■王喆
　　【本文提要】数字技术迅速渗透社会领域，促成了多重互动，并提高了情感传播的频率、表现与速度。本研究尝试结合网络社会中舆情分析和计算广告中的情感计算技术及相关理论文献，探索情感计算的认知、分类和测量方法在社会情感治理及情感生产中的逻辑与意义。通过爬梳理性主义范式、行为主义路径和控制论在情感计算中的知识部署，本研究勾勒了情感传播中的回环模式获得的正当性权力，进一步提出在当下情感传播的研究、分析和治理中，占据显著地位的是一套始于媒介和算法、终止于媒介和算法的循回闭环，可能会造成未来人与人、人与机器沟通中的情感困境和述情障碍。
　　【关键词】网络社会 情感研究 算法 部署 情感治理
　　【中图分类号】G206
　　
一、研究背景
　　媒介信息如今会附上愈来愈浓烈的情感元素，情感或情绪近年日益受到重视，以至有论者认为，现代社会是情感量爆炸的社会（Füredi， 2003）。这或与网络社会的崛起相关，尤其是“社交媒体改变了公共舆论的形态，情感在其中的意义凸显”（袁光锋，2021）。传播学者检视媒体内容的时候，也越来越重视情感，并将它视为相关的信息资源（Doveling， von Scheve， Konijn， 2010）。研究网络用户情绪的传播规律主要服务于分析网络舆论，对公共事件进行预警和监测。在此，学者们往往更重视情感如何经由媒介而进行表达和传播，侧重于将媒介视为情感的载体，把重点放置于讨论情感的类型，而较少论述媒介从自身逻辑出发对情感的影响（袁光锋，2014）。其实，作为中介的媒介技术（不论是否用于沟通和传播）不再仅仅是介入沟通行动的“工具”（戴宇辰，2018），媒介逻辑及其应用的正当性值得重新审视。
　　情感非常复杂，运用科学工具来观察这一内部世界既诱人又有利可图。皮卡德于1997年在她的专著中首次提出了“情感计算”（affective computing）的概念，“情感计算”是针对人类情感的外在表现，进行测量和分析并能对情感施加影响的计算（皮卡德，2005：62），最终目标是建立和谐人机环境。当它作为应用工具走出实验室，则令网络空间中格外突出的、复杂多变的情感话语变成了具有实际运用价值的数据。皮卡德的研究支撑了情感侦测领域的龙头公司 Affectiva发展壮大，如今有更多的企业取得 Affectiva 产品的授权，开发了形形色色的应用程序，分析在线视频中人们面部表情和其他非语言线索。类似地，当人们在网络上表达情感、构建情感表达空间时，平台的算法程序自动地收集数据、进行演算，公司、组织或机构在此基础上形成情感分析、喜好度分析的报告和榜单，用非常理性计算的方式——基于规则或基于统计（高凯等，2019）——形成了网络公共领域中的情感治理术，如“控评”、“引导”、“疏通”、“消解”、“营造”等。广告营销领域尤其视情感计算为制胜法宝，比如淘宝不仅分析用户生产内容中的情感知识，将其融入算法的预训练模型，还进一步在业务应用时于商品标题下投放算法生成的正向情感评论，可以显著提高点击通过率（CTR）和成交金额。情感计算逐步移至后台黑箱，成为一种视而不见、见怪不怪的功能，“精度”、“挖掘、分析及判别……”、“分析处理……”、“给出相应结果”等工程话语、计算术语构成了百度情感分析、讯飞自然语言处理、广告情感分析、舆情情感分析等软件中技术解决主义的核心词汇。
　　可见，与传统的纸质媒体、视听媒体相比，当今网络社会中的情感传播既有可计算的技术逻辑，又围绕技术生成了情感治理逻辑。换句话说，情感传播如今不仅仅是一个呈现和表达系统，也并非情感传达自内而外地找到一个媒介载体那么简单，更是一个计算系统中的回环。程序员采用形式化的代码句法、符号等构造了一个由陈述、指令和循环（loop）组成的结构化程序（Berry， 2004）。与此类似，情感模型被认为是“对人体特定情感输入输出系统的描述和解释，情感系统是多级子系统的级联和一定程度的反馈循环”，情感计算则依此构造出了情感检测—识别—调节方式呈现—情感调节—情感监测—识别—调节效果评估的“闭合的情感调节系统回环”（刘光远等，2014：54）。
　　本研究借用“情感回环”这一概念，指代可计算的情感中始于媒介和算法、终止于媒介和算法的闭环（closed-up），它既收编了情感计算，也对接了情感治理。最简单的回环可以对接两个系统，其辐射范围却远不止于此，而是持续连接和拓展，生成庞大而复杂的反馈控制系统。这一情感回环遮蔽和引发的一些情感议题，是本研究将要探讨的：情感计算在何种知识脉络下成为网络空间治理中的“显学”？治理主体或广告商何以、为何能让情感变得易于计算、易于处置？这样“回环式”的情感理解和治理方式又会造成何种危险的偏差？本文将通过谱系学的方式来审视这一可计算的情感回环在何种知识权力形式和关系中诞生，并对此进行批判性的反思。
　　
二、情感计算在网络传播中的应用
　　情感在网络上量级增长和传播，相应地也有越来越多的数据分析机构开始投入情感计算程序的研发，情感计算已经逐渐发展为一个融合了计算机科学、工程学、心理学、教育学、神经科学及其他学科的跨学科领域，并预示着网络情感研究方法的革新。情感计算的信号采集一般来源于人脸情感、语音情感、肢体语言、语言文字和生理模式等，但对于情感的网络传播，语言文字目前仍是最主要的情感计算来源，被广泛应用于舆情、广告、民意调查。
