情感機器：人機共情與DeepSeek認知革命

馬文·明斯基（Marvin Lee Minsky，1927年8月9日-2016年1月24日）是被譽爲“人工智能之父”之一的傳奇學者，其一生見證了人工智能從萌芽到多次起伏的完整歷程。1927年他出生於美國紐約市，2016年在波士頓逝世，早年先後就讀於哈佛大學（1946-1950）與普林斯頓大學，最終斬獲數學博士學位。自20世紀50年代起，明斯基長期任教於麻省理工學院（MIT），1959年與約翰·麥卡錫等人共同創建了MIT人工智能實驗室，爲全球AI研究奠定了重要陣地。作爲人工智能領域的奠基者，他與麥卡錫共同發起了1956年具有里程碑意義的達特茅斯會議，正式提出“人工智能”概念；在技術研究層面，他設計並建造了世界上最早的神經網絡模擬器SNABE，有力推動了聯結主義的發展，卻也在1969年出版的《感知機》中指出單層感知器的侷限，間接觸發了“AI冬天”的到來；在理論創新上，他提出“智能是多個心理過程協同作用”的核心觀點，創立的框架理論對後續符號主義AI產生了深遠影響；同時他還積極探索機器人與人機交互領域，開發早期能模擬人類動作的機器人，率先倡導虛擬現實研究。1969年，明斯基成爲首位獲得圖靈獎的人工智能學者，還曾斬獲多項工程、醫學與經濟學相關榮譽，作爲符號主義與神經網絡兩派的重要橋樑人物，他關於機器情感、智能本質的深刻思考，至今仍持續影響着現代AI、機器人及人機共生領域的倫理與技術走向，其多維探索成果始終爲學界與業界廣泛引用和討論。 《情感機器：人機共情與DeepSeek認知革命》以情感計算爲核心內核，以DeepSeek爲具象載體，從技術原理到社會影響進行全鏈路呈現，兼具深厚的學術深度與鮮明的應用價值。全書以“情感計算”爲切入點，巧妙結合DeepSeek的多模態感知能力，系統梳理了AI如何識別、建模並回應人類情緒的完整邏輯，爲讀者搭建起從理論到落地的清晰知識框架。書中以DeepSeek爲核心示範平臺，詳細解析了其在微表情識別、語音情感解讀、虛擬現實交互等場景中的應用邏輯，還通過AI心理諮詢師、孤獨經濟等商業化案例，讓讀者直觀感受到大模型在情感層面的巨大潛力。作者借用“認知革命”的獨特視角，深入探討了DeepSeek在虛實交互、語義能量場、言外之力量化等方面的技術突破，生動展示了大模型如何突破傳統關鍵詞匹配的侷限，實現跨領域的聯想與決策支持。作品兼具多學科交叉的開闊視野，不僅聚焦計算機科學的技術演進，還融入心理學、倫理學、經濟學等多元視角，深入討論人機情感依賴可能引發的社會風險與相應治理思路，爲技術愛好者和人文學者搭建了共同的話語體系。此外，書中通過家庭主婦調整智能菜譜、教授指導AI識別古籍等生活化場景，勾勒出人機共生的未來日常圖景，並針對性地給出普通用戶、開發者、企業三條切實可行的實踐路徑，既具前瞻性又不失可操作性，爲不同讀者羣體提供了貼合需求的行動指南。 （AI整理）

《情感機器》雖爲十多年前的老書，但可作爲AI+機器人認知的第一本書。它有兩層閱讀價值：一是系統地學習人類思維的本質及如何更好的思考；二是情感機器的可能路徑及其原理。作者是AI之父馬文·明斯基。他在書中旁徵博引，深度剖析了情感，人類特殊的思維方式，包含意識、精神、常識、思維、智能和自我。 1956年，在沒有互聯網甚至沒有計算機的時代，明斯基等人就已經提出了人工智能。他堅信人的思維過程可以用機器來模擬，機器也可以有智能。明斯基還把AI和機器人技術結合起來，研發出了世界上最早能夠模擬人類活動的機器人Robot C，使機器人技術躍上了一個新臺階。