别怕人工智能，你迟早要跟它谈恋爱
作为最了解人工智能历史、趋势，最早开启人工智能浪潮的人之一，Terrence前不久刚出版了自己的第四本书——《深度学习革命》。书中内容横跨了深度学习的过去、现在和未来，整体时间跨度长达60年。
用Terrence自己的话来说：
我真的需要分享一下我对于人工智能的见解，但（这本书）绝对不是为了说教，我只是想纠正大部分人的错误认识，并且将人工智能30年发展历史进程中，那些重要的时刻、想法分享出来。并且以我个人的角度对未来做出一定的预测。可以说是圈外人了解人工智能发展历史、理解人工智能发展趋势、并且最终形成自我预测能力的上佳材料。
虎嗅也就本次发布的书籍及内容，对特伦斯·谢诺夫斯基专门进行了一次采访，内容涵盖其对于人工智能的深度理解、趋势预测等精彩内容，以下是我们深度整理、编辑之后的版本。
人工智能崛起依赖的是生物技术？
通常来说，人们都将人工智能看做一串串代码组成的软件，但在拥有哈佛大学医学院神经生物学、普林斯顿大学生物学双博士后学位的Terrence看来，人工智能更像是人类创造的一个新的“物种”。
其中一个重要原因，是人工智能技术发展过程中，对于生物的参考。
Terrence从上世纪80年代就开始与神经网络打交道：“最早我只是一位物理学博士，虽然早早开始研究神经网络模型，但最初的研究并不顺利，因为不借助生物学的力量，我就只能够用方程式去猜测人类大脑的运转方式。屡屡失败之后，我就去了哈佛大学读神经生物学博士后，那之后我才意识到了人的大脑究竟是有多么复杂。”
于是乎，Terrence开始尝试另外一种方法：将人类学习时，生物微观结构中的变化，转化成一个又一个方程式，融入到神经网络模型当中。
一个波兹曼机例子（其中包括3个隐藏单元和4个可见单元）
到了1985年，Terrence和Hinton取得了里程碑式的成绩，在《认知科学》杂志之发表了一篇题为《一种“波兹曼机”的学习算法（ALearningAlgorithmforBoltzmannMachines）》的论文。他们所开创的“波兹曼机”是神经网络中的一种，同时也是最早能够学习内部表达，并能表达和解决复杂的组合优化问题的神经网络。
学术界从那时起才坚定了神经网络的潜在价值，并且开始不断在这个方向上努力。
Terrence在采访中总结30多年来神经网络的进展时，特别提到了“强化学习”：“它参考了人类自我学习成长的模式。更具体地说，是模仿了人类神经元网络中多巴胺的刺激作用。”
有人这样概括“强化学习算法”——就是在训练的过程中，不断的去尝试，错了就扣分，对了就奖励，由此训练得到在各个状态环境当中最好的决策。
让绝大多数普通人第一次了解到人工智能、在围棋上打败人类最强棋手的AlphaGo，最核心的算法就是“强化学习”。所以在对决过程中，计算机不再需要去计算所有的结果，而是可以像人一样、甚至更高效地去不断做决策，最终获得胜利。
这一成就在Terrence看来，还不算是最令人激动的，因为“强化学习”中需要人类扮演引导的角色，除了为神经网络树立目标之外，人们还需要不断修正神经网络的参数。相比之下，人工智能目前另外一个热门的方向是“无监督学习”，后者最大的特点就是尝试让计算机自己对数据进行总结归纳，并且进行学习。
用他自己的话来说：“这与人类婴儿阶段，通过视觉、触觉、味觉等感官对世界进行观察、收集、判断是“如出一辙”的。这个时候我们再来看搭载了无监督学习的机器人，它不就是‘婴儿机器人’吗？那再给它一些时间，不就会成长为青少年机器人，最终再成为成熟的机器人吗？”