　　情感计算一般分为四个步骤：通过多种方式直接或间接获取人类的情感信息，通过建模对情感信息进行分析识别，对分析结果进行推理达到感性的理解，将理解结果通过合理的方式表达出来（刘光远等，2014：8）。分析识别情感是情感计算中的技术难点，是建立自动化情感分析工具的基础。其中，基于规则和情感词典的深度学习方法依赖的是语言知识，结合语义分析，将语义规则应用到情感及情感强度识别当中：利用语言表达的语法、句法以及人工标注的情感词典，对目标文本进行匹配，根据匹配的结果计算情感词得到情感倾向的值，从而对文本进行情感分类（宋晓雷等，2010）。比如，Dodds等人（2011）使用亚马逊众包人物平台来自建情感词典，给超过1万个英文单词打分，1分代表悲伤，9分代表高兴，再用此衡量用户对某一信息的情感倾向程度。而基于机器学习的方法，则是提取经过人工标记的数据集的特征，让算法学习文本特征，利用适应测试集的数据来判断情感分类，并通过如贝叶斯分类器、支持向量机（SVG）等统计分类方法来计算情感分类中出现概率的熵（张珊等，2012），这样就可对普通无标注的文本数据进行情感分类。一些研究者还使用表情符号来提高机器学习模型的效果（Go， Bhayani & Huang， 2009）。简而言之，各类算法是基于“未来事件发生的强度大小依赖于以往发生的历史事件”这一基本逻辑，而研究者也相信“只有经过量化的情感指标才更准确”（李继红，2016）。
　　情感计算大量应用于广告等商业领域中。比如百度智能云能根据对产品或电商的评论文本，结合情感词之间的依存关系计算面向产品或电商的情感倾向性分析，将不同用户对同一商品的评论内容按情感极性予以分类展示，从网络评论中获取有价值的商业信息。情感计算和分析在舆情研判领域也很常见，比如通过对需要舆情监控的实时文字数据流进行情感倾向性分析，用以获取有价值的信息和舆论导向，把握人们对热点事件的态度变化。类似MoodViews这样的分析工具可以挖掘社交媒体上的情感表达符号及文本，将其和现实事件联系在一起，比如重大气候变化让人们的焦虑程度攀升，全球媒体和新闻事件带来的激动，恐怖袭击之后的压抑和悲伤加剧等。基于此类技术，情感治理层面往往会就情感而论情感，通过动员、融通、安抚、慰籍等手段来传递具体的信息，疏导、消除负面或消极情绪，让情感走向“稳定”和“理性”。
　　情感计算走出实验室，成为舆情、广告、民意调查中的互联网产品，往往以简单的可视化界面和易操作的功能呈现于世，就此掩盖了黑箱中的可计算逻辑和深层次的知识部署——一种可计算的情感回环。计算机处理大量数据的能力是情感回环实现的关键，它既变得越来越专业化，另一方面又有着一种总体化的趋势：机械式的计算形式决定了情感的定义，反过来又决定了自身的形式，其目的性未指向更高阶的反思或其他的可能性，而是朝向既定目标进行机械的自我调节运动。如果把机械性和目的性结合起来，就会产生合目的性的综合状态；可计算的情感以圆圈的方式回归自身，但整个圆圈被绝对地设定为一个自我封闭的系统。
　　
三、理解情感计算的知识部署
　　在计算机自身的视域之中，情感文本或表情符号原本都是没有权重的字节，但由于人们在社会和文化进程中所形成的认知和考量，情感计算采用基于规则和基于统计的理性主义方式，附加了对理性讨论的重视或对情感表达的警惕，也进一步形成了情感计算中分类的极化及权重分配、情感传播中高阶情感的断裂与缺位，以及将人视为情感机器的倾向，这些现象背后是理性主义、行为主义和控制论的知识部署。
　　提出“部署”（dispositif）这个概念的福柯（1990），以“性”为例探讨了精神医学的社会政治区隔实践所生产出的理性、全景监视与社会体制中对身体规训的偏差（赵庆波，2021）。德勒兹（Deleuze， 1992）则进一步用线路交缠来诠释福柯的部署概念，“部署是多线路交缠的聚合体，每条线路都有不同的性质。在部署当中的线路并不构成或环绕完整的同质系统，如客体、主体、语言等，而是各有其个别的特定志向，不断打破均衡。这些线路有时会交错在一起，有时又会相互分离”。因此，部署不是传统决定论与因果论，而是从断裂之处、生成之处所触发的，可依此进行谱系学的制图工作，测量未知的地界，解开情感计算中各种线路的纠缠。
　　（一）情感研究中的理性主义范式
　　自希腊时代以来，理性被认为是人类拥有的独特特征之一，受到推崇。当今网络治理中占支配地位的同样是关于慎思与规范辩护的理性主义范式，哈贝马斯的“公共领域”作为一个规范性概念，以18世纪的公共生活为理论起点，也更依赖于公众的理性，而非感情和想象力。在此影响下，“关于互联网公共领域的探讨多是偏重于讨论网民能否成为哈贝马斯所希望的理性公众，网民能否担当起理性辩论的职责，以及网民的话语暴力等问题”（袁光锋，2014）。如果说情感量爆炸是情感计算的需求诱因，那么与此同时，一种与情感相分离的理性观念构成了“中立”的话语根基，也构成了在情感计算中融入情感治理逻辑的必要性和正当性。
