辛頓的冬與春
一個試圖破解萬物奧秘的人，卻因自己的求索背負了沉重的十字架，直到墳墓中也沒卸下。
這是宇宙殘酷的小玩笑。
正是在1947年的冬季，倫敦西南的溫布爾頓，一個叫做杰弗里·辛頓的小男孩呱呱墜地。
站在辛頓和愛因斯坦的切近，你找不到他們的任何共同點，除了兩人都獲得了諾貝爾物理學獎。
相隔102年。
但如果退到崖邊遠眺，你也許會驚奇地目睹：歷史的齒輪旋過幾代人頭頂，經過102年的漫長行進，正再次嚴絲合縫地嚙合在一起。就在那齒輪彈撞的一瞬間，兩人靠得很近。
歷史的交接，沉默的巨響。
人們抬起頭，一切如常。
GeoffreyHinton
最近十年，不特別冷的日子，辛頓都會住在自己的島上。
沒錯，是他的島，一個點綴在加拿大休倫湖畔，完美符合人們對“人工智能教父”名頭浪漫想象的島嶼。
他在65歲時買下這座島。而在65歲以前的任何一天，他恐怕都沒幻想自己能這么奢侈地“消費”。
在那之前30年，辛頓只有一個身份：計算機科學教授。
現在人們很自然地把他做的事情稱為“人工智能”。但時鐘撥回上世紀70年代，這不過是一個只有幻想家和瘋子才愿意投身的冷門學科。
甚至研究者本人都覺得“人工智能”這樣的詞太過艷俗難以說出口，一般稱自己搞的是“機器學習”。
而辛頓所投身的，又是機器學習里冷門的一派：神經網絡。
簡單來說，就是用計算機模擬人類大腦的億萬神經元連接，從而涌現出“智能”。
可具體怎么“涌”？真是鬼知道。
在打長途電話還要人工接線，電腦剛剛開始小型化，出門只能靠紙質地圖的Lo-Fi年代，人造神經元之類的話聽上去就像夢囈。
1970年生產的IBMSystem3電腦。
GeorgeBoole
1815-1864
布爾妻子的叔叔是地理學家，他的姓氏Everest命名了珠峰；
EthelLilianVoynich
1864-1960
辛頓的曾祖父查爾斯·霍華德·辛頓是數學家兼奇幻作家，發明了“四維立方體”，就是你在《星際穿越》里看到的四維空間；
8歲的辛頓在動物園里和蟒蛇合影。
他懵懂地意識到：生命對環境的反應模式并非完全隨機，而是遵循某種“直覺”。
這種直覺既不像數學公式那樣簡單輸出，也不像宗教宣揚的“靈魂”那樣不可琢磨。
它有跡可循。
就在小辛頓蹲在爬滿冷血動物的大坑旁邊的50年代，大洋彼岸的美國心理學家弗蘭克·羅森布拉特行動了。
他改造了一臺碩大的IBM計算機，模擬出幾百個神經元，想讓它從識別字母和形狀開始，最終成為一個生命。
這就是后來一切“神經網絡”的母機——感知機。
BernardWilliams
威廉姆斯是一位道德哲學家，他一生都在跟一個敵人戰斗，那就是——還原論。
“還原論”，其實是當時主流科學的一個假設推論：
萬事萬物，無論多復雜，都可以拆解成一個個邊界分明的、有特定功能的“零件”。
這意味著，想要復刻某個系統——包括人和動物——只需找齊所有的零件！
BladeRunner（1982）
給機器強行輸入概念和規則，被歸為人工智能的“符號主義”流派，它扎根于“還原論”；
而用人造神經系統整體模仿人的學習過程，就歸為“神經網絡”流派，它源自于“系統論”。
而后幾十年，兩派勢同水火，各不相讓，表面上是技術路線之爭，實際上卻是對世界本質的“押注”。
賭的就是：這個世界究竟是一堆利落的“零件”，還是一坨牽一發動全身的“濃湯”？
這里，我們不妨明晰一下“符號主義”和“神經網絡”在方法論上的根本區別：
在“符號主義”的方案里，最小的零件就是“概念”。
例如：食物、醬汁、調味品、甜、味道、紅色、番茄、美國、炸薯條、蛋黃醬、芥末，這些都是概念。
所有概念用規則相連，組成一個巨大的漁網。