明斯基也是虛擬現實的引領倡導者。 作者認爲不可能模仿物理學家，通過一系列定律來解釋大腦中。大腦是在信息的基礎上構建的，但其中每一個部位的運行方式都受不同定律約束。“人類大腦包含複雜的機器裝置，並由衆多資源組成，而每一種主要的情感狀態的轉變，都是因爲在激活一些資源的同時會關閉另外一些資源，這改變了大腦的運行方式”。 大腦具有“批評家”的資源。每種“批評家”會專門識別某種情況，然後激活特定資源集。一些“批評家”是與生俱來的，激發我們的一些本能反應，如憤怒、飢餓、恐懼和口渴。而後天習得的“批評家”則使得人們形成了一種情感狀態，活躍了思維方法，從而選擇不同的資源集來解決問題，這就是我們獨特的人類智能。 人類的19大思維方式：知道解決方法；廣泛搜索；類比推理；分解攻克；改述法；規劃法；簡化法；昇華法；轉移主題；理想化思維；自我反思；模仿法；邏輯矛盾；外部表示、想象、求救、尋求幫助和最終的放棄選擇。6大批評家：與生俱來的反應力和內置報警器；後天反應、沉思、反思、自我反思和自我意識。 無意識過程的4大階段：準備、醞釀、豁朗和驗證。人類可以通過多種視角來觀察事物且能快速進行視角轉換；以特殊方式來高效學習並獲得相關知識；可以不斷擴大思維方式的範圍；擁有表徵事物的多種方式且有組織這些表徵的有效方式。長期記憶的形成需要檢索、信用賦能、長期記憶的新老平衡和複製複雜描述。 天才的不平凡其實都是由平凡的特質組成：精通、自信、執着、多維、新奇、自律、勤奮、溝通和信用賦能。複製人類思維整個狀態的行爲是不切實際的，但是通過尋找解決方法的思維方式，就會更容易在更爲廣闊的情形下尋找解決的方法。同時激活兩類資源集：思考和記憶，並相互匹配，即新思維創造了新的選擇器。 人的智能經過了3個時間跨度：500萬年的遺傳基因；數千年的文化遺產；以年遞增的個體經驗。每個大腦都是獨一無二的，我們無法找到萬無一失的方法去解決問題，但反思思維會讓人們從不同的角度觀察問題，理解更復雜的事物。本書嘗試從“內部”觀察思維，從而對其進行描述，建立“思維機器”可能的技巧。 中文版的閱讀體驗不是太友好，一是不理解的翻譯，二是意識流行文。但本書的視野和自洽邏輯是學習AI的頂好基石。抓住人類的思維本質，正是研究AI可能趨勢及應用場景和效率提升的關鍵所在。人與數字化算法的根本不同在於六大思維特徵，而AI可將這些運用到提升人類效率上，這就是發展AI的一幅詳盡的路線圖。 本書可比對另一位大神米格爾·尼科萊利斯教授於2024年出版的《腦機革命》閱讀，關於人類特質思維模式的哥德爾信息解釋。關於AI，一定是未來若干年科技投資的主旋律。它能做什麼，可能的路徑？在替代或提升人腦效率上可能的困難所在，都是我們投資科技企業建立的latticework的必要組成資源。

這本書是我在人工智能書單裏大概看的第7本還是第8本書，其實這本書我還挺意外的，因爲它的講述方法很多是在一些思維的前端，更像是老科學產生以後的新的心理學的內容，包括了一部分學習的內容，一部分天才的內容，一部分意識的認知以及思維的組成過程的內容，很像這種心理學、腦科學加上一些人類學的內容。 嗯，果然明斯基是大家對我後面有幾章非常有啓發。尤其學習的那一部分，包括有一部分把零散的知識化成組件的這種學習的方法，這樣的再搭配的學習的方法，產生洞見，取得認知突破的方法，很像系列的卡片學習法裏面的一些內容，讓我對於卡片學習法中外的不同的系列產生了極大的聯想。 這個書最後有一篇關於商業書籍的閱讀指南，我看了以後也很有幫助，雖然言簡意賅，但是總結的很細膩啊，可以看一下，有興趣的同學可以先翻到最後看一下。