　　无论是广告品牌的喜好分析，抑或网络舆情的数据分析，其中都内建了基于计算机语言的情感分析功能模块，比如百度智能云的情感倾向分析，对包含主观信息的文本进行情感倾向性判断，为口碑分析、话题监控、舆情分析等应用提供帮助。情感计算通用的逻辑是捕捉语境信息的同时压缩数据规模，在文本之中根据语料库自动提取语义关联关系，自动判断该文本的情感极性类别并给出相应的置信度。而类似NLPIR这样的情感分析系统，更是能够抽取智能识别文本中出现的人名、地名、机构名、媒体、作者及文章的主题关键词，对特定人物和相关事件一起进行分析从而得出更加“科学、全面”的分析报告。这些分析被整合、汇总到各类管理部门的报告书之中，作为情感治理的决策依据，以触摸社会群体（消费者或公民）的情感模式。
　　情感运算还运用于销售流程，在不久的将来，智慧货架科技可以判读潜在顾客的情绪状态，并且迅速涵盖浮现顾客类别的资料，有助于在购物过程中量身定制讯息，以更高的信息相关性来提高效率与影响。目前要与品牌建立深刻的情感连结，极为仰赖销售人员及顾客服务代表，而未来内建情感运算的产品或许就会毫无缝隙地整合到人们的生活中（杨克，2017：260-261）。
　　在各类情感计算和分析软件的逻辑中，网络理性表达是与中立、客观绑定在一起的，无情感词的中性意见往往被视为“安全”，而负面的情感则是冷色调的呈现，这样的消极情感被认为极具破坏性，拉响了挑战美好生活的警报。一旦带着浓厚禁欲色调的理性被体制化后，针对与之相反的“非理性”行为，人们总是要求予以改正或拒斥或完全予以铲除（叶启政，2013）。在公共领域理性主义范式的大气候下，理性的情感计算技术被神话为情感治理中的得力工具，种种功能被不断开发和细化，具体体现为极化分类与价值权重。
　　（二）情感计算的极化分类与价值权重
　　当情感被视为认知的对象时，情感由感觉转化成了话语系统，成为可计算的事物，这也是理性主义模型在网络传播与沟通中的渗透。社会计算机学隐喻就像社会生物学隐喻一样，在某些情况下会变得危险，目前情感计算的极化分类逻辑混淆了社会与技术之间的特性
　　差异。
　　情感计算是采取行为主义方式进行情感分析。一方面，传播中的公共兴趣由技术工具（如“情感分析软件”、“热门搜索/榜单”、“热度图谱”等）来锚定和转译；另一方面，情感分析和研判更多地运用于舆情研究和消费研究。这其中就涉及如何测量、将何种情感纳入测量、何种情感能够测量等议题。
　　其一，在行为主义脉络中，外显的面部表情可以作为情感的划分依据（Izard， 1977），比如感兴趣、愉悦、惊讶、忧伤、愤怒、恶心、蔑视、恐惧、羞涩和愧疚等都对应不同的面部表情。但由于一些面部表情的差异非常细微，所以在主要的情感分类中只保留了有明显差异的八类情感：恐惧、愤怒、愉悦、忧伤、接受、恶心、期待和惊讶（Richins， 1997）。除了查看外显的身体状况，情感还可通过自我报告来测量，往往是以描述性的语言（形容词）来让受测者进行相应的选择：如果体验到某一特定情感，他们会用什么特殊的情绪词。对此，克劳馥（2022）详细论述了心理学家如何假定脸部的情感表现是人类普遍存在的，而从面相学到“不受文化影响”的摄影理论和技术发展，让脸部识别在1960年代成为人工智能的基础应用。
　　这种对于情感的化约理解延续到了情感计算中。虽然情感一般被认为具有不可测量性（immeasurability）（Hardt & Negri， 2004），而且也没有广为认可的分类法，但情感计算尝试通过将公开的情感视为公开的能指（open signifier）去捕捉情感。从表情符号问世以来，已经有上百个以文字、图案为基础的表情符号陆续问世，不过我们常见的基本类型大概不超过十几个，且大多集中于主要的八类情感。同时，与面对面情感沟通不同的是，“微笑”这一表情符号，在网络上除了表达“微笑”，还发展出与原意截然不同的不友好、嘲讽、无奈等负面情感的解释项。具有两种强烈反差含义的“迷之微笑”意味着网络上的非言语线索需要结合文本讯息要素来进行理解（张放，杨颖，2021）。与之类似，“哭笑不得”的表情符号曾被《牛津词典》选为2015年度词汇，它在不同的语境中被解读出不同的含义，比如大笑到流眼泪、哭笑不得、不好意思、窘迫尴尬等（张雪，杨向荣，2021）。因而，网络表情符号无法完全等同于面对面沟通中的情感表达，情感计算往往无法结合沟通情境来对情感做出充分的解释。
　　其二，大多数情感分析和极性分析的软件，都旨在将每一条文本和表情符号划分到某种情绪类别之中。情感计算大多通过自然语言处理、文本挖掘以及计算机语言学等方法来识别和提取网络话语中的主观信息，分析文本中针对某个对象的情感态度。而极性分类（polarity classification）也是情感分析中的主要任务之一，主要是找出褒义词和贬义词、正面情绪词和负面情绪词之两级情绪状态，并认为这代表了网友的意见。而人类特有的高阶情感（如罪恶感、骄傲、尴尬、内疚和羞愧等）在网络传播中是断裂与缺位的：只有意识、自我觉察与自我省思才能带来这一系列高阶情感（杨克，2017：52），个体的内疚、尴尬和羞愧等高阶情感难以用“公开能指”展现在网络媒介上，也无法纳入到简单的极性分类之中。政府机构和官方媒体常以极性分类的方法来发布网络舆情报告，措辞包括“贴文情感词力度下降”、“积极正面的声音日渐增多”等。有趣的是，同样的方法也被用于商业营销中，来决定商品的市场策略，“人们会通过感觉来主导行为或动机……在过去，这种无法用理性方法来传达的讯息，便是现在我想要做的事，将情绪、情感这种抽象的概念，以资料分析的方式具体化”（宋吉永，2013：208）。