而新概念，例如“番茄醬”，則可以掛在剛才這些舊概念網眼中的適當位置，成為新的繩結。
新概念無窮無盡，漁網上的網眼也無窮無盡；
舊規則不夠精準，也需要用無窮無盡的新規則來完善。
例如：鳥會飛，企鵝是鳥，但企鵝是不會飛的鳥。
“神經網絡”比“符號主義”更接近我們大腦的工作方式。
不過沒人規定智能必須以類腦的方式實現，你完全可以“抄近路”。
而且造物主絕對是個“反雞湯者”，因為很多情況下抄近路就是有效的。
1970年代，“符號主義”已經突飛猛進，能做出一些像模像樣的推理，可是“神經網絡”還停留在智障階段。
這是一種極強的反饋。很多神經網絡學者含恨倒戈，加入了“還原論”的陣營。
但辛頓無法說服自己。和小時候一樣，他不能接受有什么東西違背了自己對世界構建的認知模型。
1972年，他進入愛丁堡大學攻讀博士，方向就是“神經網絡”。
如果別人無法找出原因，他就得自己找出原因。
如無意外，這次找到答案，要比搞懂公交車上硬幣爬坡花費更長的時間。
就在博士的第一年，辛頓看到了一個其他人工智能小組做的實驗：
一臺計算機，連著兩個攝像頭，系統要自主控制機械臂把積木搭成汽車的形狀。
這對于當時的技術來說是地獄難度。因為系統視覺只能靠輪廓識別散落的積木塊，一旦堆在一起，它就不認識了。
讓辛頓難忘的瞬間出現了：機械臂退后了一點，然后“砰”地一拳把積木堆打散。
如果有人這么干，你會覺得他是因為“做不到”而沮喪。在機器人揮拳猛擊積木時，我感到了它有同樣的情緒。
辛頓說。
擁有感覺，就是你開始渴望得不到的東西。
LudwigEduard Boltzmann
然而，玻爾茲曼當時遭到了一眾科學家的激烈反對，甚至對異教徒似的攻擊。
一個重要的理由是：你竟然用“統計數字”、“計算概率”的模糊方法來解釋具有確定性的物理世界，這算什么科學？
反對派科學家的憤怒，本質上只有三個字：不承認。
不承認這個宇宙的復雜性超越人類的計算能力；不承認人類拼盡全力也只能以模糊的方式把握這個世界。
但宇宙不會因渺小人類的憤怒而改換它的基本結構。
放棄對“精確”的執念，正是撕開迷霧，找到那座連接“宏觀”和“微觀”之橋的重要前提。
但這里存在一個問題。
假如，你把各種顏色的墨水混在一起。
它們肯定會經歷一個混合的動態過程，最終會完全均勻。（此時每個分子在各種可能狀態上的概率是相同的。）
要理解霍普菲爾德的洞見，首先要知道“最小化自由能原理”。
無論在什么物理結構中，系統總會盡可能對外做功——就像小球總會往低處滾那樣。
滾到相對低位后，系統就達到了“最小化自由能狀態”，從而實現穩定。
這張圖上方顯示了一個“自旋玻璃”，它內部的無序性構成了一種穩態，產生了下方所示的復雜的“能量地形”。
霍普菲爾德的神來之筆是：
他沒有用現實世界的原子制造“自旋玻璃”，而是用計算機的0和1不同的電位來替代原子狀態，在賽博空間模擬出了“自旋玻璃”。
它也被后來人稱為“霍普菲爾德網絡”。
與地球不同，霍普菲爾德網絡中山脈的最終走向不是大自然創造的，而是人設定的。
設定的方法就是“訓練”。
例如，我們用“26個字母的形狀”進行訓練，最終這個霍普菲爾德網絡的“地貌”就會被塑造成特定的樣子，并且穩定在這個樣子。（因為這個樣子它的自由能就是最低的。）
此時，訓練完成。
同時從很多個點向下扔小球，他們最終會停留到不同的位置。
比如我們站在這片山脈的上空，按照這樣的排列方式扔一些小球：
生物神經元之間信號的強弱，和神經網絡節點之間強弱的類比。
在相繼登上玻爾茲曼和霍普菲爾德這兩個巨人的肩膀之后，鏡頭從辛頓的腦后緩緩升起，鼓點聲由遠及近，他面前迷霧散盡，浮現出一座雄偉的大橋。
