夜雨聆风“ 鲸吞阅、精输出，内修外求，日拱一卒，慢慢变富。”——半亩云田
“普通的人改变结果，优秀的人改变原因，顶级高手改变模型”。各位同学，大家好，我是你们的老朋友Fisher。
昨晚狂风骤雨下了一晚，早起看天放晴，空气挺清新，继续带孩子去公园跑步3公里，这个习惯已经坚持了两个月，也一定会坚持下去的。
今天周六，放空一下，就不聊新话题了，回顾之前聊过的一篇旧文“什么是AI幻觉”。
想回顾，是因为这周在聊“AI型人才”时，我说：AI给的答案不可全信，因为它会犯错，会瞎说，会胡编，会一本正经地胡说八道。
为什么？
因为，AI的回答不是“理解”，是“猜测”。它根据概率猜下一个词应该是什么，猜对了，给你正确答案；猜错了，就编出一个看起来像那么回事的答案。
比如，你问它“北京冬天冷不冷”，它读过无数篇描述北京冬天的文章，知道“冷”、“零下”、“暖气”这些词经常一起出现，于是它告诉你“冷”。你会觉得，它说对了。
但是，如果你问它“我家楼下新开的那家包子铺好吃吗”，它没读过任何关于那家包子铺的信息，但它不会说“不知道”。它会根据“包子铺”、“皮薄”、“好吃”这些词的关联概率，给你编一个答案——“好吃，那家包子铺的包子皮薄馅大，口碑很好”。它不知道自己在编，它只是没有“我知道我不知道”这个能力。
这就是AI幻觉。
它不是故意骗你，而是它没有“对”和“错”的概念，它只是根据上文，猜下一个最可能出现的词是什么。猜对，猜错，满意，不满意，衡量的标准，其实在你自己。
所以，重发一下这篇旧文，是希望小伙伴们再次阅读后，能够明白：AI可以替你干活，但不能替你判断。你信它几分，你得自己负责。如果觉得旧文内容还不错，那就点个赞或者“在看”，谢谢啦
。
以下是这篇旧文的正文内容，希望大家喜欢
。
01 什么是人工智能幻觉？
现在，我们越来越多地将“决策权”交给了AI，但交给它之前，你有没有搞懂它的“脾气”呢？
脾气？啥意思？
来，我问你，你有没有遇到过下面这样的经历？
比如，用AI写一篇行业分析报告，里面引用的“权威数据”看起来逻辑闭环、格式标准，感觉无懈可击。可你去权威网站去查，根本没有这些“权威数据”。你疑惑，然后去问AI时，它可能会道歉说：“这样啊，对不起，我可能弄错了。”……。
你看，我们这么“信任”AI，它居然说“弄错了”，是不是有病啊！
没错！AI确实得了一种"病"，这种病，就叫“人工智能幻觉”。
不过，你肯定会有一连串的问题：AI不是靠数据训练出来的吗？数据是真实存在的啊，它怎么会编造不存在的信息呢？这种“幻觉”，是偶然失误，还是技术有缺陷？咋分辨AI说的是“真话”，还是“胡话”？还怎么信任AI交给的任何结果？……
好，别急，问题咱们一个个回答。
什么是人工智能幻觉？
人工智能幻觉，是指AI在“处理信息、生成输出”时，出现与现实事实不符、逻辑混乱或违背用户意图的情况。
说白了，就是AI在处理信息或生成内容时，“睁着眼睛，说瞎话”。不但“胡说八道”，而且最要命的是，它在胡说八道的时候，不脸红，不支支吾吾，语气是那么的坚定，逻辑看起来是那么的自洽
。
这种不脸红，不支支吾吾的自信样儿，像是一个职场“老油条”，为了不让你失望，为了完成任务，哪怕是编，也要编得天衣无缝。
 |
AI的这种“幻觉”，有两个典型特征，你一眼就能识别：
1.“无中生有，张冠李戴”的事实性错误。
这是最常见的AI幻觉。
AI会“编造”完全不存在的信息，或者“把甲的事，安在乙身上”，“把过去的事，挪到未来”。最迷惑的是，它编造的信息细节，逼真到让你误以为是真的。
比如，你问AI："清朝有个叫王文治的书法家，他的代表作是什么？"
AI可能会告诉你："王文治是清代著名书法家，乾隆年间进士，官至吏部尚书，代表作有《快雨堂题跋》……"
