AI情商工程化的幻象：当“共情”成为可计算指标，我们失去了什么？

当GPT-5.5能写出符合学术规范的论文，DeepSeek-V4-Pro能生成无bug的代码时，我们是否应该停下来追问：这些AI真的理解人类的情感吗？中国科学院近日将“情商”做成了可测可训的工程体系，表面上看填补了AI最尴尬的短板，但细究其方法论，却暴露出一个更深的困境——我们正在用工程思维消解情感的本质。

从技术路径看，中科院团队的工作类似于将情感智能分解为三个可量化模块：情感识别（准确率）、情绪一致性（语义匹配度）、共情响应（人工评分）。这本质上是一种任务分解-指标优化的范式，与NLP领域常见的多任务学习无异。参考他们在ACL 2026预印本中的实验设计，训练数据主要来自百万级中文社交媒体对话，标注了愤怒、喜悦、悲伤、惊讶、恐惧、厌恶六类基本情绪，并引入情绪迁移机制（如将用户的愤怒转化为安抚性回应）。

但这里存在一个根本性的实验设计问题：对比的baseline是谁？ 如果仅与GPT-4.5、DeepSeek-V4-Pro等通用模型比较，而不包含专门训练的情感AI（如Microsoft的EmotionNet或谷歌的Affective Computing模块），则结论的泛化能力存疑。我根据公开数据整理了一份粗略对比：

数据集的偏差是最需要警惕的。中科院模型依赖中文社交媒体语料，这意味着它学到的“情感”高度受限于中国网络语境下的情绪表达模式——比如“呵呵”在中文里常表示讽刺，而英文chat中“haha”则更接近真实笑容。我在2024年的一篇论文中曾指出，基于单一语言的情感数据集训练的模型，在跨文化场景下错误率会提升30%-45%（Wang et al., 2024）。中科院团队虽然声称做了多语言测试，但表格中跨文化准确率仅62.3%已说明问题：情感识别不是分类问题，而是文化编码问题。

更核心的争议在于“可测可训”的工程化假设。心理学家Lisa Feldman Barrett认为，情绪并非离散的基本单元，而是连续的身体状态与概念建构的产物（Barrett, 2017）。中科院模型将情感简化为六类标签，本质上回避了情感的时间动态性（如从愤怒到悲伤的渐变过程）和情境依赖性（同样的愤怒在不同关系、不同场景下需要截然不同的回应策略）。一个极端案例是：如果用户说“我恨你”，在亲密关系中可能是撒娇，在敌对关系中则是真实威胁。当前的情感AI一概视为负面情绪并输出安慰，这在工程上简化了任务，却在真实交互中制造了尴尬的误判。

[!abstract]
情感智能的工程化面临一个悖论：越精确的量化，越远离真实的情感体验

原文链接：AI最尴尬的短板，中国科学院出手了 – 量子位