本文来自微信公众号： 羊村传播 ，作者：刘姝均，原文标题：《“小零”能读懂爱情吗？人机情感交互研究的前沿图景｜论文选介》
近日，江苏卫视著名相亲节目《非诚勿扰》在播出十五周年之际推出智能体“小零”，她是由南京大学与江苏广电总台多模态视听融媒大模型联合实验室共同研发的智能机器人，她以节目十五年情感大数据为基础，融合文本、语音、行为识别、情感分析和智能匹配等技术，以实时交互的方式参与节目进程。在首期节目中，小零综合气质、个性特点、核心需求等多维度，为男嘉宾匹配出智推女生，综合匹配度高达83%。当机器以社会行动者的身份参与人类情感决策时，它所依托的技术逻辑是否足以支撑其被赋予的认知权威？技术路线将情感理解操作化为情境中的适应性行为，但在哲学与伦理学层面，机器能否真正理解情感？本文将从理论基础、技术前沿和伦理争议三个维度，系统梳理国内外研究，并在此基础上提出反思。
理论基础：从情感机器到社会行动者
自Marvin Lee Minsky（2006）在《情感机器》中提出“情感思维”目标以来，机器与情感的关系成为人工智能研究的核心议题之一。机器情感究竟是一种可计算的信息处理过程，还是一种需要在现象学意义上被体验的内在状态？对这一问题的不同回答，构成了人机情感交互研究的分野。本部分将从行为主义的功能模拟、认知主义的机制建构，到社会行动者范式的兴起，揭示“机器理解情感”这一命题在理论层面的演进逻辑。
从行为模拟范式来看，情感是可观察的输出。早期情感计算研究受行为主义心理学影响，将情感理解操作化为对可观察行为的识别与匹配。对当代机器情感识别技术的研究表明，面部表情分析、眼动追踪、微表情识别和语音分析等技术路径共享一个基本假设，即情感可以通过外部信号被可靠地读取（RafałGaszet al，2026）。在这一范式下，理解等同于正确分类，情感的质性维度被悬置。这种操作化策略的优势在于可计算性与可验证性，但也存在局限性，一个能够以超高准确率识别愤怒语音的系统，是否真正知道愤怒是什么？现有研究将语音情感识别的准确率推向了这一范式的技术上限，却并未触及理解本身的定义问题（Jun Zhaoet al，2026）。
从认知建构范式来看，情感是内部状态的建模。学界反思行为模拟范式，却得出了更具野心的主张，机器不仅应识别情感，还应拥有情感状态，并以此驱动决策。Chen Dan和Ge Yuncong（2022）提出“机器情感”概念，机器情感是一种模拟的情感状态，它根据用户情绪、环境信息和机器自身状态影响决策过程。Guorong Xiao（2020）等人的情感迁移模型则进一步将生理信号纳入情感建模，试图通过划分群体实现差异化的情感表达。这些研究将情感从被识别的对象转变为参与决策的变量，在理论层面更接近理解的认知内涵。然而，模拟的情感状态与体验的情感状态之间的鸿沟并未因此消弭，机器可以处于某种情感状态，但这并不意味着它经历了这种状态。
从社会行动者范式来看，情感是一种关系性成就。近年来，人机情感交互研究的一个显著趋势是将机器从工具重新定位为社会行动者。Hovens Daan对蓝领工作环境中人机互动的民族志研究揭示了机器作为行动者具有能动性，在生产故障中，机器不仅是被操作的对象，还主动协商人际关系。情感理解是在人机互动的关系场域中被共同建构的。小零在《非诚勿扰》中的角色体现了这一范式转换，她以0号女生的身份参与节目，其匹配建议被赋予认知权威，这并非因为她真的理解爱情，而是因为在互动中她被参与者与观众当作一个能够理解情感的实体来对待。电视相亲节目的核心吸引力在于真实性与表演性之间的暧昧关系，当机器以参与者的身份介入情感决策，真实情感的标准本身便受到了挑战（万铃，2011）。
技术前沿：识别、交互与生成的发展
目前，机器情感这一命题正在被分解为一系列可操作与可优化的工程问题。本部分将围绕读情、应情和造情的技术逻辑展开，从情感识别的精度提升、人机情感交互的决策优化，以及AI生成内容的情感效应评估三个方面进行综述。
第一，情感识别技术正从信号处理范式走向深度学习范式。情感识别是人机情感交互的基础环节。当前情感识别的主要技术路径包括面部表情分析、语音特征提取和生理信号处理（RafałGasz et al，2026）。改进水循环算法优化的语音情感识别模型在数据收集上达到93.1%的平均准确率，代表了信号处理范式当前的高水准（Jun Zhao et al，2025）。但识别精度的提升并不自动转化为理解深度的增加。AI生成音乐的情感共鸣研究中提出的双重过程框架也提供了理论警示，低层次的声学情感加工与高层次的基于来源的评估之间存在部分分离，即使听众对AI生成音乐产生了即时的情感反应，他们在感知理解、真实性和深层共鸣等维度上的评价仍然偏低（Wenting He&Yuyi Sun，2026）。识别技术的进步可能只是让机器更擅长表演理解，而非真正获得理解。
