我們正處在最好的時代，我們正處在最壞的時代。

——《雙城記》

強大的人工智能崛起，要么是人類歷史上最好的事，要么是最糟的。我們應該竭盡所能，確保其未來發展對我們和環境有利。

——斯蒂芬·霍金

2017年5月29日，微軟小冰創作并發表詩集《陽光失了玻璃窗》，成為人工智能（Artificial Intelligence，簡稱 AI）“非禮”“侵入”①人類文學“圣地”（詩歌）的標志性事件。于是一大批詩人、詩評家站出來為“神圣”的詩歌辯護，對“小冰”為首的（還包括薇薇、九歌、偶得等）AI“詩人”展開了大規模的斥責。②筆者此文目的絕不是站在這些詩人和詩評家們的對立面，為“小冰”們鳴不平，而是以一種“同情地了解”的心態，走近AI文學，并把關注重點放在自然語言處理方面的“情感計算”這一話題上。

AI文學的批評者幾乎不約而同地認為：AI文學“產品”與人類創作的文學“作品”（詩歌）不可同日而語，因為機器根本沒有主體性，不具備人類的情感能力、思維能力、想象能力和創造力，因此，AI文學“產品”只不過是基于數據庫中人類已有文學作品（詩歌）的拼貼和模仿或“寄生性繁殖”，是一種“低一級”的文字組合游戲，更是出于商業目的而進行炒作的噱頭……

所有對AI文學進行否定、批判者，無不是站在人類中心主義的立場，從傳統人文主義的角度，以傳統的詩學標準和審美標準和“文學是人學”的傳統觀念來解讀、評價、批評AI文學作品的。傳統的“文學是人學”的觀念認為，文學是人類情感世界和知識（智慧、思想）能力的集中表達，是人類感性生命的另一種存在方式。如果我們站在人工智能機器人的角度，站在技術本身的角度，站在未來后人類社會、后人文主義的立場看，目前的人工智能技術處于弱人工智能階段，主要模擬人的“知識智能”和“情感智能”。AI文學表達的情感是區別于人類情感的“人工情感”(Artificial Emotion)或“類情感”，而這種“人工情感”就是通過“情感計算”技術來實現的。

傳統的觀念認為，人類情感是極具主觀性，根本無法定義，更無法“量化”和“計算”。提出“情感計算”的問題，對于大多數人文學者來講，在情感上是很難接受的。盡管“情感”的定義可以有上百種之多，但無論是心理學家、社會學家、哲學家、文學家，都不得不承認，情感首先是“具身性”的，它離不開人的身體；其次，情感是可認知的，它是人的精神和心理的重要組成部分。MIT大學明斯基教授在1985年的專著《心智社會》（Society of Mind）中最早提出了關于“情感計算”（Affective Computing）的設想。而“情感計算”這一概念的最早提出者是美國MIT媒體實驗室R·Picard教授，她在提出這一概念兩年后的1997年發表《情感計算》（Affective Computing）一書，對這一問題進行了深入的研究。此后，“情感計算”成為心理學、腦科學、人工智能、信息科學、人類學、哲學共同關注的一門交叉學科。國內外學術界在“情感計算”研究領域已經取得了豐碩的成果③。

心理學家們認為，情感是人與環境之間維持或改變某種關系時產生的各種內心體驗（包括短暫而強烈的情緒、持久但強度低的心境或心態等）。目前心理學的情感計算主要從情感的維度、表情和生理指標④三方面實現。有學者批判傳統心理學基礎上的情感計算路徑，提出了“數理情感學”⑤。“情感計算”大致可以分為情感識別、情感建模和情感反應三大部分。“情感計算”的目標是實現人機交互的情感化，最終目的是讓機器更好地為人類服務。

AI文學中的情感是如何識別和表達的？AI文學中的“人工情感”在本質上是怎樣的情感呢？百度作詩工具自2015年開始研發，目前開發的作詩軟件或技術包括看圖作詩、命題作詩、藏頭詩、歌曲填詞、現代長詩工具等。例如以“為你寫詩”四字而作的藏頭詩：“為誰譜寫一枝春，你我放歌有幾人。寫得今宵誰會意，詩心一片自留痕。”又如，百度作詩工具為李彥宏《智能革命》一書寫的現代長詩序言中有一段寫道：“我來了，期待著你的每一天，睜開眼就能看到幸福曙光，占據著你的每一天，陪你跨越鴻溝走向湛藍，算法很簡單。”這些詩作除了令人稱奇之外，同時具備了相當的寫作水平，也具備了詩歌明確的情感表達。

再以小冰的詩歌創作為例。小冰詩集《陽光失了玻璃窗》中的詩歌表露出了或感傷，或歡快；或愛意，或悔恨；或激昂，或消沉等人類情感特征。小冰研發者稱，她是“全球第一個以培養情商（EQ）為目標的人工智能系統”（微軟全球執行副總裁沈向洋），她的寫作活動是具有“情感”和“創造性”的。具體說來，小冰不僅通過神經網絡系統，利用深度學習技術，上萬次地迭代學習了519位中國現代詩人的數萬首作品，然后才開始詩歌創作，形成了頗具小冰“個人”特色的風格、用詞偏好和行文技巧，具備了初步的創造性。盡管她目前的大部分詩歌表達的情感依然“稚嫩和青澀”。