　　可以说，当下针对网络传播的情感计算大多经由语言符号逻辑——词语符号的定义等同于情感效价，出现频次等同于情感强度——来对情感进行推论，继而对情感传播状况进行整体的描述和统计，希望让情感得以简化及可控。然而，其中的问题在于，分析语句、符号的真值完全依赖语词本身，不需要实践经验等其他语言之外的额外证据。因而，当前情感计算的结果是：“从流动且未经反思的情感经验抽离出来，并且将情感经验转化为情感字词和可观察与可操弄的物体”（Illouz， 2007：32-33），这造成了情感一方面可以沟通，另一方面可以通约（commensurate），也就是说繁复的情感在方便之术下得以采用某种共通的衡量方式，从“质”化为“量”，彼此之间可以加以测量、分类和比较。
　　（三）被视为情感机器的人类
　　在行为主义主宰心理学的年代里，情感被当做某一情境条件下的制约反应，基本上是个体对外在刺激情境所产生的一套可预期的内在生理程序。可以说，在刺激-反应的行为主义范式中，行为主义拒绝接受所有类型的内部心灵性状态，情感所涉及的只有刺激和反应之间的关系。近年来，学者们注意到情感经验不必然被认知历程所主宰，具有神经生理基础的情感经验反而会刺激、组织及引导人们的知觉、思考与行动（Izard， 1991：14）。这样的认识虽然反拨了认知和情感的线性关系，但仍在探讨情感的普世功能，即人的大脑好像计算机一样，会操作特定的信息以运行一个特别的程序，并且在这些信息之间设定特定的因果关系。这种在感官的输入、心灵状态（内部状态）和行为输出之间的外在因果关系，形成了所谓的“功能性关系”（functional relation）（诺赫夫，2016：270-271）。
　　狭义上的“控制论”（cybernetics）强调的也是这种外显的“功能性关系”，并延展到人与机器、机器与机器的情感联系之中。诺伯特·维纳（Norbert Wiener， 1965）希望以“控制论”来概括“动物和机器中的操控和沟通科学”，强调了产生于人和机器、机器和机器内部或彼此之间的沟通行为。维纳期待的机器未来能依循一种反馈回环，可以自动学习、调适和稳定，就如同人类大脑的运作方式一样，他明确地将“反馈”视作控制论的核心概念，“那或许因为他正是在反馈控制之中才发现了有生命的人类和无生命的机器之间的最深层、最普遍的共通”（姜宇辉，2022）。海德格尔认为控制论标志着形而上学的终结，因为控制论的主要特征不仅是把每个过程都转化为可计算、可驾驭的过程，而且是“反馈”概念化后对科学的胜利。“因此，相互关联的过程的相互调节在圆周运动中展开……控制论世界的基本特征是控制回环（control loop）”（转引自许煜，2020：24）。
　　情感计算恰是如此赋予计算机以识别、理解和表达情感的能力，情感治理则在此基础上进行控制。一个控制论的系统是先接收信息，然后施展既定的行动，并等待回馈以调整下一次行动，情感计算也依此构造出了检测—识别—调节—评估的情感调节系统回环。虽然现在大多数神经科学家都反对将控制论投射于对人的大脑和身体的理解（Bollmer， 2018），但控制论无疑已塑造和影响了社会、科技和经济系统的当代发展。控制论的设想及理念在情感计算中造成了一些遗留问题，比如将人类情感实践简化为对机器可读信号的吸纳、消费和调节。
　　一方面，在维纳看来，人类神经系统和自动化机器从根本上来说是一样的，因为它们的任何决定都基于过去的记录。因而，记录下所有曾经有过的决定对于当下的决定是非常重要的，以便于在反馈回环中维持动态沟通系统的稳定性。情感计算是基于海量数据的情感系统，而这些数据也用来预测人们的下一次行为。正如前文所述，控制论系统的主要目的在于创造一个完美的反馈系统来实施管控。情感计算中的身体需要持续针对反馈的信息来调整行为，因而所有的行为都是带有目的的，旨在达成“一种最终状态，在这一状态中，行为方能精准地与另一客体或事件在时空上相互关联”（Rosenblueth et al.， 1943：15）。在此系统中，行为的施展和修订之所以是可观察和可测量的，恰是因为维纳强调行为的“模式”，并相信世间万物均有模式可循。网络舆情的情感计算软件往往将多项情感指标构建为一个总情感值，并为此设置舆情预警等级（轻警级、中警级、重警级、巨警级等），以可循的模式秩序将情感指标转化为群体性行动的可能性程度。模式成为重要的信息，人类和机器互为镜像，机器的物质性存在和组成都由模式来决定——“组成机器的元素秩序”，而不是“这些元素的内在本质”（Wiener， 1988：3）。
