并不完全吻合。因此，通過(guò)磁共振成像（МРТ）和腦磁圖（МЭГ）技術(shù)，基于不同語(yǔ)言結(jié)構(gòu)的雙語(yǔ)研究，能夠更為精確地區(qū)分大腦皮層中參與言語(yǔ)處理的區(qū)域（Chen et al. 2022， Cowan et al. 2022）。這種研究揭示了不同語(yǔ)言發(fā)音模式的不同變體，可能導(dǎo)致雙語(yǔ)者在發(fā)某個(gè)音時(shí)出現(xiàn)錯(cuò)誤，這與其神經(jīng)—肌肉張力系統(tǒng)的差異性策略、發(fā)音方式及神經(jīng)認(rèn)知聯(lián)系的慣常路徑密切相關(guān)。因此，雙語(yǔ)者在感知某些音或音素組合時(shí)，其情感標(biāo)準(zhǔn)表現(xiàn)出不同的個(gè)性特征。

模擬能力取決于神經(jīng)系統(tǒng)從外部環(huán)境實(shí)時(shí)接收的某一類信號(hào)，包括聲音、色光、電磁語(yǔ)音信號(hào)、視覺(jué)/書(shū)寫信號(hào)、神經(jīng)肌肉脈沖或神經(jīng)體液波動(dòng)（作為神經(jīng)生理通訊的行為）。它們除傳遞基本信息外，還附加情感價(jià)值，即“情感要素”（эмотикема）（Karabulatova et al. 2023）。附加的情感色彩在信息解碼過(guò)程中發(fā)揮關(guān)鍵作用，使得信息能夠在特定情感節(jié)點(diǎn)上被準(zhǔn)確解碼。

因此，情感智能的范疇遠(yuǎn)比簡(jiǎn)化模型要廣泛，簡(jiǎn)化模型利用現(xiàn)代多元的機(jī)器學(xué)習(xí)技術(shù)分析神經(jīng)數(shù)據(jù)，但由于未能充分考慮神經(jīng)心理語(yǔ)言學(xué)因素，影響了預(yù)測(cè)的準(zhǔn)確性和分類器的開(kāi)發(fā)（Rao 2019）。

外部信號(hào)各個(gè)組成部分并非總是能被有意識(shí)地識(shí)別和驗(yàn)證，但它們依然能夠通過(guò)神經(jīng)系統(tǒng)實(shí)時(shí)轉(zhuǎn)化為內(nèi)部的二進(jìn)制代碼，隨后在處理過(guò)程中被解碼，從而在“危險(xiǎn)—非危險(xiǎn)”的標(biāo)尺中確定信息篩選的優(yōu)先級(jí)，確保信息的有效接收與理解（Blouw et al. 2019）。同時(shí)，研究人員指出，情感理論模型（如輔助學(xué)習(xí)模型、基于生物物理的網(wǎng)絡(luò)模型）與基于深度學(xué)習(xí)和/或集成方法的適應(yīng)性模型之間存在不一致性（Fellous et al. 2019）。

我們認(rèn)為，正是因?yàn)闆](méi)有充分認(rèn)識(shí)到構(gòu)建清晰的情感學(xué)術(shù)語(yǔ)體系以及明確功能界限的重要性，導(dǎo)致這類模型的結(jié)果出現(xiàn)不同解讀和分歧。

研究者指出，在交際語(yǔ)言心理生理學(xué)范疇，人腦的主要功能資源被用于信息解碼過(guò)程（Тютюнник et al. 2016）。一方面，自然智能的計(jì)算能力有限，這是由于作為其基本組成單位的神經(jīng)元無(wú)法持續(xù)工作，活體細(xì)胞不應(yīng)性的神經(jīng)生物學(xué)特質(zhì)使得神經(jīng)元須要定期休息以恢復(fù)功能（Barer et al. 1953；Lee et al. 2024）。另一方面，學(xué)術(shù)情感學(xué)旨在培養(yǎng)學(xué)生對(duì)外部環(huán)境信號(hào)變體的解讀能力，這些信號(hào)表明人們已脫離舒適區(qū)，進(jìn)而觸發(fā)了進(jìn)化過(guò)程中同步形成的初級(jí)防御反應(yīng)模式。

基于此，我們提出具有同理心的智能代理，即AI講師（見(jiàn)圖5）。該模型呈現(xiàn)出與情感生成AI相關(guān)聯(lián)的復(fù)雜結(jié)構(gòu)。情感生成AI是一個(gè)處理社會(huì)情感反應(yīng)的系統(tǒng)，依賴于大腦負(fù)責(zé)意識(shí)的區(qū)域，盡管這些區(qū)域是后期發(fā)育的?；谇楦兄悄艿膹?fù)雜結(jié)構(gòu)，可以構(gòu)建出作為講師的智能代理高級(jí)架構(gòu)（見(jiàn)圖5），具體設(shè)計(jì)如下：（1）識(shí)別學(xué)生情緒；（2）建立學(xué)生心理情感狀態(tài)模型；（3）通過(guò)主觀體驗(yàn)，將學(xué)生的心理情感狀態(tài)投射到自身情感模型中；（4）生成對(duì)學(xué)生（即受訪者）的情感回應(yīng)。