虽然Terrence表示未来很难预测，但最终还是给出了一个：“所以未来如果真的有能跟人类比肩的机器人制造出来，它也必须经历与人类相似的成长、进化的过程。而且相比于特定生态位（种群在生态系统中的位置）和进化而得到的并不能算‘智慧’，那些更多是对于环境的适应，而人工智能将会横跨整个生物智能的范围，这将让世界变得更加丰富。”
也就是说，未来人工智能物种中还可以有AI猫、AI狗？
人工智能会带来什么？
在进一步探讨是否应该恐惧之前，我们决定先跟Terrence聊聊一些对于未来的畅想。他直接拿笔记本的键盘举了个例子：“未来我们肯定是不再需要键盘了，当你都可以和你的电脑对话了，谁还需要键盘呢？到时候，笔记本都会像25年前的打字机一样，被直接送进博物馆。”
这一个例子也曾被“硅谷钢铁侠”ElonMusk提过，就在我们期待Terrence聊聊由其引发的基础商业模式改变时，他先强调了自己谨慎的态度：“以前我车上都有一本地图，每次去一个地方我都要看着地图来开车，现在我需要的只是输入地址，然后手机就会给我发送指令，指引我去到目的地。再比如社交网络，它完全改变了人们交流的方式，也改变了信息的传播。”
“这相对于互联网创建之初的1990年，完全就是两个世界。1990年也没有人能够预测到同样的东西。”Terrence顿了一下笑着说道，“可能还是因为人类没有足够的智慧吧（去预测未来）。”
“随着AI的引入，人类将通过复杂的机器算法与计算机形成脑机接口，我们不知道未来会发生什么。但参考前面的例子（互联网）来看，这将会是一件非常神奇的事情，它（未来）将会与今天的生活大不相同。”
不过改变并不只有正向的，我们也向Terrence提了一个“挑战性”的问题：我们如何保证互联网公司这样的人工智能、数据平台，不会作恶？
Terrence这样回答道：“我们还是倒回到历史中来看，对我比较喜欢回顾历史。250年前的工业革命，蒸汽引擎的诞生提供了大量的动力，往往一台发动机就能干一百个人的机械工作。人们随后开始把大量的发动机投入到工厂，百倍的产品从工厂中生产出来。但同时那个时代又是非常可怕的，大量的蒸汽机烧着煤炭，向大气中源源不断地排放着大量的污染物，整个伦敦都被污染所笼罩。”
“不夸张的说，那就是新技术带来的改变，生活在其中就像是一‘地狱’。那么我们（人类）是怎么应对的呢？人们意识到工业革命必须要调整之后，开始建立各种全新的法律，例如如何控制污染，例如有了机器也不能使用童工等等。人类会自然地选择去阻止负面的事情发生，这某种程度上就是政府的职责，在这个过程中，政府实际上是在监管、甚至拖慢技术的应用。”
“因此对于任何新技术的出现，我们实际上都需要一段时间来研究如何调节。最优的调节手段甚至还不是一次练就的，它需要时间，因为人们需要时间来理解技术的影响，并且对其中负面的因素进行抵制。”
Terrence在说完整体的情况之后，开始着重分享自己对于互联网巨头的看法：“人工智能的算法、数据这些关键性的资源目前的确被谷歌、微软、阿里巴巴这样的大公司所掌控。但这些资源更像是公共资源。再加之今天的很多大公司早已国际化了，他们的触角都是全球化的。也许100年之后，国家的边界就会消失甚至变得无关紧要。这的确可能是一个疯狂的猜测，但大公司的权利在与日俱增的确是事实。他们未来甚至能影响国家如何规范商业，规范个体的行为等等。”