听起来很专业，对吧？但问题来了，王文治根本没当过吏部尚书。AI把另一个人的履历"张冠李戴"了。这种“逼真”的错误，对普通用户来说，几乎无法辨别。
 |
2.“前后打脸，自圆其说”的逻辑性矛盾。
如果说事实错误是“记错了”，那逻辑矛盾就是“想错了”。
AI在推理过程中，有时候会得出和前提条件，完全相悖的结论，违背基本的逻辑思维。
比如，你让AI写“如何提高客户复购率”，它噼里啪啦说了一通，前面说“~复购率的核心是客户满意度，要重视售后跟进”，后面却说“无需投入售后成本，只要降价就能吸引客户再次购买~”，前言不搭后语，逻辑混乱……。
这种逻辑上的“自我打脸”，本质是AI对内容的深层逻辑，缺乏理解，只是在表面上拼接语句，导致前后无法自洽。
 |
这里，AI幻觉，它不是“错别字”、“语法错误”，也不是“答非所问”。它的输出，在形式上是“正确”的，甚至比很多人类的回答更流畅、更专业。但是，其核心内容是错误的、虚构的或矛盾的。这也是，它最危险的地方：用专业的外壳，包裹错误的内核。
 |
02 那么，AI为什么会产生“幻觉”？
要回答这个问题，首先要纠正一个误解。
很多人认为，AI是一个加强版的“百科全书”或“搜索引擎”。当我们提问时，它会去数据库里翻箱倒柜，找到正确答案，然后抄给你。
其实，不是这样的。目前主流的大模型，它们的底层逻辑：不是“搜索”，而是“预测”。这一点，我在““大模型”到底是个啥？”一文中聊过。
 |
AI大模型训练时，阅读了人类历史上几乎所有的文本数据，学习了字与字、词与词之间出现的概率关系。
比如，当你问它：“秦始皇死于哪一年？” 它并不是去查历史书，而是在计算：在“秦始皇”、“死于”这两个词后面，接哪个数字的概率最高？
在它的训练数据里，概率最高的，是“公元前210年”。于是，它便输出了这个答案。
因此，AI回答问题，靠“猜”，不是“搜”，明白了吧。
 |
另外，我们还要明白：幻觉的产生，并不是AI的“故障”，而是目前主流AI技术架构、训练数据、语义理解等多方面因素，共同作用的结果，是几乎无法避免的“特性”。
为什么这么说？
1.首先，技术架构层面存在“先天局限性”。
前面我们说：当前主流的AI大模型，本质上是基于“概率统计”和“深度学习”的语言模型。说白了，AI并不理解什么是“真理”，它只理解什么是“概率”。它在数据处理和生成过程中，倾向于选择“出现概率较高”的词汇和语句组合，而非真正理解。这就意味着，它的“选择”并不一定代表真实。
比如，前面的那个栗子。你继续问：“秦始皇使用iPhone15的时候，最喜欢哪个APP？”
如果是人类，会直接告诉你：“别扯了，秦始皇那时候没手机。”
但是，AI模型的技术架构决定了，它必须预测下一个词。它不能“不说话”。于是，它开始在数据库中寻找概率最大的词、组合。它可能会想：“秦始皇”通常和“治理国家”联系在一起，“iPhone”通常和“微信”、“抖音”联系在一起……。于是，经过一番复杂的权重计算，它可能会“一本正经”一本正经地告诉你：“如果非要选一个，地图类APP 或许最符合他“胸怀天下”的掌控欲，但更可能是他会让人开发一个 “大秦帝国定制版OS”，把所有功能集成进去，并禁止六国遗民使用加密聊天软件（比如诏令禁止“Telegram”）……”。
 |
看，它幻觉了。
从它的角度看，这句话语法通顺，逻辑（在概率上）似乎也连得上。但在事实层面，这就是纯粹的胡扯。
所以，我们需要明白一个核心观点：AI并不理解什么是“真理”，它只理解什么是“概率”。
这就是技术架构层面存在“先天局限性”。
2.然后，AI学了“错误的知识”。
在““大模型”到底是个啥？”一文中，我说：“大模型就是一个读完了互联网上几乎所有书、脑容量巨大、靠“猜”来回答问题的超级学霸。”
它的“认知水平”，完全取决于它学过的训练数据。如果训练的数据（如文本、图像、视频、声音等）存在问题，AI自然会“学坏”，产生幻觉。
