- 壹 -
羅米（Romy Lorenz）是個(gè)金發(fā)藍(lán)眼的姑娘。
2013年，她考入倫敦帝國理工學(xué)院，師從神經(jīng)科學(xué)家里奇（Rob Leech）。兩年后，羅米的博士項(xiàng)目幾乎過半，但實(shí)驗(yàn)卻未能取得任何成功。她得想辦法讓研究回到正軌。
“我們想創(chuàng)造一個(gè)實(shí)時(shí)的神經(jīng)反饋。”羅米回憶道，“讓病人躺在大腦掃描儀里面，根據(jù)我們在掃描儀上看到的信息，告訴他們?nèi)绾胃淖兤浯竽X不同部位的活動(dòng)。”
為了實(shí)現(xiàn)這個(gè)目標(biāo)，里奇和羅米重新編寫《我的世界》（Minecraft）的代碼，用來反映玩家的大腦活動(dòng)。“這是我女兒當(dāng)時(shí)最喜歡的游戲”，里奇說。
2014年10月，羅米讓志愿者進(jìn)入磁共振掃描儀里，然后在像素化風(fēng)格的游戲世界里四處閑逛?！段业氖澜纭返漠嬅骘@示在志愿者面前的屏幕上，他們通過兩個(gè)圓形手柄來控制游戲角色。
這個(gè)神經(jīng)反饋實(shí)驗(yàn)使用了一個(gè)基本程序，能解碼大腦掃描信息，并根據(jù)玩家的狀態(tài)，對游戲中的燈光進(jìn)行明暗調(diào)節(jié)。如果玩家沒有集中注意力，軟件就應(yīng)該調(diào)低亮度，迫使他們集中精力。相反地，當(dāng)玩家集中精力時(shí)，軟件又會調(diào)高亮度。
羅米的實(shí)驗(yàn)希望能夠?qū)Υ竽X默認(rèn)模式網(wǎng)絡(luò)中的一系列活動(dòng)進(jìn)行活躍度控制，這里把大腦皮層的部分部位與更加深層的區(qū)域（例如海馬體）連接起來。當(dāng)我們不集中精力時(shí)，它會變得最為活躍。
但這個(gè)實(shí)驗(yàn)卻失敗了。
“我本來也沒有奢望自己的第一個(gè)實(shí)驗(yàn)?zāi)軌虺晒Α?rdquo;羅米說，“但我的博士項(xiàng)目已經(jīng)過半，最初的課題似乎看不到希望。我發(fā)現(xiàn)自己必須搞點(diǎn)創(chuàng)新。”
2015年1月，當(dāng)羅米和里奇會見她的第二位導(dǎo)師、神經(jīng)學(xué)家阿杜（Aldo Faisal）時(shí)，他們開始探討最佳方案。
“阿杜并非來自功能性磁共振成像（fMRI）領(lǐng)域。”羅米回憶道，“所以在向他解釋這些實(shí)驗(yàn)如何在fMRI掃描儀內(nèi)進(jìn)行，以及都有哪些技術(shù)可以控制實(shí)時(shí)fMRI時(shí)，我們突然有了靈感。”
- 貳 -
如果徹底改變這項(xiàng)實(shí)驗(yàn)，會發(fā)生什么情況？
如果不再試圖用光照這一個(gè)參數(shù)來創(chuàng)造反饋回路，而是自動(dòng)探索許多不同的參數(shù)組合來驅(qū)動(dòng)大腦，達(dá)到他們想要的任何狀態(tài)，又會發(fā)生什么情況？
然而，這種實(shí)驗(yàn)過于復(fù)雜，人類很難實(shí)時(shí)控制。所以，他們不可避免地需要使用人工智能來運(yùn)行試驗(yàn)。雖然AI已經(jīng)在許多方面得到應(yīng)用，但現(xiàn)在的問題是：如何利用人工智能來解決神經(jīng)科學(xué)問題？
“我們希望借助《我的世界》這項(xiàng)實(shí)驗(yàn)解決很多不同的新問題。”羅米說，“我們嘗試了高度復(fù)雜的游戲環(huán)境，還努力解碼大腦中的不同網(wǎng)絡(luò)如何展開實(shí)時(shí)互動(dòng)。簡單來說，我們這一步邁得有點(diǎn)大。”
她為接下來的實(shí)驗(yàn)積累了一條非常明確的經(jīng)驗(yàn)：從簡單入手。