Terrence还给出了一个他的结论：“我唯一能够保证的只有一点——未来会让所有人大吃一惊。期望环境保持不变，一直延续下去，绝对是愚蠢的。”
我们是否应该对AI恐惧？
这个所有人都会关心的问题，实际上也是Terrence决心写下这本书的其中一个主要原因。当时他在野外徒步了一个星期，但脑海里面却重复在想此前人们对于人工智能的恐惧。有的人说世界末日要来了，有的人说人类将要被淘汰等等。
“这实在是太疯狂了。但我确信事情不会像他们想象的那样糟糕，因为对于人工智能，我比普通人知道得多得多。所以我真的需要分享一下我对于人工智能的见解，但（这本书）绝对不是为了说教，我只是想纠正大部分人的错误认识。”Terrence平静而认真地说道。
“我更多想要讲述的是一整个（人工智能发展）故事，一个关于过去的故事。人工智能的灵感你从哪里来？基于我们这些从业者，它的优缺点有哪些？会造成哪些影响等等。当然还包括我的一些小猜测，人工智能将会如何影响我们的生活？这些都在书里。”
Terrence随即又举了一个具体的例子：“早在1994年，人类打造的计算机就已经在国际象棋上打败了人类。看起来国际象棋似乎已经‘过时’了，但人们并没有说再也不下国际象棋了。相反一个有趣的变化发生了：原来国际象棋高手主要依靠互相切磋来提升水平，大城市中的棋手和俱乐部往往会占据优势，但最新的国际象棋世界冠军，实际在挪威偏远的一个小村庄中生活，跟他对弈的正是电脑。所以不管你在世界何地，哪怕是在非洲的村庄，你都可以借助计算机来加深你的热爱，甚至推动更多的普通人来下国际象棋。”
“这明显和大部分人设想的情景不同，所以说预测未来是不靠谱的。”Terrence继续说道，“每一次新技术被引进社会，不总会有人会说它是文明的终结吗？你看核能、又或者是转基因，这些技术每个都拥有灭绝人类的可能，但人类每次凭借互相的交流沟通、法律等手段就是能避免最坏的情况。”
除了对人类抱有信心之外，Terrence还点出了人们无需过多担忧的另外一个原因——人工智能发展并没有想象中那么快。
“最近几年无人驾驶火热，各种技术、各种方案纷纷出现。但这种技术最终想要转化成可以商业化的产品，往往还需要十年以上的时间，更不要提自动驾驶这种可能有几十年过渡期的新技术，按我自己来看，20年可能才会完全可靠。但科技就是这样发展的，你手上拿着的手机并不是变魔术一瞬间变出来的，而是许多人数十年的心血。”
“所以最疯狂的想象大多数都不会靠谱，电影中那样的终结者也不会出现。”Terrence充满信心地说到，然后像是开玩笑一样说了个看法：“我们反倒是要思考下怎么和人工智能谈恋爱，因为它们可能会具备人类所有的情感。”
别怕人工智能，你迟早要跟它谈恋爱返回搜狐，查看更多
如何开始跟人工智能谈恋爱关于LSTM的狂想曲
话说想随便谈个恋爱，总共分几步？
这是标准的形而上哲学问题，有些单身狗黄金会员甚至能告诉你答案是负无穷。但如果就考虑正常人的一般情况，那第一步可能是从搭讪开始算。
但如果你想跟人工智能谈个恋爱，那情况可能就要复杂一点了。毕竟搭讪的前提是他能记住你才行，但就算他能记住你，也要把你和桌椅板凳、萝卜青菜分开才行。
今天要讨论的技术，就是负责这块工作的——当然谈恋爱啥的还有点远——如何让AI记住某件事的同时，将这件事从与万事万物的记忆中区分出来。