　　另一方面，控制论提倡用技术分析外显的行为，采用的是行为主义的视角。在情感计算“输入-输出”的回环系统中，所传输和修订的都是外显的、可见的行为模式。Halpern进一步解释道，这种行为主义的视角使得世界成为一个黑箱，“行为或讯号是可理解的，但是内在的功能或结构是不可见的，也不感兴趣”（2015：44）。人们行为的目标无法指向一个人内在的意图或身体物质性，因为这样的目标在控制论系统中是不可辩识的，只有通过对和其他实体及环境的互动关系的分析才可能实现（Behrenshausen， 2017：94）。这构成了一种以外显行为作为导向的理解方式（Lee， 2020），情感计算只需要记录和观察可辩识的行为去找到模式，以实现对情感传播的持续调整。基于过去的行为模式，情感变得可测量、可分析以及可调整，而无需顾及情感生产过程中具体的情境或者内在的意义。人和机器都成为生成模式的器具，而情感成为预测未来行动的技术资源。“由此，就不仅在因与果、外与内之间不断形成了一个封闭的循环，更是在未来与过去之间形成了一个颠扑不破的闭环”（姜宇辉，2022）。如果说控制论有两种形象，一种是还原主义的，它把有机体还原为作为模仿的反馈系统，强加决定论；另一种是非还原主义的，对偶然性保持开放，而不只是将其还原为计算（许煜，2020：341），那么目前的情感计算挪用停留在还原主义的控制论，而缺乏系统更高层次的反馈回环，偶然性的、特殊性的情感事件在这些操作中并未真正获得意义。
　　
四、反思情感回环的社会后果
　　网络上的情感本应是一种非线性的存在，让人们得以行动、参与和连结，这种情感自动化的生发与自我感觉自己“活着”息息相关。但经由情感回环的前台计算与后台治理，个体的情感及行为方式被固化，这或是因为“具有强有力的维持生存功能的某个集体或更高级的整合组织，他们通过工具理性来对正负情愫交融的情感状态进行操弄”（叶启政，2013）。Bauman曾经这样告诉我们：一旦统治者作为执行者与哲学家作为立法者相互共谋，他们将不允许对陌生他者所存有的正负情愫交融现象存在，于是，他者必须竭力予以肃清（2001：23-24）。正如前文所述，理性主义、行为主义和控制论在情感计算中进行知识部署，其中存在着的知识话语权力摈弃了情感的具身性，夸大了情感治理的理性因素，所生产的情感实质上是一种“类情感”（quasi-emotion）。当然，Mestrovic（1997）在“后情感社会”的概念中提出类情感时，并未延展到情感计算，但讨论了类情感如何成为个人、他人和产业进行奥威尔式普遍操控的基础。情感在社会文化生活中的膨胀，并且这种新的情感方式是一种新的“综合”——被智识化（intellectualized）、机械化（mechanical）、大众媒体生产（mass-produced）的情感（Mestrovic， 1997：25-26）。可计算的情感回环是“类情感”在网络社会中的典型症候，充斥着大量的对情感行为的模拟，以及对控制论的回收利用（再利用或错误利用），意图打造避免情感失范的系统。情感在被计算、分类及认知的过程中，也具有了被操弄的可能性，如今更多地通过技术手段来实现，如软件产品的推出、网站的设计、平台的管理等，而且其运作的生活领域正在迅猛扩张，出现在国家安全系统、初创公司的教育和招聘平台、预测暴力的警务系统等。它们共享一组类似的假设：存在少量清楚有别且普遍的情感类别，人们会在脸部表情或文字上透露出这些情感，而机器可以侦测、计算它们（克劳馥，2022：184-185）。
　　比如，针对网络舆论中的非理性因素，学者们划分出个体情绪、社会情感和集体意志，这三个层次分别通过感染启动、社会结构和民族主义机制形成了网络舆论（张志安，晏齐宏，2016）。在这样的分析下，非理性因素也有了低、中、高三个层次，低层次的非理性因素是生理本能、生理欲求、习惯、情绪、感受性情感等；中层次是情感、信念、兴趣、社会欲求等；而高层次则是指意志、信仰、知觉、灵感等与理性接近，影响理性并受理性制约和指导，随理性变化而变化的非理性因素（何颖，2003：191、266）。情感也会依据程度、数量、重要性等被设计出来的指标和权重，实现对舆情的分级设定。这些试图将情感结构化的研究往往是希望能在界定情感、分类情感之后进行道德哲学上的探讨，但结果是让情感有了高下之分，也挟带了一些意识形态的、不证自明的假设：比如粉丝的情感往往被贬斥为最低层级，除非它能上升到民族国家集体情感的最高层级（“像爱豆一样爱国家”），才得以被讨论。而由于意识到情感在被实时捕捉和监测，粉丝也会在输入端去迎合后台的情感管理逻辑，机械式地刷“日行一善”的词条或者复制粘贴“八荣八耻”，有意识地在评论区进行“控评”，抹平了日常情感表达。
　　杨国斌（2013）在历时性的脉络中看到网络事件中的情感逻辑如何在中国“社会规训技术”的文明话语下变成了一种“文明净网”的情感治理，这套新媒体条件下的情感治理，是一整套的系统话语型构，囊括了新话语（如正能量、负能量、中国梦、网络舆情、网络安全、文化安全）、新策略（如舆情的收集、分类、分析、培训）、新手段（如大数据分析的运用）和新的行动者（如舆情监测中心、智库、商业公司）。在现代成为主流的情感哲学，乃是文明化与理性化过程在现代加剧的结果，这不仅是个人与社会的反思与理性能力之加强，也是信息社会专家统治的后果（杨国斌，2017）。情感治理的理性化、技术化使得人们对情感更有反思性、更文明，更能够进行情感的沟通，也促成了亲密关系的转变，被视为现代文明的一大进步，“但是我们仍然不能忽略情感理性化或情感现代性的黑暗面”（甯应斌，何春蕤，2012：316）。
