一张照片：眉毛上扬、眼睛睁大、嘴巴张开。这个人在害怕吗？
半个世纪以来，主流心理学的答案是肯定的，而且认为无论把这张照片拿给谁看——纽约的大学生、巴布亚新几内亚的高地农人——他们都会给出相同的判断。面部表情被当作一种跨文化的通用语言。
这个共识在过去二十年里被系统性地拆解，而拆解它的证据与最初支持它的证据来自同一批田野方法。这场争论现在已经越出心理学，进入了法庭、招聘系统与欧盟的立法条文。
达尔文的遗产与埃克曼的田野
1872 年，达尔文在《人类和动物的情感表达》中提出：情绪表达是进化而来的，因此应当跨物种、跨文化连续。他的论证依赖大量轶事与通信，缺乏系统数据。
一个世纪后，保罗·埃克曼给出了看起来决定性的证据。1960 年代末，他前往巴布亚新几内亚，研究几乎没有接触过西方媒体的福雷人（Fore）。他给受试者讲一个小故事——"这个人的孩子死了，他很伤心"——然后请他们从几张面孔照片中挑出对应的表情。福雷人的选择与西方受试者高度一致；反过来，让福雷人做出相应表情并拍照，西方受试者也能识别。
由此形成基本情绪理论：存在若干种（通常列为六种：快乐、悲伤、愤怒、恐惧、厌恶、惊讶）具有特定生理特征与面部表情的基本情绪，由进化塑造的"情感程序"驱动，文化只调节表达规则而不改变核心机制。埃克曼与弗里森随后开发的面部动作编码系统（FACS）成为几十年来的标准工具。
这套理论的影响远超学术界：它进入了机场安检的行为识别训练、审讯技术、动画角色设计，最终进入了自动情绪识别的算法。
反驳的第一波：方法
最早的系统批评来自方法论。詹姆斯·罗素在 1990 年代指出，支持普遍性的实验大量使用强制选择范式：给出六个情绪词让被试挑一个。这种设计会人为抬高一致率——即使被试对表情的自发感知完全不同，只要在给定选项中"最不坏"的答案相同，数据就会显示"一致"。
改用自由标注（让被试自己说这个人在感受什么）后，一致率大幅下降。此外，实验中使用的多是演员摆出的高度刻板化的表情，其强度与清晰度远超日常生活中的真实面孔——用最容易的题目测出的正确率，被当成了普遍能力的证据。
反驳的第二波：不同的证据，不同的结论
2010 年代，玛丽亚·让德龙与丽莎·费尔德曼·巴雷特等人在纳米比亚的辛巴族（Himba）等群体中重做了这类研究，但换了任务：不给情绪词，而让受试者把面孔照片自由分堆。
结果与埃克曼的结论不同：辛巴族受试者的分堆方式并不对应西方的情绪类别，更多按照面部动作本身（如"在笑"、"在看"）而非情绪范畴聚类。当研究者提供情绪词作为线索时，一致性才上升——这提示语言标签本身可能在制造它想要测量的那个类别。
巴雷特提出的建构情绪理论给出了另一套解释：大脑并不拥有专门的"愤怒回路"，情绪是在内感受（身体状态）、情境与习得的情绪概念之上实时建构出来的。愤怒不是一个被触发的程序，而是一个被赋予的类别——就像"颜色"的边界依赖语言一样，情绪的边界依赖概念系统。
2019 年，巴雷特与阿道夫斯、马塞拉、马丁内斯、波拉克联合发表的大规模文献综述提出了三个层面的挑战：可靠性（同一情绪并不稳定地对应同一表情）、特异性（同一表情出现在多种情绪状态中）、可推广性（跨文化、跨情境的一致性远低于宣称）。他们的结论措辞谨慎但方向明确：仅凭面部动作推断情绪状态，缺乏可靠的科学基础。
反驳的反驳
争论没有结束。支持普遍性一方提出了几条有分量的回应。
大规模数据显示结构。 用数千段自然视频与自我报告，考恩与凯尔特纳等人发现情绪体验的语义空间维度远多于六个（他们报告二十余个可区分的类别），且这些类别在跨文化数据中显示出可辨认的结构。这既否定了"只有六种基本情绪"，也不支持"完全由文化建构"。
方法之争是双向的。 自由分堆任务同样有其人为性——它可能低估了受试者能够作出的区分，因为分堆策略本身受任务指导语与材料集合影响。
"表情不可靠"不等于"情绪没有生物基础"。 面部动作与情绪状态之间的映射松散，与情绪本身是否有进化基础，是两个问题。多数当代研究者接受"有限的普遍性"：某些情绪成分（生理唤醒模式、趋近—回避倾向）具有跨文化共性，而其类别划分、表达形式与识别过程受语言与文化深刻塑造。
为什么这场争论突然变得昂贵
学术分歧本可以慢慢收敛，但技术把它变成了紧急问题。
自动情绪识别系统被部署在招聘面试评分、课堂注意力监测、边境安检与保险风控中，其技术前提正是最强版本的基本情绪理论——面部动作可以可靠地映射到内在情绪状态。而这恰恰是二十年批评所动摇的那个命题。
监管随之而来。欧盟《人工智能法案》把工作场所与教育机构中的情绪推断系统列入禁止清单（医疗与安全目的除外），禁止性条款自 2025 年 2 月起适用，法案主体条款于 2026 年 8 月全面适用，违规罚则以全球营业额的百分比计。这是一次罕见的立法直接建立在心理学方法论争议之上的案例——立法者实际采纳的，是"推断缺乏可靠科学基础"这一方的论证。
