颠覆70年认知！人类语言隐藏进化本能：安全偏好重塑语义模型

自20世纪50年代著名心理学家查尔斯·奥斯古德（Charles Osgood）等人开创经典语义分析框架以来，学术界普遍依赖由效价（Valence，正向 vs 负向）、唤醒度（Arousal，兴奋 vs 平静）和支配度（Dominance，控制 vs 顺从）组成的VAD模型来解析词汇情感含义。这一理论在过去的70年间广泛应用于心理学、认知语言学以及自然语言处理（NLP）领域的情感计算。

然而，发表于国际顶尖期刊《Science Advances》的一项最新研究对这一范式提出了颠覆性挑战。美国佛蒙特大学（University of Vermont）复杂系统研究所的研究团队引入了一种名为“实体度量学”（ousiometrics，词根源于古希腊语“ousia”，意为本质）的数学计量方法。在分析了涵盖图书、新闻、社交媒体及口语录音中两万余个常用词汇的数十亿次真实使用场景后，研究人员发现：传统VAD模型所假设的三个维度并非相互独立，且严重遗漏了人类语义组织的核心维度。

研究表明，人类语言的内在意义更适合被解构为三个截然不同的全新维度：力量（Power，虚弱 vs 强大）、危险（Danger，安全 vs 危险）与结构（Structure，有序 vs 混乱）。在统计学解释力上，新提出的框架能够解释超过90%的语义变异，相较于传统VAD模型（仅解释约72%）呈现出质的飞跃。

破解波丽安娜假说：积极偏好本质源自“生存安全驱动”

在认知心理学与语言学中，存在一个著名的“波丽安娜原则”（Pollyanna principle），即人类语言普遍倾向于更多地使用褒义词而非贬义词。数十年来，主流观点普遍将其归因于人类追求积极情绪表达的心理倾向。然而，本项研究发现了一个极其深刻的底层规律：在日常海量真实语料中，与“安全”相关的词汇出现频率远高于与“危险”相关的词汇。

研究团队论证指出，所谓表面的“积极性偏倚”，本质上是底层“安全偏倚”（safety bias）的一维投影。 senior author、佛蒙特大学复杂系统研究所主任 Peter Dodds 教授指出：“对安全的表达是所有人类语言的基石。人们在日常交流中频繁使用的‘好’与‘友善’，其深层演化意义并非单纯表达愉悦，而是为了确认安全、传达稳定性、建立信任与降低不确定性。”在面临自然选择与严酷生存挑战的漫长进化历程中，人类大脑对环境危险的侦测与规避是生存的首要需求，这一生物学优先权深深刻入了人类语言符号系统的拓扑结构中。

从频率加权到叙事轨迹：全新工具“Ousiometer”的应用

以往语义分析常常将词汇的“类型”（type）平等对待，忽略了现实中高频词与低频词对人类认知塑造的悬殊差异（“token”频率）。佛蒙特大学团队通过精细的语料词频加权算法，才使得这一深藏的底层安全偏好浮出水面。

为了将这一理论转化为可操作的科研工具，研究团队开发了实体度量仪（ousiometer）。该工具不仅能够快速评估宏观语料库的平均语义核心值，还能动态追踪长篇文本随情节展开的“实体轨迹”（ousiometric trajectory）。在对维克多·雨果的经典巨著《悲惨世界》英译本的分析中，研究者将文本叙事映射到“危险/安全”、“虚弱/强大”、“温和/侵略”、“坏/好”四对对立网格中，生成了类似多肽链折叠般复杂扭曲的多彩三维轨迹，生动揭示了人类故事叙述在安全与威胁之间的张力转换。

AI与脑科学的全新视界

这项成果的影响辐射至多个学科前沿：

在人工智能与大语言模型（LLM）领域：当前AI系统的安全对齐、情感分析及内容审核往往基于粗糙的“正负极性”分类。引入“力量-危险-结构”三维空间，将使AI系统更准确地识别人类在信任评估、风险决策和危机预警中的深层心理机制，提升人机互动的鲁棒性与解释性。

在神经认知科学领域：人脑边缘系统（如杏仁核）对威胁与安全信号具有极高的生物敏感性。该研究揭示的语言偏好，为神经科学家探索大脑演化回路如何塑造高阶符号沟通系统提供了坚实的量化计算证据，也为精神心理障碍（如创伤后应激障碍PTSD、焦虑症中对危险信号的过度投射）的语言标志物挖掘开辟了全新路径。