本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
核心要点
- 据纳迪亚·盖鲁瓦（Nadia Guerouaou）在《受影响的大脑》（Notre cerveau sous influence，2026年）一书中的研究，将情感表达委托给AI，可能通过神经可塑性机制改变参与情感生成的神经回路。
- 情感通信算法基于特定语料库训练，语料库的构成可能影响算法所产生的情感表达规范。
- 情感表达的逐步标准化，可能压缩公共空间中的情感多样性。
- 规范训练语料库与培养情感自觉意识，是目前考虑中的应对措施。
- 欧洲数字服务法案（DSA）提供了现有的监管工具，但将其延伸至情感规范领域，仍有待在2030年前逐步构建。
神经可塑性不加筛选
这一机制有一个常被低估的含义：神经可塑性描述的是依赖于经验的适应过程，其后果必须根据具体实践及其效果来评估。重复是触发可塑性的因素之一，但效果也取决于任务类型、情境以及所调动的机制。根据某些假设，反复使用情感辅助工具，可能对相关神经回路产生影响。用户的主观意图并不能阻止皮质重塑。偶尔将情感表达委托给AI，与将其变成习惯，之间存在一道门槛——用户往往在不知不觉中就越过了它。
人类大脑会根据反复操练的内容重新配置自身。这是皮质可塑性早期研究确立的事实：伦敦出租车司机经过多年脑内导航，海马体密度更高；音乐家与乐器相关的运动区域得到强化。类似的重构原理同样适用于情感回路。根据任务类型和训练方式，前额叶-边缘系统的活动或连接性可能发生变化。当情感表达被外包给算法时，这些回路受到的激活可能随之改变。
盖鲁瓦考察了将悼唁信息、分手信或职场争议的撰写委托给语言模型时会发生什么。研究表明，在写作任务中，借助大型语言模型（LLM）辅助写作与脑电图连接性差异有关，但这并未证明情感回路受到影响。在普通对话中，用户会自行将情感转化为文字；直接生成文本可能减少用户自行措辞的比例，但并未证明这必然绕过所有个人表述。关于数字媒体与情绪及幸福感关联的研究已有探讨，但现有文献尚未确认：将情感表达外包给AI会在大脑中留下特定的激活痕迹。
关键问题在于不可自发逆转性。神经可塑性是双向的，但要恢复一项已放弃的能力，需要刻意努力。停止练习的技能，不会自动复原。
训练算法的情感数据
问题的第二个层面是语料库。大型语言模型通过人类文本学习如何生成情感表达。这些文本主要来自文化和语言代表性参差不齐的空间。模型所编码的情感类别、认为合适的情感强度、所偏好的表达方式，都反映了这一训练基础。
由此类语料库训练的模型所生成的一条慰问信息，并非中性。它携带着一种命名悲痛的方式、一种校准情感距离的方式、一种在安慰与沉默之间寻求平衡的方式。这种方式是特定的，排除了其他同样合理的情感表达路径。当相当数量的用户将这些表述用于自己的信息时，表达方式的逐步标准化便会显现出来。
盖鲁瓦将这一现象称为"技术道德规范化"。算法并不规定人们应该感受什么，但它参数化了人们所表达的内容。随着情感表达的逐步委托，感受与表达之间的关系可能受到影响。
技术乐观主义的论点
最有力的反驳来自创新经济学。泰勒·科文（Tyler Cowen）等人认为，降低沟通成本的工具会增加人类交流的数量与质量。印刷术标准化了书写，并使其得以大规模传播。按照这一逻辑，帮助表达情感的AI工具，或许能让不擅长书面表达或属于语言少数群体的人，更准确、更有力地传递自己的感受。
这个论点值得认真对待。对于母语非法语或英语的人来说，AI助手可能提供一种词汇匮乏时无法企及的表达途径。局部标准化一种实践，也不等于消灭它。印刷术催生了文学经典，但也使世界文学成为可能。
区别在于机制。印刷术标准化的是文本的物质形式，而非其情感内容。使用语言模型是一种认知体验，可在神经可塑性的一般框架下加以研究，但目前尚无证据证明其具有特定的神经可塑性效应；同时，它以历史上无可比拟的规模和速度运作。争议的核心，与其说是标准化本身，不如说是这种标准化运作的深度。
民主需要多元的情感
这一动态在政治上尤其难以反驳，因为其影响在个体层面始终不可见。每个用户感受到即时的收益，却感知不到自己的使用如何助推了集体的趋同。情感多样性无法作为个人利益来捍卫：它只在公民互动层面才得以显现——正是在那里，分歧必须保持富有成效。个体感知与集体代价之间的这种不对称，使得围绕保护情感多样性形成社会诉求变得困难。