　　用计算和反馈去理解情感所带来的病症也彰显在人工智能的设计之中，并向着理性人的等价物靠拢——如果人类无法真正侦测到自己的感受，那么或许人工智能系统可以代劳？由之而来的智能系统“渴望将复杂难解的问题过度简化，以便让它可以轻松计算，再包装送到市场上。人工智能系统正在寻求提取我们躯体自我变化多端、私密和分歧的经验，成果却成了卡通素描，无法捕捉世上情绪体验的细微差异”（克劳馥，2022：206）。自己无法辨别、描述本身的情感，这在精神病学中被称为述情障碍（alexithymia）。在人的这一端，述情障碍似乎存在一系列的原因，明显的特征包括情感意识与人际关系上的失能、缺乏同理心，以及无法辩识他人的情感。这恰似目前人工智能所遭受的述情障碍，它们有理智判断，却不知道该如何权衡取舍，或者该将注意力和焦点放在什么地方。
　　从行为主义和狭义控制论出发的理解将人建构为情感机器，而忽略了人类真实的生命经验完全不止于此，以及我们对于世界在感受上的理解与回应。技术基础设施像积木一样互相叠加（Bratton， 2016）——从审查到数据，从数据到软件，从软件到系统，系统再按照反馈逻辑而循环运作，情感回环始终意在导向对话者之间以语言为媒介和纽带而不断地、循环式地建构起的“稳健”秩序，无意回到“活生生的身体”。
　　如果身体是人类情感沟通的基础，那么理解情感之前需要理解“身体”。情感在空间中无固定位置以捕捉，而身体激动则会局限于固定位置，因而具身情感指的是使用者身心因应环境的感动能力，而非心理学行为主义中所细致划分的情绪类别，它必须通过身体而成为一个整体的所在。更重要的是，一个行动者与其身体的关系，基本上又深受人与人互动结构的塑造。目前的情感计算将情感世界简化为行为主义、理性主义和控制论能理解的存在，计算机算法的输入-输出即便能实现和人类一致的感同身受，也不如一个有着毛茸茸的身体、原始的情绪本能的宠物更能给人类带来情感慰藉。Connolly这样描述思考、身体和感知的关系，“（身体是）日常技能，既粗放又惊喜，思考会被它的方向、速度、强度或感受程度所改变”（2002：100）。重新体认情感，即是看到情感是调解知识与行动的中介物，虽有泛文化的差异，亦是坐落于人类身体之中，呼唤感同身受。
　　
五、小结：混沌、暧昧、笨拙
　　纪莉和董薇（2018）从情感研究的起点出发，尝试在“生物还原论”和“文化还原论”两条路径间寻找对话，提出情感是一个动态的过程，任何最初身体层面的波动总是已经发生在一个持续的意义建构和符号化过程之中。本文同样希望爬梳情感计算的理性主义、行为主义和控制论的知识部署来对情感计算进行一个还原，以揭示可计算的情感回环构建中的脉络、问题和困境。
　　情感究竟是无关紧要的组织，还是生命的萌芽？日常生活中的人们会觉得身体与情感的现象，同处于一种平凡、平淡到近乎无趣，或者是分散、流动的脉络之中（简美玲，2015：132），给研究者带来了很大的挑战，却不能成为我们不研究情感的理由。真正的情感生活恰恰是笨拙的、耗费时间的、无法预测的。在任何一个具体情境下的具体的人，都不能精准地确定自己的情感，也没有理由要求计算机如此万能。皮卡德在她情感计算的研究中展现了一片非常诱人的未来图景，但情感计算走出实验室后，却变为一款互联网产品。以可计算理论为背景的现代通用数字计算机不应也不会是最终的智能机器，情感本可以比信息处理更为广泛、深入地描述人之为人。具有公共关怀的计算方法应该结合具体表达话语，重温普通人的心声，用温暖的数据展示背后的世道人心（周葆华，钟媛，2021）。
　　反思情感计算中对情感的理解是必要的，人类思维包括了情绪、感觉-运动神经、长远意义上的自我，这些都十分紧密地相互联系在一起，无法用一种可计算的信息网来代替我们具体日常实践的整体。目前可计算的情感回环恰似香农最初用二进制系统进行思考，所建造出的最简单、最优雅和最无用的机器。这个机器拥有一个“ON/OFF”开关。每当香农的朋友来访时，机器就处于OFF 状态。心情愉快的时候，访客将开关切换为“ON”。这时机器的盖子打开，并出现一只手；这只手会去摸索那个开关，自己把开关关掉，然后消失在关闭的盖子下面（Kittler， 2006）。
　　年轻的心智最早学到的基本核心知识，远早于其他更高阶的概念和抽象学习。基本情绪反应、发声、脸部与眼动追踪，以及大肌肉动作和小肌肉动作，全部属于这种基本的学习。而更为复杂的技能，如语言及社会认同行为等，这些全都需要时间、相关情绪的投入、耐心及引导。如果人们在后情感社会中，再次与智能媒体一起重回心智发展初期，却陷入情感回环的死循环中，久而久之，可能很难再以情感同理心去形成和影响认知同理心，反而更多地依赖一种来自媒介历程、近乎算法逻辑的反应。若网络基础设施成为人类的存在依赖，如何形成相应的心智理论与自我觉察，值得进一步的探讨。是否能有一种新的范式或新的隐喻，呼唤出一种互相对焦、互相调整的同理心，让人们愿意进入对方的生活脉络，以足够的同理心来对焦并对自身进行调整，进而形成公共意见，也是值得思考及期待的时代课题。■