这个精神网络技术的名字叫做LSTM（LongShort-TermMemory）长短期记忆网络，可以说是个相当酷的名字。
这项技术虽然在1997年就被提出，但随着整体AI技术环境的成熟和改进方式的完善，LSTM在近段时间开始火爆了起来。包括谷歌翻译等产品中都开始应用这项技术。
今天就来科普下这个“让人工智能在人群中认出你”的技术。虽然LSTM的技术进程推进比不上很多算法与精神网络，但它展示的未来可能与人文内涵却带来更加丰富的意味。
从呱呱坠地到情窦初开：LSTM解决了什么问题？
想要了解LSTM，必须先要弄懂另一个名词：循环神经网络（RNN）。脑极体在讨论很多机器学习算法与应用时都会提到RNN，主要就是因为它解决了机器学习中一个最重要的问题：记忆。
所谓循环神经网络，简单来说是在传统的神经网络上加入了”循环“功能。最开始的神经网络，每层计算之间的结果是不相联系的，这样留下的问题是机器学习系统没有记忆能力。
而RNN的根本出发点，就是将不同层精神网络之间的输入、运算与输出进行联系。让神经网络产生记忆能力。
赋予机器学习记忆能力，有很多直接使用场景。比如说在机器翻译当中，使用RNN技术可以带来联系上下文的能力，让翻译结果准确贴合语境。
但是RNN还是存在着巨大的缺陷，那就是它不知道如何选择该记忆什么忘记什么。这就导致了机器学习系统把所有信息都记了下来。这样首先给运算能力增加了大量负荷，其次也让神经网络难以判定比较遥远信息的对应性。这在AI界被称为RNN的”长序依赖“问题。
举例来说，用RNN协助进行翻译，它会记住连续语句中的吃饭、喝水等动作。但如果主人公在前几段举起了酒杯，这一段开始喝酒，那它就彻底分不清了....
针对这些问题，从业者发明了LSTM，所谓长短期记忆网络，就是来区分哪些记忆要归位长期记忆，哪些记忆只需要短期储存。这样就可以在循环记忆网络中记住关键信息的同时减轻运算工作量。
所以LSTM是一种特殊的RNN。
回到谈恋爱的话题，RNN就像一个呱呱坠地的婴儿，虽然有了记忆，但无法区别记忆，不知道该记住什么。而LSTM就像情窦初开的少年，他已经能记住女孩的名字、爱好、容貌，并将这些东西联系起来，推断出自己注定是备胎的悲惨现实……
三重门：LSTM的工作原理
不妨简单解释一下LSTM的工作原理。
LSTM区别于RNN的地方，主要就在于它在算法中加入了一个判断信息有用与否的”处理器“，这个处理器作用的结构被称为cell。
（LSTM的内部处理器和三重门）
一个cell当中被放置了三扇门，分别叫做输入门、遗忘门和输出门。一个信息进入LSTM的网络当中，可以根据规则来判断是否有用。只有符合算法认证的信息才会留下，不符的信息则通过遗忘门被遗忘。
说起来无非就是一进二出的工作原理，却可以在反复运算下解决神经网络中长期存在的大问题。目前已经证明，LSTM是解决长序依赖问题的有效技术，并且这种技术的普适性非常高，导致带来的可能性变化非常多。各研究者根据LSTM纷纷提出了自己的变量版本，这就让LSTM可以处理千变万化的垂直问题。
LSTM的应用空间
LSTM虽然没有多么复杂，但应用率却非常高。例如这项技术已经被证明有效的应用环境就是在文本理解与翻译领域。
LSTM的最直接价值体现，就是根据上下文之间的关键信息，来推断后序文本当中出现的主体定义。这就让机器翻译更有可能处理较长的文本甚至整个故事。
