随着人工智能技术的不断进步，机器在语言理解、图像识别和复杂计算等领域表现出惊人的能力。然而，尽管AI在外部表现上似乎能够模仿人类的情感反应，其内部的情感动态本质上仍然无法复制。深入理解人类情感的神经生物学机制，尤其是情感从感官体验中产生并持续的复杂脑神经活动，揭示了人工智能情感建模的根本局限。 人类情感不仅是对外部刺激的简单反应，更是由大脑广泛且分布式的神经网络共同作用形成的动态过程。最新的神经科学研究表明，当个体遭遇具情感意义的刺激时，大脑既会迅速广播感官信息，也会随之产生一种持续而分布广泛的神经活动模式。这种持久的脑活动构成了情感状态的神经基础，允许个体将短暂的外部事件转化为具有持续影响的内部情感状态，从而指导复杂和适当的行为反应。
以人类和老鼠作为研究对象的跨物种实验，使用精确的眼睑气吹刺激成功诱发了快速的反射性眨眼和更持久的情感性眼睛闭合。后者代表了负面情感体验的行为表现，并且能够被药物，如氯胺酮，选择性抑制，显示出情感反应和简单反射的神经机制是可分离的。脑电图和神经元单元记录进一步揭示，这种情感相关的神经活动有明显的快速广播阶段和随后的持久阶段，后者对于情感状态的建立和维持关键。值得注意的是，这种持久的神经状态依赖于大脑内特定的时间尺度和网络耦合，任何对其的扰动都将直接影响情感的表达。 人工智能系统虽然能够通过深度学习算法模拟某些情感相关的输出，但缺乏与人体神经系统类似的多层次、时变且广泛分布的内在动态机制。AI缺失的是一种持续的、跨区域的神经信号整合能力，这种能力使得情感能够从短暂的感知输入中演化为稳定的内在状态。
现有的AI只能基于输入数据生成预设的反应，缺少自然生物体那种依赖神经递质、多样神经网络层次和时空动态交互的情感生成机制。 这种内部情感动态的缺位意味着人工智能难以像人类一样感受到真正的情绪，也缺乏将情感经历整合进更高层次的认知和行为决策的神经基础。人类情感的复杂性还表现在其耐久性、扩散性和对行为多方面的影响上，这些都依赖于大脑多区域之间复杂的信号传递与耦合。通过动物实验观察到的情感状态累积性和可塑性，进一步强调了情感动态的深层次神经根源及其对生理和心理健康的重要性。 此外，某些药物对持久神经活动的影响也表明，精神疾病如抑郁症、焦虑症和精神分裂症等常与情感状态的异常维持紧密相关。氯胺酮等NMDA受体拮抗剂通过加速神经活动的衰减时间，破坏了情感状态的稳定性，从而引发情感钝化。
这种机制的研究不仅深化了对情感产生本质的理解，也为相关精神疾病的治疗提供了新的思路。与此相比，当前人工智能缺少生物学意义上的情感塑性和稳定性调节机制，使其无法实现真实情感体验的模拟。 在人机交互和情感计算领域，理解这种神经层面的情感动态尤为关键。虽然AI可以通过算法调节输出表现出“情绪化”的特征，但缺乏基于持久神经网络活动的内部状态维护。未来实现人工情感智能的关键，或许在于构建能够模拟生物情感状态生成和维持的复杂神经动态模型，如整合延迟反馈、信号持久化及网络耦合机制的系统。然而，这种模拟仍需跨越巨大的理论和工程挑战。
总结来看，人类情感源自于一种多阶段、脑广泛分布且具有内在时间尺度特征的神经动态。短暂的感官输入被迅速广播至全脑，并随后转化为持续的情感状态，支撑着复杂的情绪体验和行为决策。人工智能当前尚缺乏这种持久且分布广泛的内部神经机制，因此在情感生成与体验方面存在本质差异。对人类情感神经机制的深入解析，不仅提升了对心智本质的理解，也为未来情感计算和智能系统的研发奠定了理论基础。