羅米現(xiàn)在需要的是通過一個(gè)已經(jīng)被充分理解的問題來測試自己的想法。她決定從研究最為透徹的大腦區(qū)域開始：視覺和聽覺皮質(zhì)。
想要找到只激活聽覺皮質(zhì)而不激活視覺皮質(zhì)的要素，非常容易，反之亦然——前者可以用空白屏幕配合著口技演員的表演來實(shí)現(xiàn)，后者則可以用東京火車站喧鬧的視頻配合著測試音的嗡嗡聲來實(shí)現(xiàn)。
但人工智能機(jī)器卻需要自學(xué)這種方式。“實(shí)驗(yàn)聽起來很無聊，”羅米說，“但如果能夠成功，就具有深遠(yuǎn)的意義。”
人工智能算法必須利用這兩種手段來開啟和關(guān)閉大腦的兩個(gè)部分：通過調(diào)整熙熙攘攘的街景視頻播放速度來改變視覺刺激的復(fù)雜性；通過語音編碼器讓一個(gè)人的聲音更像機(jī)器人來改變聽覺刺激。
羅米和里奇嘗試了深度學(xué)習(xí)等不同的人工智能算法，但卻沒有一個(gè)能夠發(fā)揮作用。
- 叁 -
2015年3月，在倫敦大學(xué)國王學(xué)院統(tǒng)計(jì)學(xué)家喬瓦尼（Giovanni Montana）和他的博士生里卡多（Ricardo Pio Monti）的幫助下，羅米和里奇以貝葉斯優(yōu)化為基礎(chǔ)開發(fā)了一套人工智能算法——這是一種以18世紀(jì)的長老會牧師托馬斯·貝葉斯（Thomas Bayes）的名字命名的方法。
貝葉斯設(shè)計(jì)了一種系統(tǒng)化的方法：基于對世界運(yùn)行方式的假設(shè)，便可計(jì)算出新的元素加入進(jìn)來后，發(fā)生某種變化的概率。
這種方法可以根據(jù)之前的知識計(jì)算某種假設(shè)的合理性。貝葉斯的方法非常適合開發(fā)人工智能，它可以主動(dòng)尋找最佳的答案或?qū)嶒?yàn)。
5月，羅米再次讓數(shù)十名志愿者進(jìn)入她的fMRI掃描儀。“fMRI的好處是，志愿者躺在掃描儀里，你可以立刻看到實(shí)驗(yàn)是否有效。”羅米解釋道，“里奇和我屏息靜坐。我們都很緊張。”
當(dāng)?shù)谝晃恢驹刚咛蛇M(jìn)掃描儀時(shí)，那臺機(jī)器先是進(jìn)行了一些漫無目的的嘗試，但突然之間就找到了合適的視頻和聲音組合。
“我們以為這或許只是運(yùn)氣。”羅米說，“但每一個(gè)新的志愿者進(jìn)來，系統(tǒng)都可以發(fā)揮作用。”平均而言，這套人工智能算法都能在6分鐘后找到最優(yōu)的刺激方案。
里奇狂喜不止。
“我們意識到這項(xiàng)技術(shù)有多么強(qiáng)大。”他說。他們創(chuàng)造了第一個(gè)人工智能科學(xué)家。他們決定將其命名為“自動(dòng)神經(jīng)科學(xué)家”（自動(dòng)神經(jīng)科學(xué)家）。
- 肆 -
盡管科學(xué)追求客觀，但卻不可能完全不受人類偏見的影響。我們或許擁有超凡的模式識別能力，但也經(jīng)常看到虛假的相關(guān)性。
2005年，斯坦福大學(xué)教授John Ioannidis發(fā)表了一篇驚世駭俗的文章：《為什么多數(shù)研究結(jié)論都是錯(cuò)誤的》（Why Most Published Research Findings Are False），并因此震驚同行。
這篇文章認(rèn)為，多數(shù)科學(xué)研究論文的結(jié)果都不能獨(dú)立復(fù)現(xiàn)。10年后有報(bào)道稱，超過半數(shù)的心理學(xué)研究無法復(fù)現(xiàn)。而Ioannidis今年發(fā)表的一項(xiàng)研究顯示，認(rèn)知神經(jīng)科學(xué)的情況甚至更糟。