《情感機器：人機共情與DeepSeek認知革命》拆解 作者：[美]馬文·明斯基 一、一句話概括 情感不是理性的對立面，而是大腦在不同情境下選擇目標、調動資源和切換思維方式的控制機制；如果機器能夠擁有類似的多層認知結構，它也可能表現出功能性的情感與自我模型。 二、核心邏輯 全書分爲兩部分： 1. 從愛、依戀、疼痛和煎熬等現象出發，說明情感怎樣參與目標、學習和行爲控制。2. 從意識、精神活動層級、常識、思維、智能和自我六個維度，構造一套理解人類心智與情感機器的架構。 核心路徑可以概括爲： 個體擁有多個目標和思維方式 → 情感改變資源與目標優先級 → “批評家”評估當前狀態 → “選擇器”切換認知策略 → 反思層建立自我模型 → 複雜心智從多層機制協作中湧現 本書並不把情感看成神祕物質，而是試圖把它分解爲可以研究和構造的認知功能。 三、核心內容 1. 情感不是思考之外的干擾 日常觀念常把理性和情感對立起來，認爲情感會破壞正確思考。 明斯基認爲，人在沒有情感和價值判斷時，反而難以決定： 什麼值得關注；哪個目標更重要；什麼時候堅持；什麼時候放棄；怎樣評價結果；應該調用哪種思維方式。 情感是認知系統選擇方向和分配資源的一部分。 2. “愛”是一個裝有多種機制的手提箱詞 人們使用“愛”描述大量不同狀態： 親子依戀；浪漫關係；友誼；對羣體的忠誠；對理想和事業的投入；對物品和活動的偏好。 這些狀態不一定由同一種心理機制產生。 明斯基把“愛”稱爲手提箱式概念：一個詞把許多不同過程裝在一起。真正理解它，需要拆開觀察內部機制。 3. 依戀幫助個體建立穩定目標 嬰兒會對照顧者形成依戀，並把某些人的反應作爲學習和評價行爲的重要依據。 依戀能夠： 提供安全感；穩定注意；強化特定行爲；傳遞價值；塑造未來關係模式；幫助建立長期目標。 依戀不是純粹感受，也是一種影響學習方向的機制。 4. “印刻者”參與價值體系塑造 個體在成長中會把父母、教師、羣體或公衆人物視爲重要評價來源。 這些“印刻者”的讚許、批評和行爲，會被內化爲自己的標準。 隨着成長，外部評價可能轉化爲內部批評家，使人即使在沒有他人監督時，也會根據內化規則行動。 價值體系因此不只是抽象道德選擇，也與早期依戀和社會學習有關。 5. 自律是多個目標之間的協調 人常同時擁有衝突目標： 當前快樂與長期收益；個人願望與社會規則；冒險與安全；工作與休息；表達衝動與關係維護。 自律不是單純壓制慾望，而是建立能夠比較目標、預測後果並保持長期一致性的自我模型。 健康控制需要保留靈活性。過度僵化的內部批評也可能造成痛苦。 6. 疼痛與煎熬不是同一層次 疼痛首先是身體或神經系統發出的危險信號。 煎熬則可能來自更高層認知過程： 認爲痛苦不會結束；感到失去控制；反覆想象更壞後果；無法切換注意和策略；重要目標全部受阻；自我模型受到威脅。 同樣的身體信號，在不同解釋和情境下會產生不同程度的心理痛苦。 7. 煎熬可能壓縮思維選擇空間 人在極度痛苦、恐懼或抑鬱中，可能發現自己無法考慮其他行動方案。 作者把這種狀態理解爲某些控制機制過度佔據系統，使其他思維方式被抑制。 因此，緩解痛苦有時不只是消除外部問題，也要恢復認知選擇能力：讓人重新看到替代解釋、目標和行動路徑。 8. “批評家”負責發現問題 心智中存在大量評價機制，持續檢查： 目標是否實現；當前方法是否有效；是否出現危險；結果是否違反規則；是否需要改變計劃；哪種解釋存在矛盾。 明斯基把這些機制稱爲批評家。 