对于“机器学习+文本”来说，理解、翻译和新的文本生成永远是捆在一起的铁三角。LSTM可以帮助理解上下文这种人类特有的表达方式，当然也有助于AI学习从人类文本中梳理逻辑和脉络。而以此为契机反向生成有语境、有逻辑、有伏笔的新文本，也是LSTM最直接的应用场景之一。
同样，上下文不仅是在文本当中才有。比如在视频当中，就也会出现前后故事联系的情况，甚至更复杂一点出现通过图像来进行的上下文联系。比如一件衣服穿在不同人物身上的意义；反复出现的关键道具；甚至天气对剧情的推动作用。
目前已经有通过LSTM变体技术来解读电视剧的实验。而更广阔的应用空间，是通过LSTM来对监控视频进行记忆推理。比如在全市的视频监控数据中寻找被偷钱包的下落等等，说不定都很快可以实现。
同样，在NLP自然语言处理当中，LSTM也可以有巨大的应用价值。比如选择记忆人的语言习惯、口音、发音方式等等，可以帮助AI理解人类真实语言，降低对语言准确性的要求。另外通过LSTM也可以帮助AI来理解人类的大段语音命令，从而让人类对AI下达负责命令成为可能。
未来狂想：当机器开始选择性记忆
让人工智能选择性地记住点什么，绝对是一件脑洞大开的事。
这很容易理解，要知道众多科幻片里毁天灭地的人工智能都是从有选择性记忆开始的——当然他们不约而同先记住人类很坏就不知道为什么了。
由于针对长短期记忆的训练数据缺失非常严重，LSTM的进化速度还比较缓慢。尤其是更加抽象的非文本材料信息训练十分匮乏，也较少行之有效的训练方式。但如果补完了这一环，那带来的想象冲撞可谓疯狂。
这里列举一下LSTM技术带来的两条比较有可能的进化线。他们都是由LSTM指向的选择记忆能力作为来说，却很容易推导到我们十分惧怕也十分向往的人工智能能力当中。
猜想1：长短期记忆——选择记忆——精确的推理能力——预言能力。
解释：通过大量的选择记忆训练，AI可以理解到事物之间有怎样的长序联系。甚至是信息距离非常遥远的两个事物之间是如何关联的。而这指向的也就是机器的推理能力。随着一些优质论文的发表，最近机器推理又成为了AI圈的热门话题。机器可以具备推理能力近乎是确定的了，而可以利用无限多数据的AI，是否可以将推理能力做到极致，达到人类梦寐以求的预言未来能力呢？
再往下想，能够预言未来的AI会如何看待人类的现在，以及AI与人类的关系呢？真是细思恐极。
猜想2：长短期记忆——选择记忆——选择性专注——机器价值观
很多科学家都认为，在循环神经网络这条线上，LSTM带来了选择记忆能力之后，下一步就是训练机器如何选择性的把运算能力专注在某件事上。而可以自行判断专注目标、专注时长以及专注目的的AI，是否可以说是有了自己的价值观呢？
毕竟人类的所谓价值观，说穿了也无非就是在什么东西上浪费多少记忆、思考和时间而已。有了自己价值判断的AI，当然也是人类一边期待一边惧怕的。
这样看来，LSTM技术可以帮助人工智能在人群之中记住你，也不一定准是好事。毕竟即使你想跟可爱的AI谈个恋爱，人家说不定是想动动手指灭了你。
但无论如何，AI的记忆，已经是一道关不上的闸门了。
超一千万人选择和人工智能谈恋爱，AI恋人到底是什么
最近，“元宇宙”（Metaverse）的概念在互联网科技界大火。
从Fcaebook到国内腾讯、字节等公司接连官宣，属于“元宇宙”的时代到来了。
简单来说，就是现实世界中的“我”在“元宇宙”的虚拟世界中另辟蹊径，在现实和虚拟世界中共同推进人生轨迹，工作、社交、娱乐等多样化场景都能在元宇宙实现。
（图片来源：Andrush/Shutterstock.com）
