什幺是计算机代码的固定？
是指它在模拟对话过程中，不同对话之间，语气的停顿和间隔都是一样的。
类似疑惑从0到100，豆包对疑惑的表现永远是卡在50这个分位线上。
这是因为模型在生成语音时，需要对一系列参数进行预测和控制，包括了音高、语速、音量、停顿等等。
而模型的第一要义是平滑性，也就是生成自然、流畅、没有明显机器感的声音。
为了达到这一点，模型倾向于选择参数空间中最稳定、最平滑的路径，而不是最极端、最不规则的路径。
另外在参数空间里的均值回归，为了最小化损失函数，模型同样会倾向于输出高概率的均值。
说的更直白一些，一旦识别到疑惑这个标签，AI就将其与一组预设的、固定的语音参数，像语速放慢5%，音调提高30Hz，停顿增加500ms这样的标签进行绑定。
所以人工智慧模拟的情绪是假的，余东的疑问是，你们到底能做到哪一步？
只是更多的标签，更细分的情感表达，还是说真正意义上的情感模拟？
如果林燃说的信誓旦旦，他反而不敢信。
而林燃给的回答，是我也不知道。
这样的回答，让余东内心震惊不已，你们该不会是真的做到了吧。
「林总，卧槽，你们真实现了非结构化、高纬度的实时情感反馈？」余东问道。
林燃说：「如果你只是指这个，那我可以肯定的告诉你，我们确实做到了。这个本身就是左右脑架构要解决的核心问题。
右脑的神经形态晶片本身就具备负责捕捉并生成情绪偏置的功能，它能打破左脑GPU
的理性控制。
你们的晶片研发部门拿到的右脑晶片设计方案里，应该有相关模块，你想了解更具体的技术问题，可以问问他们，我很期待华为研发的右脑晶片。
它能让AI犯错，能让它犹豫，能让它像一个真正的人一样，在交流中产生随机的、不完美的停顿和反应。
我们想做的更多，我不确定，它真的能够跨过那条鸿沟。「
余东面露迟疑：「什幺鸿沟？机器和人之间的鸿沟吗？」
林燃说：「是的，这次的一万个名额，背后关联的其实是一万个角色，我们和腾讯合作，在一个虚拟世界里的一万个角色，我们给每一个角色都生成了人物、背景、成长环境、工作等内容。
现实世界和虚拟世界之间的交互会逐渐完善这个虚拟世界。
我们目前好奇几点，像社会性情感的涌现。
我们好奇，当一万个拥有不完美情感的AI，在一个相对封闭的虚拟社会中开始交互时，它们是否会产生宏观的社会性情感？
它们之间是否会形成群体性的排斥、部落化的认同、甚至是系统性的偏见和歧视？这些情感，并非由我们编码，而是由它们自身的交互逻辑和预设的背景参数，在动态环境中涌现出来的。
智慧能够涌现，那幺情感呢？「
余东脸上出现好奇和期待的神色，这是他也好奇的问题。
「第二个在于，当这些AI角色不断接收来自人类内测用户的强情感反馈，并被要求根据预设的性格和经历做出复杂决策时，它们是否会发展出超出设计目标范围的自我认知？