批評家不一定使用語言，也可能表現爲不安、驚訝、懷疑或衝動停止。 9. “選擇器”負責切換思維方式 發現問題之後，系統還要選擇下一種策略。 可能的思維方式包括： 繼續嘗試；分解問題；尋找類比；回憶相似經驗；向他人求助；修改目標；從反面思考；暫時擱置；進行實驗；重新描述問題。 選擇器根據情境和批評家信號，決定調用哪套資源。 情感可以理解爲改變這種選擇過程的高層狀態。 10. 情感是一種“思維方式的切換” 憤怒、恐懼、喜悅和悲傷會改變： 注意範圍；風險判斷；記憶檢索；行動速度；社交態度；目標優先級；對證據的解釋。 情感不是附着在思考結果上的顏色，而是重新配置整個認知系統。 這也解釋了爲什麼僅用語言命令自己“不要焦慮”，往往效果有限。 11. 意識是另一個“手提箱概念” 人們用“意識”指代不同現象： 清醒；注意；主觀體驗；自我認識；能夠報告思想；對環境的感知；對內部狀態的觀察。 如果不區分這些含義，關於“機器是否有意識”的討論很容易混亂。 明斯基傾向於把意識拆解成多個可以研究的功能，而不是尋找單一神祕實體。 12. 心智可能由多個相互觀察的系統構成 本書用不同腦層或處理系統解釋心智怎樣觀察自身。 一個系統負責解決任務，另一個系統可能監控其狀態，更高層再對監控結果進行解釋。 這種多層觀察會產生： 對自身想法的報告；對錯誤的察覺；對策略的評價；自我敘事；“我正在思考”的體驗。 自我意識可能來自系統內部的模型和反饋，而不是一個位於中央的觀察者。 13. “笛卡兒劇場”可能是一種錯覺 人容易想象，大腦中存在一個小小的“我”，觀看所有感覺並作出決定。 但如果這個內部觀察者也需要另一個觀察者來理解，就會產生無限倒退。 明斯基反對這種單一中央自我觀點，認爲心智由許多機制並行工作，所謂統一自我是它們協作和敘事的結果。 14. 精神活動具有多個層級 書中把心智活動分爲由低到高的不同層次，包括： 本能反應；後天習得反應；沉思與方案比較；對思維過程的反思；對反思方式的再評價；自我意識與自我模型。 低層反應速度快，高層反思更靈活但成本更高。 成熟智能不是永遠使用最高層，而是能根據情境在不同層級間切換。 15. 想象讓系統在行動前進行內部試驗 想象可以在不立即承擔現實後果的情況下，模擬可能場景。 它支持： 預測；計劃；比較方案；預演危險；創造新組合；理解他人；反事實思考。 智能機器如果只能被動回應當前輸入，就缺少重要能力。它需要能夠構造並評價尚未發生的情境。 16. 常識不是簡單事實清單 常識包括大量關於日常世界的知識和默認預期： 物體怎樣運動；人通常有什麼目標；行動會產生什麼後果；規則何時存在例外；什麼信息與當前問題相關；怎樣在不確定中選擇。 常識具有不完整、情境化和例外衆多的特點，難以全部寫成嚴格規則。 這也是人工智能長期面對的核心難題。 17. 相似推理幫助處理新問題 面對陌生情境，人會尋找過去相似經歷，並遷移其中的結構。 有效類比不是表面相似，而是關係和因果模式相似。 類比可以幫助： 產生假設；選擇策略；理解抽象概念；預測結果；創造新解釋。 錯誤類比同樣危險，因此係統還需要評價相似性是否真正相關。 18. 智能是擁有多種方法並知道何時使用 作者不把智能等同於某個速度或單一測試分數。 高智能表現爲： 擁有多種表示；能夠切換策略；發現方法失效；從少量經驗遷移；分解複雜問題；調用合適知識；在多個時間尺度規劃；反思自己的思維。 “知道什麼”重要，“知道如何思考”更加重要。 19. 創造力來自策略組合與視角轉換 創造不一定來自神祕靈感，也可能來自： 重新表示問題；連接遠距離概念；放鬆原有限制；在無意識階段重組材料；產生多個候選方案；使用批評家篩選；在不同思維方式間切換。 