看到各大互联网大厂争相角逐“元宇宙”的风口，小编不禁想问，有了这类虚拟技术的加持，科技大佬们能否关心下单身群体的恋爱问题呢？毕竟科技的发展源自于生活，也应当服务于生活和需求嘛。
你的“虚拟恋人”正在上线
小编发现，国内就有这么一家致力于打造沉浸式的元宇宙婚恋社交场景以满足不同人的亲密互动需求的公司。与此同时，网络上兴起了对于元宇宙中虚拟恋人的讨论和想象。
(一家致力于打造元宇宙婚恋平台的公司来源：腾讯新闻)
（图片来源：小红书）
在2013年的爱情科幻电影《她》中，男主人公与拥有迷人声线、性格温柔幽默的人工智能系统OS1（她还拥有一个美丽的名字“萨曼萨”）发展了一段不被世俗所理解的奇异人机之恋。
（电影《她》男主人公通过耳机与智能女友进行日常交流）
如今，随着互联网科技的飞速发展，人工智能、虚拟现实、元宇宙等越来越多日新月异的新技术正在试图走进人类的生活。
在电影《她》上映的那一年，人们还无法想象与一个虚拟人物进行交流对话的场景，但如今走入居室，人们可以与空调、吸尘机、音响进行无障碍沟通，甚至对着Siri唱歌、讲段子也成了稀疏平常的生活碎片。
既然如此，我们是不是可以畅想下，电影《她》中所描绘的人机之恋，在不久的将来成为现实生活中的一种可能性呢？
科技界人士已经发现了一些努力的方向。近两年，不少娱乐公司发展起了虚拟偶像，很多国内外的公司推出了偏向真人性的虚拟人物。
(《光与夜之恋人》男主角之一虚拟男友“萧逸”首登《ELLEMAN》封面)
又比如，今年热播的神脑洞轻科幻偶像剧《完美的他》。按照乙女游戏的标准设定，该片中的四位主人公以两位女主的假象男友的形式出现。
(《完美的他》中的一位男主)
剧中，当女主角带上VR眼镜，虚拟男友不仅线上嘘寒问暖，其真人“标本”也化身为触手可得的行走荷尔蒙。霸道公主抱、人工呼吸吻、牛奶吻等名场面应接不暇，高度满足了少女心杀器的必备元素。
（《完美的他》名场面之一）
该剧的冲突点在于，这些虚拟男友并非单纯的“纸片人”，ta们在虚拟世界中的人生经历采集自真实存在的四位男性。
“非纸片人”的设定使得虚拟人物的形象愈发真实、饱满。对受众来说，随着技术的推进，虚拟恋人越来越接近于他们心中对于完美伴侣的想象了。
几家欢喜几家愁
当人们谈论到未来时，他们都更愿意去相信事物都会变化。这种变化对于人类来说，究竟是好是坏呢？
人机之恋究竟会呈现出哪种模样？一份虚拟恋情可能会遇到什么样的现实问题，且有哪些利弊？目前已有不少关注这一话题的人，通过各自的方式表达了各异的观点。
一些人持乐观态度，也有不少人对这种奇异的爱情观表示了担忧。
（1）非物质性客体的局限性
首先，是关于虚拟恋人物质性的考量。一提到虚拟二字，就会自然想到其反面——真实。如果心爱的ta不具有真实存在的身体和样貌，想必不少人会对虚拟恋人SayNo。
就拿电影《她》来说，虚拟女友“萨曼萨”几乎满足了男主人公对理想女友的一切想象，但她不具有肉身，她仅仅通过声音这一媒介来传递信息，而这也是横亘在两人之间最大的障碍。
（男主“带着”虚拟来女友一起旅行看海）
尽管技术的进步能在一定程度上弥补这个问题，例如通过虚拟现实等技术为“恋人”设计出更拟人化的形象、表情与动作，但无论是冰冷的“机械姬”还是三次元世界的“全息恋人”都抵不过一具触手可及的、有血有肉的身体来得令人更有真实感。
（2）虚拟恋人能否带来真实情感联结