第二，交互优化正从规则驱动范式转向不确定性决策范式。情感识别之后的关键问题是，机器应如何基于识别结果做出回应。马尔可夫决策过程的人机情感交互优化框架代表了这一方向的前沿进展，研究将人机情感交互优化框架分解为情感管理与驱力管理两个子过程，在仿真中实现了“50%更快的人类说服速度”和“超过99%的计算时间缩减”，同时使模型能够动态适应用户注意力水平的变化（Jamilu Umar Yahaya&Ali Nasir，2026）。这一技术路线的核心优势在于处理不确定性，在真实的人机情感互动中，用户的情感状态往往是模糊的、矛盾的、动态变化的，静态规则系统难以应对这种复杂性。但当说服速度成为优化指标时，情感交互的伦理维度便被压缩为效率问题。小零在节目中对男女嘉宾互动细节的进一步评估和建议，如果遵循同样的优化逻辑，其理解便始终服务于匹配成功率这一外在目标。
第三，情感生成研究正从作者归属问题延伸至审美评价问题。随着生成式人工智能在音乐、文本和视觉艺术领域的广泛应用，人工智能创造情感内容的能力及其接受效果成为新兴的研究焦点。比如，当听众知道一首音乐是AI生成的时候，他们的情感反应和审美评价会发生怎样的变化？结果大多可参考作者归属效应，当同一首音乐被标注为AI生成时，听众的喜好度、感知质量和参与度均有所下降（Wenting He&Yuyi Sun，2026）。情感共鸣并非仅由内容本身的特征决定，还受到关于谁在表达这一来源判断的影响。小零的面容结合了多位《非诚勿扰》人气女嘉宾的形象这一设计策略，也可以被理解为一种应对来源效应的尝试。
伦理争议：认知权威、主体性与理解的界限
当机器以社会行动者的身份参与人类情感决策时，它所依托的技术逻辑是否足以支撑其被赋予的认知权威？这引发了学界相关的伦理思考。
首先，算法匹配的客观性其实是一种被制造出来的幻象。算法匹配常被认为比人更客观，数据算出来的结果，似乎比人的直觉更讲道理。但这种客观性不是自动存在的，它是技术设计和节目呈现一起展示出来的。用眼动仪信号区分人们对某一事物到底感不感兴趣，理由是生理信号更敏感、藏不住，所以比表情和语音更真实（Guorong Xiao et al.,2020）。但信号藏不住不等于信号的意思就清楚。当小零根据气质、基本条件、个性特点和核心需求给出83%的匹配度时，这个数字带来的客观感，更多是算法和节目共同赋予的权威，而不是它真的看透了情感。《非诚勿扰》的真实性问题一直是节目结构里的难题，机器匹配没有解决这个问题，反而用数据客观给节目加了一层新的合法外衣（万铃，2011）。
其次，机器情感交互把被理解留给了用户，却把理解掩藏。只要机器把情感表达得足够像人，用户就会觉得自己被理解了。机器情感的目标，是让机器拥有和人一样的情感，从而让用户觉得被机器人理解（Chen Dan&Ge Yuncong,2022）。但用户觉得被理解这件事，正好说明情感互动里的主体位置是不对等的。在小零和男嘉宾的互动中，被理解的是男嘉宾，不是小零，被匹配的是男女嘉宾的情感需求，不是小零自己的情感状态。小零的情感是功能性的、服务性的，她的气质和个性是设计好的参数，不是她体验到的存在。听众很难对AI生成内容产生深层共鸣，因为共鸣需要一个能被共鸣的人，而AI没有这个基础（Wenting He&Yuyi Sun，2026）。当小零以0号女生的身份出现时，节目把她呈现为她，观众又知道她其实只是它。
最后，机器伦理对齐只能让机器看起来更合乎常理，不能让它真正理解情感。机器伦理研究想用伦理对齐解决这个问题，即把人类价值观放进AI系统，让它的决定符合伦理规范（Jamilu Umar Yahaya&Ali Nasir，2026）。现有智能机器还没有现实意义上的主体性和体验性，它的伦理决策只是一种弱主体性，就算机器没有真正理解情感，它也可以在行为上做出符合伦理期待的反应。弱主体性也说明，机器的伦理决策始终是反映和对齐（D.W.Anderson et al,1967）。按这个框架，小零的匹配度更适合被看作一个伦理上可以接受的建议，而不是一个认知上可信的判断。但在节目里，这个区别常被模糊，当匹配成功时，小零的预测被说成准，当匹配失败时，责任又被推给数据不够或情感太复杂。这种只收成功却不担失败的做法，说明机器作为社会行动者在伦理上仍然很脆弱。
“小零”能读懂爱情吗？这一问题的答案取决于我们如何定义读懂。如果将读懂理解为对情感信号的技术识别、对交互策略的优化调整，或对情感内容的生成模仿，那么当前的技术已十分成熟。然而，如果将读懂理解为一种需要主体性、体验性和现象学深度的理解，那么机器与情感之间的鸿沟并未因技术进步而消弭，反而在技术日益精进的背景下变得更加清晰可辨。这一判断不应被误读为对人类情感独特性的浪漫化捍卫，也不应导向对技术探索的简单拒斥。“小零”出现在《非诚勿扰》中，其价值或许不在于回答机器能否理解情感，而在于它以具体而生动的方式迫使我们重新审视理解本身意味着什么。当一台机器能够以83%的匹配度促成一段姻缘时，我们所面对的不是机器是否理解爱情的简单追问，而是爱情是否可以被如此理解的更深层困惑。技术与人文学科的对话成为理解我们自身处境的内在要求。
参考文献：
Chen Dan&Ge Yuncong.(2022).Multi-Objective Navigation Strategy for Guide Robot Based on Machine Emotion.Electronics,11(16),2482-2482.