 |
那，训练的数据问题，主要有以下几种：
①数据存在错误或偏差。
AI的训练数据，主要来自互联网、书籍、文献等。这些数据中，本身就有可能包含大量的错误信息。比如，网上的虚假新闻、论坛里的错误观点、书籍中的印刷错误等。
AI在训练（学习）过程中，会把这些错误信息当成“正确知识”吸收，然后在生成回答时，“复述”这些错误。
 |
②训练的数据，缺失或陈旧。
对于一些新兴领域、冷门话题、久远资料……，AI的训练数据可能很匮乏。在没有足够的“正确知识”来支撑回答时，AI只能靠“编造”来回答。
还有，有的训练数据，是几年前的陈旧数据，无法反映最新的情况。用“过时”、“陈旧”的数据来训练，AI的回答自然会得出“过时、错误”的结论。
③训练的数据，存在“偏见”。
什么是“偏见数据”？
偏见数据，说白了，就是反映社会中的一些偏见的数据。比如，性别偏见、种族偏见等。
AI训练时，“学习”了这些偏见数据，那么它在生成回答时，有可能会把这些偏见放大，产生“带有偏见”的幻觉。比如，AI可能会编造“女性不适合做科技行业”，“某地区的人，更爱撒谎”等错误观点。
 |
你看，AI就像一块“海绵”，不管是给的是清水，还是污水，它都会全盘吸收。如果它吸收的污水太多，自然会“吐”出“污”（错误）的信息。
 |
3.最后，AI读不懂“深层含义”，语义理解有“短板”。
别看AI能流畅地翻译，写文章，生成图片、视频等，但它对语言的“理解能力”，其实很有限。也就是说，它能读懂“字面意思”，却读不懂“深层含义”，更无法理解复杂的逻辑、抽象的概念和特定的文化背景。更不能像人类一样，通过感官体验去理解世界。
比如，当你说"难过"，AI知道这是一个负面情绪的词。但它不知道"难过"到底是一种什么感觉，是胸口发闷，还是鼻子发酸，还是想哭却哭不出来。
再比如，一些依赖文化背景的问题：“为什么中国人过年要吃饺子？” AI可能会给出“因为饺子象征团圆，财富与吉祥”的标准答案。但是，如果追问：“这种习俗是从什么时候开始的？有什么历史渊源？，怎么理解饺子赋予中国人的情感意义？”，AI可能会编造一个虚假的历史故事。因为，它无法真正理解饺子背后的传统文化、历史演变以及背后的情感意义。
还有一些复杂的逻辑推理问题，比如，“如果公司要提高利润，是应该降低成本还是提高售价？”。这类问题，其实是没有绝对答案，是需要结合公司的行业地位、产品竞争力、市场环境等多个因素综合分析。AI无法理解这些复杂变量之间的关系，按照它的回答逻辑，只能给出一个“概率最高”的简单答案，甚至有可能是“逼真”的错误答案。
所以，AI这种“语义理解能力的短板”，让它在面对复杂、抽象、特定情况、文化背景等问题时，很容易因为“理解偏差”而产生幻觉。
 |
可能，你会觉得：“不就是AI说错几句话嘛，人类还会说错话呢。大不了，我多检查几遍不就行啦”。
但实际上，“AI幻觉”的危害，远比你想象的更广泛、更严重。从个人生活、工作，到社会秩序，都可能会受到“AI幻觉”的影响。
1、个人层面：它会让你“踩坑”、“背锅”，损失时间和信誉。
这是最直接的影响。
对于职场人来说，“AI幻觉”可能让你辛苦做的工作白费，甚至影响你的“职业信誉”。
这很好理解。
比如，有一定影响力的自媒体博主，用AI写了篇研报，里面引用了虚假数据，发布后被读者指出错误，不仅要删文道歉，还会让账号失去公信力，“数字资产”缩水；
比如，做学术研究的，用AI整理文献时，AI“编造”了不存在的参考文献，导致其学术论文查重时出现问题，研究白费；
再比如，做销售的，用AI生成的客户案例向新客户推介产品，结果被客户发现案例是虚构，订单泡汤不说，还可能失去这个客户的信任。