當(dāng)然，大腦內(nèi)部盤根錯(cuò)節(jié)的運(yùn)作方式并不容易理解。神經(jīng)科學(xué)家過去幾十年一直通過掃描大腦來尋找人類的特定活動(dòng)會激活哪些回路。但始終沒有確切答案。
例如，疼痛回路與突出回路極其相似，前者是在我們感受到疼痛時(shí)被激活的大腦部位，后者則是在某個(gè)物體或個(gè)人在特定背景中十分顯眼時(shí)激活的大腦區(qū)域。另外一個(gè)名為顳上溝的區(qū)域則負(fù)責(zé)處理各種不同的任務(wù)，包括運(yùn)動(dòng)、語言和面部識別。
當(dāng)然，前提是你相信這些研究。很多發(fā)現(xiàn)使用的樣本量都很小，統(tǒng)計(jì)方式不夠完善，分析也存在瑕疵。有的研究還無法復(fù)現(xiàn)，即便是采用相同的方法也不例外。即便能夠復(fù)現(xiàn)，很多相關(guān)性也會在樣本更多的研究中消失。
2009年就出現(xiàn)過這樣一個(gè)案例，當(dāng)時(shí)對一條死三文魚的掃描顯示，它的腦活動(dòng)足以表明它仍在思考。這種現(xiàn)象被命名為“死三文魚效應(yīng)”。
科學(xué)家終歸也是人。“歸根到底，我們都是人，無法做到足夠的客觀。”羅米強(qiáng)調(diào)說。畢竟，我們的大腦優(yōu)化的目標(biāo)是生存，而不是實(shí)驗(yàn)。
當(dāng)羅米第一次建議用人工智能研究人腦時(shí)，里奇立刻其中蘊(yùn)含的深刻意義震驚了。與人類科學(xué)家不同，人工智能的偏見相對較低——它可以復(fù)制研究結(jié)論。
“我從沒想過這么做。”里奇回憶道，“但如果羅米完全按照我說的去做，我們不可能有如今的成就。”
里奇曾經(jīng)在劍橋大學(xué)就讀心理學(xué)本科，他很欽佩Paul Feyerabend，這位奧地利心理學(xué)家認(rèn)為，如果科學(xué)是為了取得進(jìn)步，“怎么都行”。而使用人工智能來理解人類智能就是“怎么都行”的典型代表。
“我們可以徹底改變常規(guī)的科研方式。”里奇說。
在“自動(dòng)神經(jīng)科學(xué)家”取得成功后，里奇認(rèn)真考慮了神經(jīng)科學(xué)的各種可能后，給出了樂觀的結(jié)論：“讓貝葉斯優(yōu)化一切！”
- 伍 -
在他們第一次取得實(shí)驗(yàn)成功后，羅米和里奇很快意識到，機(jī)器人的潛力不僅局限于剖析人腦運(yùn)作模式，還可以有其他用途。例如，可以用于設(shè)計(jì)臨床測試，或者了解如何通過刺激大腦來改變行為。
他們知道，“自動(dòng)神經(jīng)科學(xué)家”成功了?，F(xiàn)在，他們需要對其提出挑戰(zhàn)，挖掘它的潛力。“經(jīng)過了第一項(xiàng)研究后，我們希望做一些震驚這一領(lǐng)域的事情，同時(shí)回答新的問題。”羅米說。
這項(xiàng)挑戰(zhàn)來自羅米、里奇和他們的同事亞當(dāng)（Adam Hampshire）在2015年秋天進(jìn)行的一次對話。
亞當(dāng)當(dāng)時(shí)讀完了神經(jīng)科學(xué)家歐文（Adrian Owen）和IQ專家John Ducan的博士學(xué)位，歐文曾在上世紀(jì)90年代末使用大腦掃描儀幫助植物人患者交流，并因此引發(fā)強(qiáng)烈反響。
在讀博期間，亞當(dāng)和歐文開發(fā)了在線認(rèn)知測試來監(jiān)測腦損傷后的恢復(fù)情況，并且評估智力藥物的效果。我當(dāng)時(shí)是《每日電訊報(bào)》的科學(xué)編輯，我建議他們對讀者進(jìn)行一次在線測試，了解年齡、性別、生活方式等因素對智力的影響。