当代的位置
目前较为稳妥的表述是：
- 面部动作不是情绪的可靠读数。同一情绪可以有多种表达，同一表情可以出自多种状态，情境信息对判断的贡献常常大于面孔本身。
- 情绪概念受语言与文化塑造。不同语言的情绪词并非彼此的精确翻译，其边界差异会影响体验与识别。
- 完全的文化相对主义同样缺乏证据。跨文化数据显示的是程度与结构的差异，而非任意性。
- "普遍性"这个问题问得太粗。生理唤醒、行为倾向、表达形式、概念类别与识别过程，各自的跨文化一致程度不同，必须分开讨论——把它们打包成一个是与否的问题，正是这场争论持续半个世纪未决的原因之一。
跨域连接
- 情绪理论：詹姆斯—兰格、坎农—巴德、沙赫特—辛格与评价理论各自对"情绪从哪来"给出不同答案，而普遍性之争实际上是这些理论分歧在跨文化证据上的延伸。建构情绪理论可以读作沙赫特—辛格两因素论的当代强化版——生理唤醒提供强度，概念系统提供类别。
- 文化心理学：这场争论是文化心理学最有说服力的战场，因为它的对象曾被认为最不可能受文化影响。它示范了一个方法论要点：越是被当作"基础"的过程，跨文化检验的价值越高，因为共识越强的地方，未经检验的假设也越多。
- 计算机视觉：自动情绪识别系统的技术性能（在标注数据上的准确率）与它的构念效度（标签是否对应真实情绪）是两件事。一个在演员摆拍数据集上达到 95% 准确率的模型，可能在真实场景中测量的是"面部肌肉动作"而非"情绪"——这是机器学习中标签质量问题最具社会后果的一个实例。
- 人工智能伦理：情绪识别的监管提供了一个少见的模板——监管不是基于"技术可能被滥用"，而是基于"技术所依赖的科学主张不成立"。这把伦理审查的重心从使用场景前移到了科学基础，也为其他声称能推断内在状态的技术（测谎、人格推断、意图预测）设定了参照。
- 心理物理学与信号检测论：情绪识别研究的核心指标是"识别准确率"，而信号检测论早就指出准确率会混淆敏感性与判断标准。强制选择范式抬高一致率的机制，正是标准被任务结构人为固定的结果；用 $d'$ 一类与标准无关的指标重新分析历史数据，是这场争论中被低估的一条技术路径。
参考文献
- Darwin, C. The Expression of the Emotions in Man and Animals. John Murray, 1872.
- Ekman, P. & Friesen, W. V. Constants Across Cultures in the Face and Emotion. Journal of Personality and Social Psychology 17(2), 124–129, 1971.
- Russell, J. A. Is There Universal Recognition of Emotion from Facial Expression? Psychological Bulletin 115(1), 102–141, 1994.
- Gendron, M. et al. Perceptions of Emotion from Facial Expressions Are Not Culturally Universal. Emotion 14(2), 251–262, 2014.
- Barrett, L. F., Adolphs, R., Marsella, S., Martinez, A. M. & Pollak, S. D. Emotional Expressions Reconsidered. Psychological Science in the Public Interest 20(1), 1–68, 2019.
- Cowen, A. S. & Keltner, D. Self-Report Captures 27 Distinct Categories of Emotion Bridged by Continuous Gradients. PNAS 114(38), 2017.
延伸阅读
- Barrett, L. F. How Emotions Are Made: The Secret Life of the Brain. Houghton Mifflin Harcourt, 2017.
- Ekman, P. Emotions Revealed. Times Books, 2003.
- Crawford, K. Atlas of AI. Yale University Press, 2021（第三章讨论情绪识别技术的科学基础）。
- 欧盟《人工智能法案》第 5 条及其配套指南（情绪推断系统的禁止范围）。