而且，更麻烦的是：AI生成的错误信息，往往需要我们花大量时间去验证、修正。本来想用AI提高效率，结果反而增加了工作量，得不偿失。
2、专业领域：可能会引发致命风险，造成严重损失。
在医疗、法律、金融等对“准确性”要求极高的专业领域，“AI幻觉”的危害可能是灾难性的。
比如，医疗领域。AI辅助诊断工具在分析肺部CT影像时，将良性结节误诊为“恶性肿瘤”，还给出了“建议立即手术”的治疗方案。如果医生完全依赖AI，可能会让患者承受不必要的手术痛苦和经济损失。反过来，AI将早期癌症病灶误判为“良性”，延误了最佳治疗时机。
比如，金融领域。AI基于虚假的市场数据，分析股票走势，并给出“买入某股票”的建议，如果投资者盲目跟随建议买入后，可能会因实际情况相反，造成无法挽回的经济损失。
所以，你看，在某些专业领域，“AI幻觉”绝不是你认为的“小错误”，而是可能引发“致命后果”的风险点。
3、社会层面：污染“信息环境”，扰乱社会秩序
上面，聊了“AI幻觉”对个人的影响。当这种影响，从个人扩散到群体，可能就会对整个社会，产生负面影响。
①首先，它会污染“信息环境”。
互联网、移动互联网、短视频时代下，AI生成的虚假信息传播速度快、覆盖面广，很容易淹没真实信息。
比如，某AI生成了“某地区出现禽流感疫情”的虚假消息，被大量转发后，导致当地家禽价格暴跌，养殖户遭受巨大损失。
比如，AI编造的“明星丑闻”、“政策变动”等信息，吸睛明显，大量传播后，可能会引发社会恐慌和不必要的争议。
②其次，被不法分子利用。
一些诈骗分子会利用AI幻觉的语音、视频的“逼真性”，编造虚假的“官方通知”、“中奖信息”、“亲友求助信息”等虚假信息，实施电信诈骗。
比如，诈骗分子利用AI模仿银行客服的语气，生成“您的银行卡存在安全风险，请点击链接重置密码”的短信，很多人因为“不懂AI”或“信任AI”而受骗。
③更严重的是，“AI幻觉”还可能被用于舆论战、信息战。
有的国家，会利用AI生成虚假的政治新闻、社会事件，传播到其他国家，试图影响他国的政治决策和社会稳定。这种AI生成的“虚假信息武器”，已经成为国际安全领域的新挑战。
看到这里，你还会小看“AI幻觉”的影响嘛，还会觉得“不就是AI说错几句话嘛”，它的影响，尤其是被“别有用心”利用的影响，不容小觑的。
那么，问题来了，我们该怎么识别和防范呢？
04该如何识别和防范“AI幻觉”？
作为普通的用户，你我是无法改变AI的技术架构和训练数据的。不过，“改变不了现状，那就改变自己”，我们可以通过一些方法，来识别和防范“AI幻觉”的。
1、首先，要保持“怀疑精神”。
这是最基础、最核心的原则。不管AI说得多么流畅、多么专业，我们都要保持“怀疑”的态度。
AI是工具，它的作用是帮你节省时间、提供思路、整理信息，但工具会出错，所以最终的“审核权”和“决策权”必须在你手里，你也必须保持“怀疑精神”，做最终的“把关人”。
比如，用AI写文章时，对于其中的数据、案例、引用，一定要多次论证，交叉核实真实性、权威性。
比如，用AI做决策参考时，不能只看AI的结论，还要自己分析结论背后的逻辑和依据。
总之，AI就是个工具，它不是“神”。人会犯错，它也一样，所以我们始终要保持一份“怀疑精神”。
2、学会“识别信号”，可以帮我们看穿“AI幻觉”。
“AI幻觉”还是有一些“蛛丝马迹”，可以被发现的。只要我们掌握这些“识别信号”，就能快速判断AI的回答是否可靠。
比如，回答过于绝对，没有任何限定条件。
AI为了让回答“看起来更专业”，往往会用非常绝对的语气，比如“一定”、“必然”、“所有”、“绝对”等词汇。看到这些词汇时，我们可以反问自己：“真是这样的嘛”，“是真的嘛”。
比如，回答的细节过于具体，具体到“令人发指”，但无法验证。
AI编造信息时，会加入很多具体的细节，比如数据、日期、人名、地名、来源等，让回答看起来更真实、更可信。但是，这些细节太具体了，具体到令人发指，却无法通过权威渠道验证。