歐文和亞當(dāng)選擇了12項(xiàng)認(rèn)知測試，還評估了從記憶到推理的各項(xiàng)能力。歐文將這些稱作智能的支柱。那項(xiàng)用于評估演繹推理能力的測試名為Odd One Out，也就是挑出特殊的那一個(gè)：在測試中，被試需要找出一個(gè)邏輯上與其它選項(xiàng)不同的形狀。
這些智能支柱是為了測試能否通過一個(gè)或幾個(gè)參數(shù)來衡量人類的智力。“這種想法可以追溯到1904年，心理學(xué)家Charles Spearman當(dāng)時(shí)提出，存在一種通用的心理官能來支撐所有的認(rèn)知能力，現(xiàn)在稱之為‘Spearsman假說’或‘g’。”亞當(dāng)說。
如果我們可以完全通過“g”來評估人類智能，那么Odd One Out這樣的測試就只是衡量同一個(gè)參數(shù)的不同方式：如果你在其中一個(gè)測試中表現(xiàn)優(yōu)異，在其他測試中同樣會表現(xiàn)不錯(cuò)。
等到這項(xiàng)測試2010年上線時(shí)，歐文和亞當(dāng)都去了加拿大的西安大略大學(xué)。“由于突然涌入數(shù)以千計(jì)的訪客，網(wǎng)站崩潰了。”亞當(dāng)回憶道。
四個(gè)多月來，全球有11萬人參加了這個(gè)測試。他們通過篩選一百萬多個(gè)數(shù)據(jù)點(diǎn)，得出了一個(gè)確切的結(jié)論：智能不可以歸結(jié)為單個(gè)因素。“在測量大量認(rèn)知任務(wù)的時(shí)候，個(gè)體表現(xiàn)上的差異可以至少由三種獨(dú)立的因素來解釋：短期記憶、推理、語言能力。”亞當(dāng)說。
亞當(dāng)和歐文覺得，這三種因素有可能分別對應(yīng)著大腦中三個(gè)完全不同的回路，于是，他們繼續(xù)研究，找了16名被試，在fMRI掃描儀上進(jìn)行智能支柱測驗(yàn)。
- 陸 -
他們的猜想是對的。
“彼此在表現(xiàn)上相關(guān)性較弱的任務(wù)，在大腦中激活的也是不同的網(wǎng)絡(luò)。”亞當(dāng)說。比如演繹推理，似乎與大腦額葉和頂葉里的外側(cè)部相關(guān)，而空間工作記憶激活的區(qū)域，則深埋在額葉最后一個(gè)溝回中。
“基于這些實(shí)驗(yàn)，我們提出大腦中的每個(gè)網(wǎng)絡(luò)支撐著一種能力，”亞當(dāng)說，“從結(jié)果來看，這個(gè)結(jié)論似乎顯而易見。”
2012年，亞當(dāng)和歐文把這一成果發(fā)表在神經(jīng)科學(xué)期刊《Neuron》上，在論文開頭，他們說：“心理學(xué)中，少有像人類智能研究這樣古老又充滿爭議的主題。”這是一個(gè)低調(diào)的聲明。
這項(xiàng)研究引發(fā)了一股反對的浪潮。盡管有些認(rèn)知神經(jīng)科學(xué)家認(rèn)同他們的工作，但很多心理測量研究者怒火沖天。
心理學(xué)期刊《Intelligence》上發(fā)表的一篇反對意見說，他們的結(jié)果“基于一系列假設(shè)和主觀決定，往好了說，也就是允許不同解釋而已。”一位研究者發(fā)twitter說它是“過去10年來最差論文之一”。
批評者說，他們的大規(guī)模實(shí)驗(yàn)在設(shè)計(jì)上有漏洞，上萬人參加了測試，但這些人真的具有代表性嗎？他們?yōu)槭裁床蝗ふ掖竽X中已知和“g”相關(guān)的效應(yīng)？他們?yōu)槭裁从醚h(huán)邏輯，選擇那些好像最容易觸發(fā)大腦不同區(qū)域的任務(wù)？
抵制風(fēng)潮過去幾個(gè)月后，亞當(dāng)渴望回到英國。他覺得歐文成了一個(gè)拿自己的資金和聲望到處自吹自擂的神經(jīng)科學(xué)家，做他的下屬很憋屈。