因此，我們提出開(kāi)發(fā)一個(gè)能夠在對(duì)話中與學(xué)生保持情感反饋的智能代理，將情感內(nèi)容融入教育信息，從而提升學(xué)習(xí)的沉浸體驗(yàn)，改善教學(xué)效果。

5 結(jié)束語(yǔ)

如今，人工智能作為一個(gè)新興的高科技產(chǎn)業(yè)領(lǐng)域，展現(xiàn)出廣闊的發(fā)展前景，迫切需要對(duì)其進(jìn)行深入研究與探討。當(dāng)前研究在開(kāi)發(fā)情感模型時(shí)，主要關(guān)注其作為一種實(shí)現(xiàn)人機(jī)高效交互的技術(shù)創(chuàng)新，往往忽略了自然情感智能學(xué)科基礎(chǔ)中的一些重要問(wèn)題，以及人工智能情感模型的復(fù)雜性。

情感智能在學(xué)術(shù)話語(yǔ)中的應(yīng)用依賴于對(duì)輸入信息的心理情感反應(yīng)。制定神經(jīng)認(rèn)知知識(shí)與情感模型有機(jī)融合的原則成為現(xiàn)代神經(jīng)教育學(xué)面臨的新挑戰(zhàn)，結(jié)合大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)，利用人工神經(jīng)網(wǎng)絡(luò)（ANN）收集數(shù)據(jù)并對(duì)其進(jìn)行初步處理，通過(guò)再加工獲得的新信息為推進(jìn)現(xiàn)實(shí)復(fù)雜環(huán)境下有效決策提供依據(jù)和支持。

本文提出的共情智能代理/講師模型展示了整合不同文化、社會(huì)群體及學(xué)科情感表現(xiàn)模型的可能性。然而，構(gòu)建統(tǒng)一的情感智能結(jié)構(gòu)仍面臨挑戰(zhàn)。未來(lái)的研究需要進(jìn)一步探索情感智能的多層次邏輯，結(jié)合層次性、時(shí)空背景和數(shù)據(jù)模糊性來(lái)構(gòu)建更為完善的推理框架。

通過(guò)進(jìn)一步分析，我們可以構(gòu)建一個(gè)包含多個(gè)子模型的復(fù)雜多圖模型，具體包括：（1）情緒的歷史演變模型；（2）情緒的生物學(xué)基礎(chǔ)模型；（3）情緒的心理參數(shù)模型；（4）情緒的神經(jīng)生理學(xué)參數(shù)模型；（5）情緒的社會(huì)學(xué)變量模型；（6）情緒的語(yǔ)言學(xué)模型；（7）情緒非語(yǔ)言參數(shù)模型（如肢體語(yǔ)言、面部表情等）；（8）情緒的副語(yǔ)言參數(shù)模型（如音高、音色飽滿度等）。

在項(xiàng)目分析初期階段，有必要首先對(duì)情感智能現(xiàn)象進(jìn)行全面而深入的分析，涵蓋神經(jīng)心理生理情感智能、情緒生成智能以及情感處理智能。全面識(shí)別不同層級(jí)的情感性和表情性標(biāo)識(shí)，進(jìn)而建構(gòu)用于教學(xué)的情感人工智能和神經(jīng)網(wǎng)絡(luò)的操作指令和多層次模型，最終實(shí)現(xiàn)人工智能講師的高級(jí)架構(gòu)，使其在與學(xué)生互動(dòng)時(shí)能夠生成情感反饋。③④

注釋

①I.S.Karabulatova和M.Talanov為“數(shù)字人文：經(jīng)驗(yàn)、問(wèn)題與前景”會(huì)議的特邀專家，經(jīng)協(xié)商將本文作為此次會(huì)議推介的譯文。本文翻譯已獲得原作者授權(quán)。

②本表由作者整理，詳見(jiàn)Karabulatova et al. 2021。

③本論文為首次發(fā)表，經(jīng)原作者同意，譯者對(duì)原文內(nèi)容進(jìn)行壓縮，保留原文中關(guān)于學(xué)術(shù)情感學(xué)理論基礎(chǔ)及情感人工智能建構(gòu)路徑等內(nèi)容，力求呈現(xiàn)研究的核心內(nèi)容。

④限于版面，文中參考文獻(xiàn)未列出，如有需求可聯(lián)系譯者獲取。

定稿日期：2024-10-10【責(zé)任編輯 陳慶斌】