比如，回答的逻辑，前后矛盾，还一个劲儿的自圆其说。
这是最明显的信号。
如果AI的回答中，前面说的和后面说的完全相悖，那大概率是产生了幻觉。比如，AI在分析“如何做好产品营销”时，前面说“价格是影响购买决策的关键因素”，后面却说“消费者更看重产品质量，不在乎价格”。显然，这种前后矛盾的表述，说明AI只是在拼接语句，自圆其说。
再比如，回答具体问题，用“空话、套话，虚话”来敷衍。给你的感觉“说了，又好像没说”。
当你问AI一个具体的、需要准确答案的问题时，如果AI没有给出明确答案，而是用一些“空话、套话”敷衍，那很可能是它无法找到正确答案，只能编造模糊的回答。
比如你问AI“某公司2023年的净利润是多少”，AI回答“该公司在2023年取得了不错的业绩，净利润实现了稳步增长，为公司的未来发展奠定了坚实基础……”。
你看，像这种回答，没有任何具体数据，完全是在敷衍，大概率是AI不知道准确答案，又不想承认“自己不知道”。
看到这，上面说的这些“识别信号”都记住了吧。下次用AI时，一旦发现它的回答有其中之一，那就需要提高警惕，对AI的回答进行仔细验证了。
3、光知道“识别信号”还不行，还要掌握一些“验证方法”。
其实，验证的方法，就是通过权威渠道、信息源头、常识来判断。这里，我聊几个比较实用的验证方法，供大家做个参考。
方法1：交叉验证，用多个权威来源比对。
这是最有效、最直接的验证方法。
对于AI给出的关键信息，比如数据、案例、政策、判例、索引等，一定要去多个权威渠道进行核实，确保信息一致。
比如，AI给了你一组经济数据，你可以去国家统计局官网、央行官网、行业协会报告中核实。
比如，AI给了你一些法律条款，你可以去中国人大网、最高人民法院官网核实。AI给出的学术观点，你可以去知网、万方等学术数据库核实；AI给出的新闻事件，你可以去央视新闻、人民日报等权威媒体核实。
总之，记住：单一来源的验证不够可靠，一定要“交叉验证”。也就是说，如果多个权威来源都支持了AI的信息，那大概率是真的；如果多个来源的信息都和AI不一致，或者AI的信息在任何权威来源都找不到，那肯定是幻觉。
方法2：追溯源头，要求AI提供信息来源。
这种方法最简单，你可以直接问AI：“你刚才给到的这个信息，来源是什么？请提供具体的引用链接、文献名称或数据报告名称”。下面就看AI给的答复了。
如果AI能提供明确的、可验证的来源，那你可以去核实这个来源的真实性；如果AI无法提供具体来源，或者提供的来源是虚假的、无法访问的，那它的回答大概率是幻觉。
方法3：逻辑验证，也就是用“常识”或“逻辑”来判断。
对于一些没有明确来源的信息，我们可以用“常识或逻辑”来进行验证。也就是说，如果AI的回答违背了基本常识或逻辑，那肯定是幻觉。
比如，AI说“一个成年人的身高可以达到5米”，很明显，这违背了人体生理常识，肯定是虚假的。
有时候，我们不需要复杂的验证工具，只要用“常识或逻辑”多想想，基本上就能识破AI的“胡说八道”。
05 堵不如疏，未来如何让AI更“靠谱”？
聊到这里，对于AI 幻觉的定义、危害和原因，以及如何识别和验证，咱们都清楚了。
那么，最关键的问题来了：未来该如何让AI更“靠谱”点？
作为普通用户，你我能做的，就是“被动防范”。要从根本上解决“AI幻觉”问题，就需要技术开发者、监管部门和整个社会的“主动作为”啦。只有多方协同发力，才能让AI变得更“靠谱”。
1、技术层面：让AI从“概率优先”转向“事实优先”。
看过前期文章的小伙伴应该知道：AI的“聪明回答”，是靠“概率”推测出来的。那么，要解决“AI幻觉”的关键，还是要从底层，靠技术创新。开发者需要从根本上改进AI的技术架构和算法，让AI不仅能“说流畅的话”，还能“说正确的话”。