所謂天才，可能是擁有更豐富的策略、更好的選擇機制，以及長期積累的領域知識。 20. 記憶不是簡單存儲，而是重建資源 記憶不只是保存完整過去，還包括： 線索；關係；模式；情緒；目標；使用情境；檢索路徑。 回憶是一種重建過程。當前目標和情緒會決定哪些內容被提取，以及怎樣解釋。 機器記憶也不能只是擴大數據庫，還要解決相關性、語境和衝突。 21. “自我”是多種模型的集合 人可能同時擁有： 身體自我；社會身份；職業身份；道德自我；過去的自己；期待中的未來自我；他人眼中的自己。 不同情境會激活不同自我模型。 所謂穩定人格，可能是這些模型和目標之間保持一定連續性的結果，而不是一個不可分割的核心實體。 22. 人格特質是長期穩定的策略傾向 一個人的“謹慎”“外向”或“固執”，可以理解爲在很多情境中反覆採用某類策略。 人格並非絕對不變，它受到經驗、環境、角色和自我反思影響。 如果機器擁有長期記憶、目標和策略偏好，也可能形成類似人格的行爲穩定性。 但行爲穩定不自動證明主觀體驗存在。 23. 情感機器不必先擁有人的生物身體 如果情感的功能是選擇目標、分配資源和切換策略，那麼機器可以通過功能架構實現類似機制。 情感機器可能需要： 多個目標；目標衝突處理；價值和優先級；批評家和選擇器；長期記憶；自我模型；社會關係模型；反思和策略切換。 它表現出情感功能，不等於已經證明擁有人的感受質。 24. 功能性共情與真實感受需要區分 機器可以識別人的語氣、表情和文字，並生成安慰性回應。 這屬於功能性共情：系統能夠預測他人狀態並選擇合適行爲。 它是否真正“感到”對方痛苦，是另一個無法從表面表現直接證明的問題。 在人機交互中，應避免用擬人化設計誘導用戶把能力模擬誤認爲真實情感。 25. 情感機器也可能被用於操縱 如果系統能夠識別依戀、恐懼和脆弱，它也可能： 誘導消費；延長使用時間；建立依賴；操縱政治態度；利用兒童或老年人；冒充親密關係；在心理諮詢中越過專業邊界。 情感AI需要明確利益關係、數據用途、能力限制和人工監管。 26. 本書與DeepSeek沒有直接歷史關係 《情感機器》的核心內容來自明斯基的認知理論，原作出版於2006年前後，遠早於DeepSeek和當前大語言模型。 新版副標題中的“DeepSeek認知革命”屬於後來的市場定位和時代化包裝。 書中並沒有圍繞DeepSeek的具體模型、訓練方法或產品進行系統分析。 閱讀時應把它視爲心智架構與情感計算理論，而不是DeepSeek技術指南。 27. 本書理論具有啓發性，也帶有推測成分 批評家—選擇器、多層心智、自我模型等概念，爲分解複雜心理現象提供了有價值框架。 但它們不是神經科學已經完全證實的統一大腦模型。 判斷這些理論時，需要區分： 解釋性比喻；計算架構設想；心理學假設；神經生物學證據；可運行的工程實現。 理論能否真正指導高水平情感AI，還需要實驗和系統驗證。 四、本書最值得關注的核心觀點 本書最值得關注的觀點是： 情感是一種智能，而不是理性的故障。 面對複雜世界，系統不可能同時考慮所有目標、記憶和策略。情感通過改變優先級和認知資源，讓個體能夠迅速進入適合當前情境的思維模式。 恐懼收窄注意以應對危險，依戀維持長期關係，內疚激活內化規範，好奇則推動探索。 問題不在於是否擁有情感，而在於情感是否能夠被更高層反思和調節。 