Product Details - 对话名人
据科学日报（ScienceDaily）2026年10月24日报道，佛蒙特大学研究人员发表了一项颠覆性研究，推翻了近70年来关于人类语言如何运作的核心假设。通过分析数十亿词汇的实际使用，科学家发现语言意义的组织并非以情感为中心，而是围绕力量、危险和秩序三大维度。更令人惊讶的是，人类语言表现出一种强烈的隐藏偏好——倾向于安全词汇而非危险词汇。这一发现暗示，我们的语言可能反映着古老的生存本能。研究论文同日发表于《科学进展》（Science Advances）。
明星不和突破70年传统：从VAD模型到PDS框架
自20世纪50年代以来，心理学家查尔斯·奥斯古德提出的效价-唤醒-支配模型（VAD）一直主导着语言意义研究。该模型认为，词汇意义由三个情感维度构成：积极-消极（效价）、兴奋-平静（唤醒）、控制-顺从（支配）。这一框架在心理学、语言学乃至人工智能情感分析领域广泛应用。然而，佛蒙特大学团队利用计算方法分析了超过2万个词汇在书籍、新闻、社交媒体和口语中的数十亿次使用，发现VAD模型的三个维度并非独立。他们提出新的力量-危险-结构框架（PDS），其中力量维度衡量弱-强，危险维度衡量安全-危险，结构维度衡量有序-混乱。新框架解释了词汇意义变异的90%以上，而传统VAD仅解释约72%。
明星矛盾安全偏向：波莉安娜原则的真正源头
研究人员发现了一个出乎意料的现象：在不同语料中，与安全相关的词汇出现频率远高于与危险相关的词汇。这种现象长期以来被称为波莉安娜原则——人类语言倾向于使用积极词汇而非消极词汇。但新研究给出了不同的解释：所谓的积极偏好其实是一维投影，底层是安全偏向。佛蒙特大学复杂系统研究所主任、高级作者彼得·多兹表示：“安全表达对一切语言都至关重要。”这一发现将情感偏向重新归因于生存动机：人们更频繁地谈论安全事物，因为这直接关系到生存。以下表格直观展示了传统模型与新模型的差异：
明星宣传| 维度 | 传统VAD模型 | 新PDS模型 |
|---|
| --- | --- | --- |
|---|
| 第一维度 | 效价（积极-消极） | 力量（弱-强） |
|---|
| 第二维度 | 唤醒（兴奋-平静） | 危险（安全-危险） |
|---|
| 第三维度 | 支配（控制-顺从） | 结构（有序-混乱） |
|---|
| 解释变异比例 | 约72% | 超过90% |
|---|
| 理论基础 | 情感心理学 | 生存与进化 |
|---|
语言结构或由生存演化塑造
这一发现引发了一个诱人的猜想：人类语言的结构可能受到演化压力的影响。从生存角度看，区分安全与危险是基本的生存技能。佛蒙特大学计算故事实验室博士后、合著者朱莉娅·齐默尔曼指出：“力量、危险和结构这三个维度与每一个曾经活着的人都息息相关。”日常生活中，人们不断交换有关人物、地点、情境是否安全的信息。新研究表明，这些区分可能比之前认为的更核心。研究者认为，所谓“积极词汇偏好”本质上是安全偏向的投射。不过，研究也谨慎指出，这些结果虽与演化假设一致，但尚不能直接证明演化压力导致了安全偏向。
明星代言改变人工智能的语言理解方式
这项发现对人工智能领域具有直接影响。当前许多AI系统借助情感分析或VAD框架来理解人类语言。如果基础框架不够准确，系统可能遗漏关键信息。研究人员建议，将力量、危险、结构三个维度纳入AI模型，能更精确地解读信任、风险和决策相关的语言。例如，内容审核系统可能更准确地识别危险信号，而大型语言模型也能更好把握深层含义。据佛蒙特大学团队介绍，新工具“本质测量仪”（ousiometer）可快速评估大段文本的本质意义，并生成平均分。该工具已成功分析《悲惨世界》《纽约时报》、维基百科、推特等多种文本，并能追踪故事中的意义轨迹。
明星广告
新测量工具揭示隐藏模式
本质测量法（ousiometrics）的名称源自古希腊词根“ousia”，意为“本质”。研究人员开发了“本质测量仪”，它建立在此前团队开发的“幸福测量仪”（hedonometer）基础上。后者测量语言的情感基调，而新的工具捕捉更广泛的意义维度。团队分析了简·奥斯汀的小说、柯南·道尔的福尔摩斯故事、纽约时报、推特及脱口秀节目录音。例如，他们对雨果《悲惨世界》的英文译本进行了分析，绘制出该小说的“本质测量轨迹”，类似一条彩色蛋白的扭曲形状，在危险/安全、弱/强、温和/攻击、坏/好四个对比轴上移动。这种可视化使研究者能够观察到文本意义如何随叙事推进而变化。
词频统计带来的关键差异
另一项创新在于区分“类型”和“记号”。在语言学中，“类型”指词汇分类，如“苹果”；而“记号”指每个实际出现。过去研究常给每个词同等权重，忽略了使用频率的影响。佛蒙特团队将词频纳入计算，从而揭示出日常交流中安全词汇的主导地位。例如，“安全”“稳定”“可靠”等词的出现次数远高于“危险”“威胁”“混乱”。这一方法对识别安全偏向至关重要。研究团队由10名成员组成，包括来自圣塔菲研究所、奥地利复杂科学中心、霍华德·休斯医学中心、加州大学伯克利分校、阿德莱德大学和MassMutual数据科学的研究人员。
FAQ
Q1: 什么是波莉安娜原则？它与语言安全偏向有何关系？
A1: 波莉安娜原则是指人类语言倾向于使用积极词汇而非消极词汇的现象，最早由心理学家杰里·鲍彻和查尔斯·奥斯古德在1960年代提出。新研究认为，这种表面的积极偏好实际上是更深层安全偏向的一维投影——人们之所以多用积极词汇，主要是因为大多数积极词汇与安全、稳定、可预测相关，而非单纯出于情感偏好。
Q2: 这一发现对普通人的生活有什么实际影响？
A2: 这项发现有助于我们更深入地理解自己如何通过语言表达对安全的需求。对人工智能领域，未来AI助手、翻译软件、情感分析系统可能会结合力量、危险、结构等维度，更准确地解读人们的意图和风险感知，从而改进风险预警、心理健康筛查、内容审核等应用。对个人而言，意识到语言中的安全偏向或许能帮助我们更客观地审视自己的表达偏好。
这项研究不仅重新定义了语言意义的结构，也为人类理解自身沟通方式打开了新窗口。研究人员相信，随着本质测量法的完善，它将推动从心理学到计算社会科学等领域的深入探索，揭示语言如何承载我们最基本的生存关注——对安全的渴求。
结尾段：综上所述，人类语言隐藏的语言安全偏向不仅挑战了近70年的学术共识，也为理解语言与生存本能的关联提供了全新视角。从AI到心理学，这一发现正在重塑我们对人类沟通本质的认知。
Why Choose 语言安全偏向：颠覆70年认知的新发现
佛蒙特大学研究揭示人类语言中存在隐藏的安全偏向，推翻70年传统情感维度理论。通过分析数十亿词汇，发现意义围绕力量、危险、秩序组织，安全词汇占主导。影响人工智能、语言学与心理学。