2013年6月，也就是羅米開始讀博的時(shí)候，亞當(dāng)和里奇在同一幢樓里開設(shè)了自己的實(shí)驗(yàn)室。然而，他倆直到2015年秋天，才第一次見面。
亞當(dāng)依然癡迷人腦如何支持智能的不同方面。對2012年那篇《Neuron》論文的批評意見，他是不同意的，但他還是想優(yōu)化之前的研究，做個(gè)改進(jìn)版。
“受限于所用認(rèn)知任務(wù)的數(shù)量和種類，那項(xiàng)研究的范圍太局限了。”亞當(dāng)說。
當(dāng)亞當(dāng)聽到羅米和里奇描述他們的自動(dòng)神經(jīng)科學(xué)家時(shí)，他意識到，這個(gè)東西足以改變游戲規(guī)則。
里奇說，他們用AI來進(jìn)行實(shí)驗(yàn)，一次測試一位被試。而亞當(dāng)聽錯(cuò)了，以為里奇要做涉及上千名被試的多參數(shù)平行實(shí)驗(yàn)。“他把這變成了一種高度概念化的東西，用堅(jiān)實(shí)的統(tǒng)計(jì)基礎(chǔ)為很多人同時(shí)優(yōu)化。”羅米說。
亞當(dāng)認(rèn)為，“這個(gè)瘋狂的想法有它的優(yōu)雅之處”，人類認(rèn)知“是一個(gè)難到非人力所能及的問題，所以，我們讓機(jī)器來解決它。”
- 柒 -
2016年6月，羅米在亞當(dāng)2012年的腦成像研究基礎(chǔ)上，試用了自動(dòng)神經(jīng)科學(xué)家。
她讓21名志愿者進(jìn)行了16項(xiàng)認(rèn)知測試，然后讓機(jī)器找出每一項(xiàng)測試激活了大腦中哪些回路。她用到的測試，有一些是《Neuron》2012年那篇論文用過的。
AI只花了幾分鐘時(shí)間，就根據(jù)任務(wù)對亞當(dāng)提出的兩個(gè)大腦網(wǎng)絡(luò)的激活情況，選出了一些任務(wù)。這兩個(gè)大腦網(wǎng)絡(luò)，就是我們前文提到的演繹推理和空間工作記憶。
看到這樣的結(jié)果，亞當(dāng)又“安心”，又驚訝。
根據(jù)現(xiàn)有的研究，他們選擇的很多任務(wù)應(yīng)該激活其他回路，結(jié)果卻證實(shí)了2012年論文提出的三個(gè)回路中的兩個(gè)，真是“純粹，盲目的幸運(yùn)”。
5月的一個(gè)上午，這個(gè)團(tuán)隊(duì)重復(fù)了原來的實(shí)驗(yàn)，他們的葡萄牙同事伊內(nèi)斯（Ines Violante）勇敢地躺在掃描器巨大磁鐵中間的洞里。幾分鐘后，羅米拿了一份圖表給我看，上面展示了伊內(nèi)斯做每個(gè)測試時(shí)，不同大腦網(wǎng)絡(luò)的激活情況。
那份圖表，看起來就像一幅馬克·羅斯科的畫，顏色鮮艷。紅色，表示兩個(gè)回路中的活動(dòng)沒有順利銜接，藍(lán)色，表示他們連接得很好。
在圖表的右下角，有一個(gè)紅色的菱形，表示兩個(gè)測試?yán)昧藘蓚€(gè)相互獨(dú)立的回路：演繹推理和空間工作記憶。里奇笑著說，這很好地復(fù)現(xiàn)了之前試用的情況。
亞當(dāng)、里奇和羅米現(xiàn)在正準(zhǔn)備重新做2012年的在線智能測試。“我們想開發(fā)一個(gè)AI機(jī)器，讓它具備通過迭代方式學(xué)習(xí)的能力，從大量的數(shù)據(jù)中，公正地找出人類智能的主要部件。”亞當(dāng)說。
測試的數(shù)量從2012年的12個(gè)，擴(kuò)充到了60個(gè)。他們把這些測試放到網(wǎng)上，人人都能參與。他們預(yù)計(jì)，完成60項(xiàng)測試任務(wù)的會有幾千人。
機(jī)器學(xué)習(xí)算法每次會獲取100人的信息，然后去修改、挑選這些任務(wù)，構(gòu)成一個(gè)集合，其中某一個(gè)任務(wù)上的表現(xiàn)和其他任務(wù)毫無關(guān)聯(lián)。