民主的问题正在于此。审议式民主依赖于公民拥有不同感受、能够命名这种分歧并将其带入公共空间的能力。愤慨、不信任、团结、公民自豪感，都是先于理性论证而存在的动员引擎，正是它们通过创造参与的动力，使理性论证成为可能。
算法对情感的逐步规范化，可能在公共辩论发生之前就已缩减表达的多样性。情感表达的同质化，可能减少辩论所能调动的情感资源，并限制公共空间中情感立场的多元性。投票在形式上依然存在，但其情感基础已经过滤。这正是盖鲁瓦所说的"情感民主"的含义：让政治情感保持作为异质性公共品的状态，而非成为标准化产品。
这一忧虑与已发表的数字治理失范研究相呼应。能够规范这些动态的国家在两个层面上缺席：监管权力不足，以及对所需规范的机制缺乏共识性理解。
2030年前的两种情景
若训练语料库缺乏监管，情感图式的逐步趋同将构成一种风险。大量使用AI助手进行情感沟通，可能伴随情感表达图式的改变。这种趋同本身并非灾难：共同实践总会催生共同文化。但情感多样性储备的减少，对民主审议而言将是一个问题。
第二种情景设想扩展现有监管框架。欧洲数字服务法案（DSA）——欧盟委员会2025年应用报告记录了其在内容审核方面的初步效果——提供了一个可调用的制度架构。核心思路是：强制平台和生成式AI工具申报用于训练情感通信模块的文化语料库。将已编码的同质性公开透明，是让用户、监管者和公民能够对其作出判断的最低条件。
AI在劳动力市场引发的分化提供了一个有用的先例：不平等在悄无声息的滑动中积累，直到数据让其骤然可见。情感监管遵循同样的逻辑：在机制变得不可逆之前采取行动，要求测量正在发生的变化，而不只是将其命名。
两个信号可以在2030年前帮助区分不同轨迹。第一个是：在具有代表性的语料库中，测量借助AI辅助生成的政治和公民信息与未借助AI生成的信息之间，词汇和情感多样性的差异。这类测量在技术上已可借助现有语言分析工具实现。第二个是：各国监管机构是否在现行框架规定的算法审计中采纳情感语料库多样性标准。审计可以检查系统的偏见或规范，但将其延伸至情感维度仍有待构建。
监管之外的教育
平台监管是必要的，但并不充分。盖鲁瓦主张在学校系统中推行情感自主教育项目，核心是让学生在使用AI工具前后识别自己的情感图式。思路直接：如果学生学会在求助算法之前识别自己的感受，情感回路就能在整个过程中保持更多参与。AI工具丰富表达，情感回路继续被调动。
这类项目在北美已有若干原型，尤其是在魁北克，将神经科学与教育政策相结合。关键在于从原型走向规模化，而这需要相应的公共资源投入。
与媒体素养的比较颇具启发性。学会解读图像、识别可靠来源、识别修辞操纵——所有这些能力都历经数十年才融入学校课程，且至今仍不完整。面对AI的情感素养需要走同样的路，却拥有更少的时间。值得关注的早期信号包括：这一能力是否被纳入各国媒体与信息素养教育计划，以及是否有公共资金支持对在校生使用AI助手的认知影响进行纵向研究。
关键在于集体决定这些工具可以在多深的层面、作用于哪些回路，同时不拒绝那些有助于改善沟通的工具。关于自动化与就业的辩论表明，一项技术的收益与代价极少以同样的方式分配。情感AI的收益是即时且个人的：一条措辞更好的信息，一次更顺畅的困难对话。代价则是延迟且集体的：情感多样性的潜在削弱，以及审议中情感丰富性的流失。
这种时间上的失衡，恰恰是监管既困难又必要的原因。
资料来源
- 魁北克社会创新之家，《探索2026年社会创新人格奖7位获奖者的励志历程》，《新闻报》，2026年7月10日：https://www.lapresse.ca/xtra/2026-07-10/maison-de-l-innovation-sociale/decouvrez-les-parcours-inspirants-des-7-laureats-des-prix-personnalites-de-l-innovation-sociale-2026.php
- 纳迪亚·盖鲁瓦，《受影响的大脑》（Notre cerveau sous influence），2026年（与魁北克社会创新之家获奖研究相关的出版物）
- 欧盟委员会，《2025年数字服务法案应用报告》
- 《自然神经科学》（Nature Neuroscience），关于神经可塑性与数字媒体使用的研究，2024—2026年各卷
