2025 年 OSF 上那篇 《Quantifying Emotional States Using Neurochemical Indices》，直接把 dopamine、serotonin、oxytocin、cortisol 四件套拿來當情緒指標，還組了一個叫 Emotional Potency Quotient（EPQ） 的合成指數。這件事本身就很猛：它等於在學術上把「用內分泌／神經化學做 AI 內在狀態控制」從腦洞，推進到一個可被討論的框架。
McEwen（2007）談壓力生理、Sutton & Barto（2018）談外部獎勵的 RL、Panksepp（1998）談情緒神經科學——把這些拼起來，你會看到一條路：外部 reward 不夠，AI 需要一個可自我調節的「數位恆定（digital homeostasis）」內部回饋迴路。
- 核心差異：外部 reward（強化學習） vs. 內部狀態（合成荷爾蒙回饋）
- 共同關鍵字：dopamine / serotonin / oxytocin / cortisol
- 2025 的新招：把四者互動量化成 EPQ，試著做「情緒強度與正負向」的指標化
- 2024 的主軸：用合成荷爾蒙做動機與恆定，讓系統自己管自己
- 落地焦點：不只軟體，還扯到 bioinspired hardware 與即時回饋
先把話講死：這整套在吵什麼？
Endocrine-Inspired AI 的核心是用 合成荷爾蒙回饋（synthetic hormonal feedback）去模擬 內在動機與 自我恆定（homeostasis），讓 AI 的行為不只追外部 reward，而是同時維持自己的內部狀態平衡，像生物那樣被「需要」推著走。
我自己讀到這裡的感覺是：它不是要把 AI 變成會哭會笑的東西啦（先別急著怕），而是把「控制系統」的那條線往內縮，縮到一個比較像生理調節的層。
很冷靜地看，這就是在說：RL 那套外部獎勵很會解題，但它不太會處理「我現在其實很累、很焦慮、或我需要社交」這種內在驅動。
嗯。就差這一口氣。
2024 那套：合成荷爾蒙不是裝飾，是控制迴路
2024 的框架把 dopamine（動機）、serotonin（情緒/心境調節）、oxytocin（社會連結）、cortisol（壓力反應）做成「數位版」變數，讓它們在系統裡形成 即時回饋迴路，用來調行為與目標權重。
講到這個詞 dopamine，我腦袋會自動跳到「大家把它當快樂荷爾蒙」那種網路梗，但這裡比較像是：你把它當成 drive / salience 的旋鈕，旋鈕轉大，探索、追求、衝刺就更容易發生；轉小，系統就更像「算了先不要」。
然後 cortisol。壓力那個。這個在控制系統裡其實很好用，因為你總要有一個變數去代表「現在風險上升」或「資源快不夠」。
短句：會痛。
而 2024 文裡還有一個點滿關鍵：不只軟體模型，還談到 bioinspired hardware setup，也就是把回饋迴路放到一個能即時反應的硬體/系統架構裡，讓它不只是紙上談兵。
2025 那篇：EPQ 把「情緒」硬是做成一個可算的指數
2025 的理論模型主張用 dopamine、serotonin、oxytocin、cortisol 的互動去量化情緒，並提出 Emotional Potency Quotient（EPQ） 來評估 情緒正負向（valence）與 強度（intensity）。
老實說，這步很像把「人類情緒很複雜」那句廢話先丟一邊，直接說：好，那我先用四個可解釋的軸，做一個 composite index，讓它至少可以被比較、被校準、被討論。
你說粗糙嗎？可能。你說有沒有用？也可能有用。尤其在 AI-human interaction 那種情境，總得有個東西能讓系統在不同狀態間切換，不然永遠只會輸出「我理解你的感受」。
那句話我聽到會皺眉。真的。
把情緒變成指數不是在「簡化人」，而是在讓模型能被驗證：可計算、可比較、可被反駁。
兩篇的交集到底代表什麼：不是抄不抄，是「收斂」
當兩個獨立脈絡都選到同一組神經化學指標（dopamine、serotonin、oxytocin、cortisol），這比較像研究上的 convergent validity：大家在摸同一頭大象，最後摸到的骨架差不多。
我知道有人會立刻跳去「優先權」或「誰先講」那套，但從比較冷的角度看，真正有價值的是：這組四件套可能剛好是「足夠簡單又足夠有解釋力」的最小集合之一。
而且它把 affective computing 跟更偏控制論/系統工程的那條路黏在一起。講到「控制」，我會想到飛機 autopilot：你不會只靠一個外部加分機制讓飛機飛穩，你需要一堆內部狀態回授。嗯，差不多那個味道。