自動(dòng)神經(jīng)科學(xué)家會修改測試，從某種意義上講，設(shè)計(jì)它自己的實(shí)驗(yàn)。
- 捌 -
為了向我解釋AI在理解大腦這件事上的意義，里奇將它比作猜字游戲：一個(gè)人選出單詞，另一個(gè)要一個(gè)字母一個(gè)字母地猜出來，這個(gè)詞究竟是什么。
傳統(tǒng)的大腦掃描類似于一次猜整個(gè)單詞，研究人員事先確定要用掃描儀測量什么，在認(rèn)知任務(wù)中記錄這些數(shù)據(jù)，用各種統(tǒng)計(jì)工具來“折磨”這些結(jié)果，直到它們承認(rèn)自己和研究人員預(yù)設(shè)的理論有某種關(guān)聯(lián)。
AI方法和那個(gè)游戲的玩法更接近：拿一個(gè)字母來試試，看它合不合適，然后調(diào)整假設(shè)。
這項(xiàng)研究有著更廣泛的影響。里奇相信人工智能可以消除研究中的主觀性，從不完美假設(shè)出發(fā)進(jìn)行探索，變成了從完善的、不斷優(yōu)化的假設(shè)出發(fā)，進(jìn)行探索。
當(dāng)然，你還是需要有人提出最早的假設(shè)，寫代碼、做設(shè)想、定義試驗(yàn)中的自由、寫出論文等等。
但機(jī)器比人快，比人可靠。
里奇說：“復(fù)制，就存在于這種方法的DNA中，它有著廣闊的潛力，可以變革整個(gè)領(lǐng)域。自動(dòng)神經(jīng)科學(xué)家可以變成自動(dòng)的放射科醫(yī)師、自動(dòng)心理學(xué)家等等。”
羅米
2017年6月13日，羅米獲得了她的博士學(xué)位，在期刊上發(fā)表了12篇論文。
羅米還記得，她在柏林技術(shù)大學(xué)做研究員，研究腦機(jī)交互接口、幫助截癱患者的時(shí)候，在一次學(xué)術(shù)會議上，忽然意識到她所在的領(lǐng)域沒取得什么進(jìn)展。
她說：“所有這些實(shí)驗(yàn)室都獲得了不少資金，用來幫助患者去生活，但他們所專注的只是對算法進(jìn)行很小的改進(jìn)，我覺得很沮喪。我只有看到能帶來真正進(jìn)步的東西，才能充滿激情。”
四年后，她終于找到了可以為止奮斗的領(lǐng)域。
- OMT -
上文提到了一組放在網(wǎng)上，人人都能參與的認(rèn)知測試，它叫Cognitron，是第一個(gè)由人工智能設(shè)計(jì)的人類心理技能測試，地址是：
http://www.cognitron.co.uk/
登錄這個(gè)網(wǎng)站，提供一些個(gè)人信息，AI就會為你設(shè)計(jì)30分鐘到1小時(shí)的測試題，還會告訴你成績?nèi)绾巍?/div>
參與測試的人越多，AI就能越深入地理解人類智能。Cognitron將通過迭代的方式從測試結(jié)果中學(xué)習(xí)，找出人類智能的構(gòu)成要素。
亞當(dāng)說，如果有超過2萬人參加測試，“AI就能通過學(xué)習(xí)，繪制出比此前任何研究都詳細(xì)的人類智能結(jié)構(gòu)圖譜。”
聲明：凡資訊來源注明為其他媒體來源的信息，均為轉(zhuǎn)載自其他媒體，并不代表本網(wǎng)站贊同其觀點(diǎn)，也不代表本網(wǎng)站對其真實(shí)性負(fù)責(zé)。您若對該文章內(nèi)容有任何疑問或質(zhì)疑，請立即與中國機(jī)器人網(wǎng)(www.baoxianwx.cn)聯(lián)系，本網(wǎng)站將迅速給您回應(yīng)并做處理。
電話：021-39553798-8007
電話：021-39553798-8007
更多>相關(guān)專題
0 條相關(guān)評論