　　
参考文献：
戴宇辰（2018）。媒介化研究：一种新的传播研究范式。《安徽大学学报（哲学社会科学版）》，（2），147-156。
高凯，徐华等（2019）。《文本大数据情感分析》。北京：清华大学出版社。
格奥尔格·诺赫夫（2016）。《留心你的大脑：通往哲学与神经科学的殿堂》（洪瑞璘译）。台北：台湾大学出版中心。
何颖（2003）。《非理性及其价值研究》。北京：中国社会科学出版社。
纪莉，董薇（2018）。从情感研究的起点出发：去情绪化的情感与媒介效果研究。《南京社会科学》，（5），110-120。
简美玲（2015）。人类学与民族志书写里的情绪、情感与身体感。余舜德编，《身体感的转向》。台北：台湾大学出版中心。
姜宇辉（2022）。从反馈到前馈：人与技术之间的哲学反思。《新闻与写作》，（10），43-53。
凯特·克劳馥（2022）。《人工智慧最后的秘密》（吕奕欣译）。台北：脸谱出版。
理查·杨克（2017）。《情感运算革命》（范尧宽，林奕伶译）。台北：商周出版。
李继红（2016）。《基于情感计算的网络舆情预警研究》，南昌大学专业硕士论文。
刘光远，温万惠等（2014）。《人体生理信号的情感计算方法》。北京：科学出版社。
罗莎琳德·皮卡德（1997）。《情感计算》（罗森林译）。北京：北京理工大学出版社。
甯应斌，何春蕤（2012）。《民困愁城：忧郁症、情绪管理、现代性的黑暗面》。台北：台北社会研究杂志社。
宋吉永（2013）。《BIG DATA：让你看见真实欲望》。台北：精诚资讯。
宋晓雷，王素格，李红霞（2010）。面向特定领域的产品评价对象自动识别研究。《中文信息学报》，24（1），89-94。
许煜（2020）。《递归与偶然》（苏子滢译）。上海：华东师范大学出版社。
杨国斌（2013）。《连接力》（邓燕华译）。桂林：广西师范大学出版社。
杨国斌（2017）。情之殇：网络情感动员的文明进程。《传播与社会学刊》，40，75-104。
叶启政（2013）。《象征交换和正负情愫交融：一项后现代现象的透析》。台北：远流出版社。
袁光锋（2014）。互联网空间中的“情感”与诠释社群——理解互联网中的“情感”政治。《中国网络传播研究》，（8），89-97。
袁光锋（2021）。迈向“实践”的理论路径：理解公共舆论中的情感表达。《国际新闻界》，（6），55-72。
张放，杨颖（2021）。网络表情符号的信息效应——基于“迷之微笑”的实验研究。《现代传播》，（8），42-47。
张珊，于留宝，胡长军（2012）。基于表情图片与情感词的中文微博情感分析。《计算机科学》，39，146-148。
张雪，杨向荣（2021）。从表情符号到表情包——网络即时交流中的图文叙事。《传媒观察》，（7），48-56。
张志安，晏齐宏（2016）。个体情绪社会情感集体意志——网络舆论的非理性及其因素研究。《新闻记者》，（11），16-22。
赵庆波（2021）。技术统治：马尔库塞与福柯的分析，《东北大学学报（社会科学版）》，23（1），18-23。
周葆华，钟媛（2021）。“春天的花开秋天的风”：社交媒体、集体悼念与延展性情感空间——以李文亮微博评论（2020-2021）为例的计算传播分析。《国际新闻界》，（3），79-106。
BaumanZ. (2001). The individualized society. Cambridge; Malden: Polity Press.
Behrenshausen, B. G. (2016). Information in formation: Power and agency in contemporary informatic assemblages [Doctoral dissertation]. The University of North Carolina at Chapel Hill.
Berry, D. M. 2004. The contestation of code: A preliminary investigation into the discourse or the free/libre and open source movements. Critical Discourse Studies1 (1): 65-89.
Bollmer, G. (2018). Theorizing digital cultures. London: SAGE.
Bratton, B. H. (2016). The stack: On software and sovereignty. Cambridge: MIT Press.
ConnollyW. E. (2002). Neuropolitics: Thinking, culturespeed. Minneapolis: University of Minnesota Press.