D.W.Anderson,F.J.Sparacio&R.M.Tomasulo.(1967).The IBM System/360 Model 91:Machine Philosophy and Instruction-Handling.IBM Journal of Research and Development,11(1),8-24.
Donald R.Wehrs.(2020).Erratum:Interlocutors,Nonhuman Actors,and the Ethics of Literary Signification.Humanities 2019,8,108.Humanities,9(2),40-.
Goldsmiths,University of London.(2019).Media Ontology and Transcendental Instrumentality.Theory,Culture&Society,36(6),95-124.
Guorong Xiao,Yunju Ma,Cheng Liu&Dazhi Jiang.(2020).A machine emotion transfer model for intelligent human-machine interaction based on group division.Mechanical Systems and Signal Processing,142,106736-106736.
Hovens Daan.(2022).Breakdowns and assemblages:Including machine‐actants in sociolinguistic ethnographies of blue‐collar work environments.Journal of Sociolinguistics,27(1),3-23.
Jamilu Umar Yahaya&Ali Nasir.(2026).Optimizing human–robot emotional interactions with Markov decision process.Intelligent Service Robotics,19(1),13-13.
Jean Ketterling&Bridgette Desjardins.(2025).What Can the Running Body Do?The Running Machine's Affective Possibilities and the Limits of Language.Journal of Sport and Social Issues,49(6),568-592.
Jun Zhao,Yuanyuan Huang&Mehdi Moattari.(2025).Improving emotional connection of human and machine using Deep Maxout Networks optimized through Modified Water Cycle optimizer.Scientific Reports,15(1),41888-41888.
Prabhadevi S.,Jayavel S.&Kapoor R..(2015).Algorithm of Sentiment Analysis for Computing Machines.JOURNAL OF SCIENTIFIC&INDUSTRIAL RESEARCH,74(12),670-674.
RafałGasz,Zineb Bougriche,Jakub Osuchowski&MichałTomaszewski.(2026).A review of current capabilities and future directions in machine-based emotion recognition.Cognitive,Affective,&Behavioral Neuroscience,26(4),1-27.
Simon Schaffer.(1994).Machine Philosophy:Demonstration Devices in Georgian Mechanics.Osiris,9,157-182.
Wenting He&Yuyi Sun.(2026).Human–AI emotional resonance in generative music:a mini-review of authorship attribution,affective response,and aesthetic evaluation.Frontiers in Psychology,17,1889696-1889696.
万铃.(2011).从《非诚勿扰》看电视相亲节目的创新与不足.新闻知识,(9),98-99+81.