比如，在AI模型中加入“事实核查模块”。这样，AI在给出答案后，先通过权威知识库、数据库进行比对，验证信息真实后，才输出。
再比如，改进AI的训练方法，引入“强化学习”和“人类反馈机制”，让AI在学习过程中，不断修正错误，提高对事实和逻辑的理解能力，提高“概率推测”的准确性；
还有，提升AI的“语义理解能力”，让AI不仅能读懂字面意思，还能理解深层逻辑、抽象概念和文化背景。这点，可能需要开发者在自然语言处理技术上，要不断突破。
2、监管层面：用规则和法律为AI“划红线”。
技术的发展，是需要监管的引导，不然很容易“跑偏”。
政府和相关监管部门，需要制定明确的规则和法律，规范AI的开发和使用，从制度上防范“AI幻觉”的危害。
比如，制定AI产品的“准确性标准”，要求AI开发者对训练数据的质量和来源进行严格把关，确保数据的真实性、完整性和合法性；
再比如，要求AI产品在输出信息时，必须“明确标注信息的可靠性”。比如哪些信息是经过验证的，哪些信息是AI推测的，让用户能够清晰识别；
还有，建立AI产品的“评估和审核机制”。所有进入市场的AI产品，都必须通过“幻觉检测”和“风险评估”，只有达标才能上市。同时，对于故意利用“AI幻觉”制造虚假信息、危害社会的行为，要加大法律惩处力度，形成有力的威慑。
目前，我国已经出台了《生成式人工智能服务管理暂行办法》，其中明确要求“生成式人工智能服务提供者应当对生成的内容进行审核，不得生成虚假信息”。这是一个很好的开始，未来还需要更多细化的规则和法律，为AI的健康发展保驾护航。
 |
3、教育层面：提升全民“数字素养”，让每个人都能“驾驭AI”。
AI技术的普及，不仅需要技术和监管的支持，还需要全民“数字素养”的提升。只有当每个人都能正确认识AI，了解AI，使用AI，才能真正发挥AI的价值，避免“AI幻觉”的危害，就如当年的“互联网”一样。
提升全民的“数字素养”，这就需要开展广泛的教育宣传活动，让公众了解AI的工作原理、优势和局限性，知道“AI幻觉”是什么、有什么危害。就如我写这篇文章一样，让更多人了解。
如此，培养公众的“信息辨别能力”，让每个人都学会如何验证AI输出的信息，不盲目相信和传播AI生成的内容。
同时，对于那些专业领域的从业人员，要加强专业培训，提高他们识别和应对AI幻觉的能力。比如医生、律师、金融从业者等，需要专门学习如何正确使用AI辅助工具，避免被“AI幻觉”误导。
当然，全民“数字素养”的提升，不是一朝一夕的事。不过，这是AI时代每个人都必须具备的“基本技能”。就像互联网时代，我们要学会“辨别网络谣言”一样，AI时代我们也要学会辨别“AI幻觉”。
06最后，是你在驾驭AI，而不是它主宰你。
写到这里，关于“人工智能幻觉”的话题内容，基本上聊完了。
AI，确实是一项强大的“生产力工具”，它能帮我们节省时间、提高效率、拓展认知。
不过，它不是完美的，它会犯错，会产生幻觉，会带来风险。但这并不意味着我们要拒绝AI，就像汽车会发生交通事故，但我们不会放弃汽车，而是“会学习驾驶技巧、遵守交通规则、系好安全带”一样，对待AI，我们也应该采取同样的态度：不是逃避，而是学习“驾驭”。驾驭AI的关键，不是让AI变得“无所不能”，而是让我们自己变得“更有判断力”。
所以，请记住：AI是工具，工具的价值取决于使用它的人。只有当你具备了识别风险、验证信息、独立判断的能力，才能真正让AI为你所用，而不是被AI所坑。
。PS：请允许我推荐一下刘云浩老师的这本书。刘云浩是清华教授、中科院院士，这本书分上下篇，探讨了AI的过去、现在和未来，重点在具身智能。内容通俗易懂，是一本不错的入门级读物，豆瓣评分也不错。当然，我是微信读书买的电子版~读起来没有纸质版有感觉。