Deleuze, G. (1992). What is a dispositive? In Michel Foucault, philosopher: Essays translated from the French and German (Armstrong T. J. Ed. ). New York: Harvester Wheatsheaf.
Dodds, P. S.Harris, K. D.Kloumann, I. M.BlissC. A.& Danforth, C. M. (2011). Temporal patterns of happiness and information in a global social network: Hedonometrics and TwitterPLoS ONE6(12)e26752.
DovelingK.von Scheve, C.Konijn, EA. (2010). Emotions and mass media: A interdisciplinary approach (pp. 1-12). In The Routledge handbook of emotions and mass media (DovelingK.von Scheve, C.Konijn, EA eds. ). New York: Routledge.
FoucaultM. (1990). The history of sexuality: An Introduction. New York: Vintage Books.
FürediF. (2003). Therapy culture: Cultivating vulnerability in an anxious age. London: Routledge.
GoA.BhayaniR.& HuangL. (2009). Twitter sentiment classification using distant supervision. CS224N Project Report, 12.
Halpern, O. (2015). Beautiful data: A history of vision and reason since 1945. Durham & London: Duke University Press.
Hardt, M.& NegriA. (2004). Multitude: War and democracy in the age of empire. New York: Penguin.
IllouzE. (2007). Cold intimacies: The making of emotional capitalism. Cambridge: Polity Press.
Izard, C. E. (1977). Human emotions. New York: Plenum.
Izard, C. E. (1991). The psychology of emotions. New York: Springer Science & Business Media.
Kittler, F. (2006). Thinking colours and/or machines. Theory, Culture & Society23(7-8): 39-50.
Lee, JH. (2020). Algorithmic uses of cybernetic memory: Google photos and a genealogy of algorithmically generated “memory” . Social media + society10-12: 1-12.
Mectrovic, S. G. (1997). Postemotional society. London: Sage.
Richins, M. (1997). Measuring emotions in the consumption experience. Journal of Consumer Research. 24(9): 127-146.
Rosenblueth, A.Wiener, N.& BigelowJ. (1943). Behavior, purpose and teleology. Philosophy of Science10(1): 18-24.
WienerN. (1965). Cybernetics or control and communication in the animal and the machine (Vol. 25). Cambridge: MIT press.
WienerN. (1988). The human use of human beings: Cybernetics and society. New York: Perseus Books Group.
　　
王喆系浙江传媒学院新闻与传播学院副教授，复旦大学新闻学院在站博士后。本文为国家社科基金重大项目“智能时代重大舆情和突发事件舆论规律及治理研究”（项目号：20ZDA060）阶段性成果。