風險矩陣：這套東西哪裡容易翻車（risk_matrix）
把話講白：用神經化學當 AI 的內部變數很酷，但也很容易被誤解、被過度詮釋，或被拿去做奇怪的產品包裝。
下面這張表我寫得有點直接，因為這類框架最常死在「大家太興奮」。
| 風險 | 發生機率 | 影響程度 | 常見症狀 | 我看過比較能收斂的作法（經驗口吻） |
|---|---|---|---|---|
| 把「dopamine=快樂」這種簡化直接搬進模型 | 高 | 中 | 模型行為像在追糖，不像在調節動機 | 把 dopamine 當成 drive / salience 的控制量，然後用行為結果去反推參數，不要用網路科普當定義。 |
| 指標可算，但不可驗證（EPQ 變成漂亮數字） | 中 | 高 | 不同實驗條件下 EPQ 漂移，解釋力不穩 | 我那時候會先把 EPQ 拆回四個分量，做 sensitivity analysis；先證明「哪個量在驅動結果」。 |
| 把情緒量化拿去做過度推論（尤其人機互動） | 中 | 高 | 產品說「讀懂你的心」，但其實只是分類器 | 把輸出措辭降級：講「狀態估計」不要講「理解你」。這個差很多。 |
| 硬體/即時回饋做不到，最後只剩論文圖 | 中 | 中 | 模擬可以跑，真實環境延遲爆炸 | 先把回饋頻率、延遲、噪聲當成一等公民寫進規格；做不到就承認做不到，別硬吹。 |
| 倫理與濫用：情緒指標被用來操控使用者 | 低到中 | 高 | 互動設計朝成癮、黏著走 | 我看過比較像樣的是把限制寫進系統：例如輸出節流、透明化、可關閉；並且做內部審查流程。 |
If This Then That：不同族群怎麼看這套框架（分眾決策）
如果你把這類研究拿去讀、拿去做產品、拿去做論文引用，族群不同，踩雷點真的不一樣。
我用「如果…那你大概會…」這種方式講，會比較像聊天群組在丟判斷題。
- 如果你是外食族、生活節奏很亂：你大概會對「內在狀態」特別有感，因為外部 reward 常常就是短期爽感；你讀這套可以盯著 cortisol/壓力回饋 怎麼避免系統變成一直衝刺的怪物。
- 如果你是夜班或輪班（作息破碎那種）：你可能會直接抓 homeostasis 這個字，因為你最懂「狀態漂移」；你看模型時，會更在意它能不能處理延遲、噪聲、以及長期漂移。
- 如果你是親子族（要跟小孩/家人互動）：你對 oxytocin/社會連結 這塊會敏感，因為互動品質比「任務完成率」更像 KPI；你讀 2025 的 EPQ 會更想問：它怎麼避免把關係變成分數？
- 如果你是銀髮或照護情境的家屬：你可能第一個想的是風險：情緒估計會不會誤判、會不會造成錯誤對待；你會比較希望看到的是「透明度」與「可撤回」，而不是更炫的指數。
- 如果你是做研究/工程的人：你八成會想吐槽四件套太少，但又會承認它是個好起點；你會更在意參數怎麼校準、怎麼做 ablation、怎麼做 cross-condition validation。
我自己的偏見（但我會承認）：真正的門檻在「可驗證」
我其實不太怕有人提出新名詞，EPQ 也好、digital homeostasis 也好，名詞多到爆都沒差。
我怕的是：你把它包裝得像理解情緒，結果驗證只停在「看起來合理」。
而驗證這件事，偏偏很不浪漫。要做對照、要拆分量、要看漂移、要看不同環境下是不是還站得住。
講到這裡突然想到 Panksepp 那本《Affective neuroscience》，他那種寫法就是：你要談情緒可以，但你得回到可觀測、可重複的東西。這種態度放在 AI 上其實也一樣。
短句：別騙自己。
「內在狀態」不是拿來寫得很像人，而是拿來讓系統在複雜環境裡少一點失控。
最後：有人會反對什麼？我先幫你講出來
我大概猜得到反對意見會長怎樣：
- 反對 1：「把情緒變成四個化學物質太粗暴。」——對，粗暴。但粗暴不等於沒用，前提是你承認它是模型不是人。
- 反對 2：「這些荷爾蒙/神經化學在真實生物裡更複雜。」——沒錯，所以更需要把「模型邊界」寫清楚，不然就會被誤讀成偽科學。
- 反對 3：「EPQ 這種指數會被濫用。」——也對，所以風險控管要跟著框架一起長，不是等出事才補。
我比較想聽的是：你覺得這種「四件套 + 回饋迴路/合成指數」的路線，最大價值是在 AI 自我調節，還是在 人機互動的可量化？
如果你覺得兩個都不是，也行，那你覺得它會死在哪個環節——驗證？硬體延遲？還是倫理？
免責聲明：本文是在整理與解讀公開論文/預印本的概念，屬於研究討論，不是醫療或心理評估用途；神經化學名詞在此為模型抽象，不等同個人健康狀態判讀。