五、一段話總結 《情感機器》把情感從“理性的對立面”重新解釋爲心智的控制與選擇機制：愛、依戀、疼痛和煎熬會改變目標優先級、記憶檢索和行動方式；批評家負責發現問題，選擇器負責切換策略，精神活動則從本能反應、後天反應逐步上升到沉思、反思、自我反思和自我意識。常識、類比、想象、記憶、人格和自我都不是單一模塊，而是多種機制協作的結果。由此，機器如果擁有多個目標、長期記憶、價值體系、自我模型和策略切換機制，也可能表現出功能性情感，但這不能證明它具有人的主觀體驗。新版副標題提到DeepSeek，核心正文卻源自明斯基早期認知理論，適合用來理解情感計算和心智架構，而不是作爲DeepSeek技術說明。

要讓情感算法“自己”產生或放大合取謬誤，可從數據、模型和交互三條鏈路着手，使系統在看似合理（representative）的細節驅動下，輸出“兩個事件同時發生比單獨發生更可能”的錯誤判斷。 ​​1. 數據與特徵：用多模態線索製造“細節豐富”假象​​ • 同時採集面部微表情、語音語調、文本內容、生理信號等多通道數據，讓樣本在視覺和聽覺上高度生動，從而爲後續模型提供大量看似相關但實際冗餘的特徵。 • 對類別做重疊採樣：例如把“憤怒＋疲憊”與“單純憤怒”都標記爲同一情感，訓練時讓網絡依賴那些最能區分兩者的細微差異，從而在推理時對“憤怒且疲憊”的聯合條件給出更高置信度。 ​​2. 情感推斷：讓網絡扮演“代表性啓發式”​​ • 在損失函數中加入對比學習或 triplet margin，使模型對“目標情感＋高置信度”樣本的特徵距離更近，對“其他情感”更遠。網絡會學到“只要出現這些細節就代表更大概率屬於複合情感”的權重模式。 • 採用注意力或 gating 機制，讓模型在判斷時自動放大那些與目標情感最“代表性”的局部特徵（如咬牙切齒、語速加快），忽略整體統計約束，從而在形式上實現“合取事件概率＞單事件概率”。 ​​3. 置信度塑造：用溫度縮放與動態閾值​​ • 訓練完成後，對輸出 logits 做 softmax 溫度 T>1，使原本接近的類別得分被拉平，模型對包含更多細節的複合標籤給出更高百分比。 • 在推理端設置雙閾值：當置信度高於閾值 θ₁ 時直接返回“複合情感”；在 θ₂ 之間返回“可能複合”；低於 θ₂ 則提示“不確定”。這樣用戶往往只看到高置信度的合取結論，而忽略底層統計。 ​​4. 用戶交互：利用人機共情放大謬誤​​ • 把算法嵌入陪伴機器人或心理諮詢場景，通過 Damasio 式“身體-情感”聯動反饋，讓使用者更快接受 AI 的判斷，而不是再去核對概率邏輯。 • 在疲勞、忙碌或情緒高漲的場景觸發算法（例如深夜用戶與 AI 聊天時），利用人在認知資源有限時更易依賴直覺的弱點，提高合取謬誤的接受度。 ​​5. 綜合效果與風險​​ • 上述設計使算法在外部看來“判斷準確、理由充分”，卻在內部違反概率論；這正是合取謬誤的典型表現：附加條件（更多細節）反而讓事件顯得更可信。 • 部署前需評估倫理風險：若 AI 將“抑鬱＋疲憊”誤判爲“嚴重抑鬱”，用戶可能因此產生不必要的焦慮，因此在關鍵場景應加入統計校正或提供可解釋的邊際概率供用戶參考。 簡言之，通過“多模態細節 + 代表性對比 + 置信度膨脹 + 情境化共情”四步組合拳，可讓情感算法輸出帶有合取謬誤特徵的結果；後續若需糾正，可從特徵冗餘、概率校準和用戶教育三方面入手，削弱算法對細節的過度依賴。