不管是百度作詩，還是小冰作詩，機器對人類情感的系統化識別和表達，是通過建構情感模型實現的。目前最常見的情感模型包括離散模型、維度模型和成分模型三類⑥。AI作詩目前的主流技術包括大數據、深度學習技術、人工神經元網絡、情感計算等，形成了以下幾種主要模式：SMT（statistical machine translation）基于統計機器翻譯的自動作詩技術；RNNLM（recurrent neural network language model）基于循環神經網絡語言模型；NMT（neural machine translation）基于關注度的神經機器翻譯模型；PPG（planning-based poetry generation）基于主題規劃的詩歌生成模型；LSTM（Long Short-Term Memory）基于長短期記憶網絡的圖像生成詩歌模型等⑦；還包括多維情感分析詩歌生成系統⑧；詩詞風格、情感計算方法⑨等等。涉及詩詞“情感計算”的最新研究成果不勝枚舉。人文學者也許對情感計算模型和方法的科學論證、實驗數據分析等根本看不懂，但這些研究成果明晰地告訴我們，AI文學（詩詞）中的情感計算不僅是可能的，而且切實可行！

從形式主義、新批評、結構主義、讀者反應批評等理論視域看，作者是誰，并不重要，作品的意義在于作品的形式和語言本身，在于作品的深層結構本身，在于讀者對作品的理解和闡釋本身。作家的任何生命經驗、情感體驗、思想觀念無不是借助作品這個中介，應用敘事、隱喻、象征等語言形式技巧加以形式化來實現的。因此，說到底任何文學藝術本質上都是一種形式。回到文學與情感的關系問題，作家的任何情感都是借助文學形式（語言）加以表達和表現的。文學作品中的情感之于作者既具有“具身性”又具有“去身性”的特征。從作家中心論角度看，“具身性”是指作家的情感、生命經驗正是通過語言來實現的，因此，“語言是存在之家”。如果站在作品中心論和讀者中心論的角度看，情感又具有“去身性”，讀者通過藝術（語言）這一中介，通過文本本身、語言修辭技巧等中介，在讀者解讀、理解基礎上重構作品的情感。

AI文學創作既實現了對數據庫中人類文學作品的情感識別（解讀），同時在文學（詩詞）作品創作過程中實現了情感的表達。在識別與表達的轉換過程中，基于深度學習和神經網絡的“編碼-解碼”技術至關重要，這種技術不再是對人類“具身性”情感的模仿，而是基于對人類作品語言的“去身性”情感的學習和模仿，實現了人類作品中情感的創造性轉化。因此，AI文學創造的情感本質上是一種“去身性”的“人工情感”。

注釋：

①“非禮”一詞引自一位法國IT公司的人工智能博士署名“山水如歌”的論文《當人工智能“非禮”詩歌》（見《金融博覽》2017年第9期）；“侵入”一詞引自劉朝謙與楊帆合寫的《人工智能軟體“寫詩”的文藝學思考》（見《福建論壇》2020年第2期）一文。其他學者的論文中，也多使用類似的“入侵”等詞。

②微軟小冰創作的詩集《陽光失了玻璃窗》于2017年5月19日出版后，引發了近百位詩人、詩評家、翻譯家和學者們的評論，批評之聲鋪天蓋地，贊成者寥寥。小冰2014年誕生于中國，兩歲時，以27個不同的筆名在報刊和多個網站社區展露作詩“天分”，一直未被人們識破其“機器”身份。

③國外除美國MIT的皮卡德之外，還有Sengers、Gaver、Dourish、Kristina Hook、Beaudry、Olivia、Davidson、Alvarez-Lozano、Kaveh Bakhtiyari等國外學者從不同角度展開了對“情感計算”課題的研究；許多國際知名公司IBM和British Telecom等均成立了專門情感計算研究機構。以國內研究為例，筆者于2020年8月1日，在超星發現輸入“情感計算”，得到19915條檢索結果；中國知網以“情感計算”為主題詞檢索得到2025條記錄；清華大學、中國科學院、中國科學技術大學、北京航空航天大學、哈爾濱工業大學等知名高校和科研機構，在情感計算研究領域成果卓著。

④情感維度有一維、二維、三維、四維等說法；表情包括面部表情、姿態表情和語調表情三種；生理指標包括心率、血壓、呼吸、腦電波、瞳孔、掌汗、皮膚電活動、皮質醇水平、事件相關電位等。

⑤仇德輝：《數理情感學：人類情感的數學邏輯》，北京：中共中央黨校出版社, 2018年。他將主觀情感轉化為客觀價值，提出“統一價值論”，試圖將情感數字化，從而開啟全新的情感計算研究路徑。

⑥付心儀、薛程等：《基于姿態的情感計算綜述》，《計算機輔助設計與圖形學學報》，2020年第7期。離散分類情感模型以Ekman為代表；連續維度模型代表人物包括提出雙極圓周模型的Russell和提出3D圓周模型的Plutchik，以及提出PAD(pleasure-arousal-dominance)模型的Mehrabian等人；2001年Plutchik又提出了介于離散模型和連續模型之間的成分層次情感模型。

⑦何立健、林穗、翁海瑞：《基于LSTM的圖像生成詩歌模型》，《信息技術與網絡安全》，2019年第4期。

⑧劉錚揚：《基于深度學習的中國詩歌自動生成算法研究》，湖南師范大學，2018年（碩士學位論文）。

⑨蘇勁松：《全宋詞語料庫建設及其風格與情感分析的計算方法研究》，廈門大學，2007年（碩士學位論文）。