如果说虚拟恋情成为现实，那么除了技术带来的在沟通交流和约会陪伴等方面的便利性之外，亲密关系中最重要的情感联结能否在人机之间被有效建立起来呢？
影评人刘学文对于影视作品中的人机之恋做过如下犀利的点评：“纵观我看过的这些电影，似乎都没有出现一个欢快的结局，电影中的人和用人工智能武装起来的虚拟伴侣，一度都是如胶似漆，但是这种关系并不像人与人之间的关系那样，它总是很坦诚、善解人意，最终却不欢而散。”
就像所有恋爱的热恋期一样，人机之恋最初也总是被新鲜感和亲密感充斥着。
只要你想ta了，打开手机或连接上设备，虚拟恋人便会如期而至。
甚至像日本怪诞剧《世界奇妙物语2014春季特别篇》首个小故事《废材的他和可爱的她》里所展现的那样，根据男主的私人定制，一个具有全息投影的具象化女友形象随时随地都能出现在他身边。
（《废材的他和可爱的她》）
但这位“女仆风”伴侣并未如男主想象的那样百依百顺，相反，随着交流的深入，男主发现眼前的这个仿真人即使是按照自己的意志唯一定制的，甚至ta具有读取、识别和应对人类各种情绪的能力，但ta的情绪反应依然是基于算法生成的。
说到底，ta仍然是没有真实感情的人工智能。
当人们面对自己的虚拟恋人问出那一句“你爱我吗?”，经过智能系统高速而精密的运算后，也许会出现几千万种不同的回答。
可是，这些爱的语言究竟是“坠入爱河”的真实表达，还是只是智能系统给出了人们最想要的答案呢？
（电影《她》）
更何况，并不是所有情况下，语言都能够作为最佳表达方式来传递爱。
身体接触，如牵手、抚摸、拥抱、亲吻等也有是许多人类需要的爱情“语言”。
（日本艺术家空山基基于机械的作品）
很显然，无论是何种表现形式，手机等设备中的语音，人造的躯体或者全息投影，这些形式最终还是无法代替真实的人类，成为一个能满足人类亲密关系的多样化需求的合格伴侣。
虚拟恋人爆火的背后
是人们忘了如何去爱
存在即是合理。
在虚拟恋人爆火的现象之下，好奇心驱使着人们透过智能机器人的眼睛去反观人类社会的种种。
人们渴望通过量身创造出能与自己深入交流、谈情说爱的机器人，甚至幻想与这样的精密而完美的AI陷入一段柏拉图式的浪漫关系，似乎虚拟恋人的出现能够避免很多现实问题，爱情也因此变得纯粹而简单。
果真如此吗？未必。
在其背后，小编认为还是反映了现代人的“爱无能”。
对于人类来说，似乎只要向机器人提出需求，即可获得一段良好的关系。然而殊不知这种只提需求、回避矛盾与问题的态度，恰恰忽略了爱情最根本的意义，那就是“给予”。
弗洛姆认为爱的本质是给予，而不是接受。不成熟的爱人说:“我爱你，因为我需要你。”成熟的爱人却说:“我需要你，因为我爱你。”
一个不会爱的人是没有生命力的，他也很难用一颗充盈着爱意的心去面对一个真实的个体，因为真实的人际关系必然充满着荆棘，这条路需要发挥出人类内在的积极力量。
所谓“给予”，最重要的不只是物质方面的给予，也不意味着一定要为他人而牺牲自己的生命，而主要是把自己的生机、活力、欢乐、幽默等给予他人，人并不是为了获取而给予，给予本身就是一种无与伦比的欢乐。
爱无能的人因为害怕在建立亲密关系的过程中让自己或对方受伤而选择封闭自己的心，但他们却忘了，爱才是那把打开自己内心的钥匙啊。
至此，希望每个人都能在真实中体验爱情，勇敢地给予，而不是在原地等待被爱。
-END-
策划：焦糖
作者：罗南希Nancy
编辑：雪梨
设计：多纳
（文中部分图片均来源网络，侵权可联系删除）