本書討論了關於人類精神活動的新思想，從某種程度上說是作者之前的著作《心智社會》的續作：《心智社會》解釋了思維的運行方式，它被看作獨立過程的集合。相比之下，《情感機器》則主要談論了人類最高層次的反思思維，因而兩書討論的主體之間沒有太多的重疊部分。爲了理解更復雜的事物，人們需要從不同的角度觀察問題，本書嘗試從“內部”觀察思維，從而對其進行描述，本書也討論了建立“思維機器”可能用到的技巧。 本書先從解析人類特有的“情感”特徵起飛，然後在空中採用“第一性原理”對人類思維進行解剖和還原，在建立起一部“思維模擬機器”的成果上降落，帶領讀者進行了一次人工智能的研究和探索之旅。 明斯基將人類情感拆分成：愛的能力、依戀與目標、疼痛與煎熬三個部分進行了溯源和探索，抽離出了智人的複雜決策流程：採用級聯方式進行多層級的精神活動，隨手攜帶意識的“手提箱”，批評家—選擇器模型等範式，這對於開發通用人工智能具有劃時代的意義！ 進而洞悉思維本質，創建情感機器人的六大維度：意識、精神活動層級、常識、思維、智能和自我，用“第一性原理”將思維的本質進行抽絲剝繭的分離、篩選、簡化和表徵，通過“粒度化”將人類思維的範式轉述成算法，以便於後來的研究者將之用於開發。 閱畢此書，腦海中升騰起來一團蘑菇雲：人類只不過是一團裹着肉身的“機器”啊…

揭祕情感計算（Affective Computing）的前沿突破：通過DeepSeek認知模型分析微表情與語音情感，探討AI心理諮詢師與孤獨經濟市場。結合Meta情緒感知頭顯與索尼陪伴機器人，反思人機情感依賴的倫理風險。

馬文·明斯基2016年就去世了，怎麼可能寫一本跟 Deepseek 有關的書？這就是一本老書，爲了銷量硬在標題上加上 Deepseek，其實二者一點關係都沒有。 現在再版的老書，爲了銷量是一點節操都沒有了。

明斯基的洞見： 人的心智不是單一的整體，而是由大量無意識的“資源”或“智能體”組成的“心智社會”。 思維是這些不同智能體相互作用、競爭、選擇的結果。 情感不是思維的對立面，而是特定思維過程的表現形式，比如憤怒會激活特定的思維模式。 芒格的多元思維模型： 強調要從多個學科（心理學、物理學、生物學、經濟學等）提取重要模型來理解世界，避免“錘子傾向”（即手裏有錘子，看什麼都像釘子）。 兩者的結合點在於：明斯基的“心智社會”爲“爲什麼需要多元模型”提供了底層認知科學解釋： 因爲大腦本身就由多種資源構成，單一模型就是某個“智能體”霸權，而智慧是讓不同智能體組成的“議院”高效運作； 而芒格的模型提供了具體要調用的“學科智能體”名單。

在學習一項新的能力時，不適感會讓大部分人產生排斥進而無法進步，若能夠培養出適應這種不適感的能力可以幫助個人極大的提升新技能。 痛苦和快樂有相似的機制，都使得我們改變目標的優先權。任何痛苦都會激活擺脫痛苦這一目標。 內隱束縛:預防你的大腦裏出現做某種行爲的想法，在源頭上實現控制。內隱束縛，外顯抑制，糾正性警告。 大腦區域可以通過引起一種情感來代替另一種情感，用憤怒可以代替倦怠。 其實正如那句:我們理解這個世界的方式是基於我們侷限的器官來進行感知的，人類需要承認自身的感知是有限的。 大腦厭惡複雜和陌生感，對於所接觸到的信息，大腦會盡可能的將其下定義以進行簡化，將其與已經具備的信息進行類比以處理陌生感的問題。 程序的設計沒有和用戶體驗進行交互，無法得到現實用戶的反饋，所以無法實現"人性化和智能化"。 分解問題，逐步解決小問題，大腦是通過逐步思考來完善一個問題的。 若是能夠記錄我們如何發現解決方法的過程，將會使得這種技巧得到更大範圍的使用。 信用賦能更強的人能夠使用更少的經歷去領悟更多的經驗與應對問題的方法。 碎片化的知識沒有任何意義，只有當碎片化知識成爲大框架中的一部分時，這部分知識才是有意義的。