辛頓瘦削的手臂，接過了人類探索的熊熊火炬。
（四）蛹、湯、蝶
記憶并非智能的終結，它需要理解這些信息，最終用表達給予回應。
有心理學背景的辛頓很快就發現了要害：
也許是為了簡便，也許是沒有走那么遠，總之，霍普菲爾德假設了存儲的各項信息之間是完全獨立的。
也就是說：霍普菲爾德網絡在學字母表時，默認A是A、B是B、C是C。如果輸入一個信息，系統或者判定它是A，或者判定它是B，不會判定它介于A和B之間。
這有點兒像硬幣分類機，任何硬幣都必然會落在某個預定的溝槽內：
這張圖展示了詞語之間語義關聯的程度，顏色越紅表示語義關聯越大。例如“名字”和“性別”的內在關聯就很大。
由此，概念之間不再是孤島，而是依靠概率建立起了精妙的數學關系，形成了一個“語義空間”：
每個詞在語義空間中都有一個坐標。
語義空間不是普通的三維，而是多維空間，也許有幾百個，幾千個維度。
這張圖展示了用50個維度來描繪左邊的詞。每一個維度上的顏色都可以看作一個“亞概念”的強度。
有了這個“語義空間”，系統得以把概念拆碎，為每一個亞概念的“粉末”找到它的坐標。
舉例來說：
普通的“通”和暢通的“通”，就包含某種共同的深層語義，我們能體會其中的亞概念，但卻很難描述。
而利用亞概念進行學習，就相當于進入了“盜夢空間”的更深層，一瞬間打通了任督二脈，理解就產生了。
而且，它還可以在深層空間重新整合這些亞概念，吐出和學習資料不同的全新語句，也就是表達。
這正是辛頓要做的。
1983年，辛頓和他的合作者特倫斯·謝諾夫斯基宣布了這個新系統——“玻爾茲曼機”。
玻爾茲曼機：上面是可見層，下面是隱藏層。
玻爾茲曼機的訓練，大部分工作其實就是對各種概率的計算，把計算好的參數固定在各個神經元的連接參數里，讓這些神經元最終所構成的“地貌”能夠逼近訓練素材中所隱含的“地貌”。
這時神經元數量已經非常大，每一個神經元在“地貌”中具體起什么作用已經很難說清。
也就是說，人類沒有辦法對具體的神經元進行直接干預，只能使用某種算法來操作。
辛頓腦海里出現了“反向傳播算法”。
你也許讀過卡夫卡的《城堡》。
土地測量員K受雇于一個城堡，但當他來到城堡所在的村莊，卻無法與真正的權力機構取得聯系，但是他又確確實實地被那個高高在上的權力所影響和阻撓。
一個毛毛蟲，就是訓練神經網絡的數據。它會變成蛹，而在蛹里，原來的毛毛蟲融化成了湯，從這個湯中最終幻化出一只蝴蝶。
那么，從毛毛蟲到蝴蝶到底發生了什么？蝴蝶和之前的毛毛蟲還是同一只昆蟲嗎？
這些答案，如莊周夢蝶一般深刻而浪漫。
1980年代，接連祭出玻爾茲曼機和反向傳播算法后，辛頓引起了小圈子的注意，但很快波瀾就平息了。
不過他尋找真相的努力，為“神經網絡”一派結結實實扳回一局。
辛頓在1990
（五）冬
雖然玻爾茲曼機所暗示的基于“系統論”的神經網絡看上去很有王者之氣，但要造出一個“能平視人類的AI”，則需要人類的計算力大幅增長。
不是一千倍，不是一萬倍，不是十萬倍，是十億倍。
90年代，全球計算機的算力雖然已經起飛。但對于神經網絡所需來說，仍如燭火之于太陽。
正如當年愛因斯坦高擎相對論，卻因無法驗證導致獲得諾獎的日子一拖再拖那樣尷尬。
辛頓改良了玻爾茲曼機，減少了神經元之間的連接，成為“受限玻爾茲曼機”，以此大大降低了計算量；他還設計了“模型蒸餾法”，可以把大模型中的知識轉移到小模型中。
即便如此，所需的計算力還是遠超想象。
“渴望而得不到”，這個孩提時代的夢魘突然又回來了。
或者說，它從未遠走。
羅莎琳德患有不孕癥，他們沒辦法生下小孩，最終決定收養兩個南美洲的孩子。
就在一雙兒女剛進家門時，羅莎琳德被確診了卵巢癌。
治療不孕癥夢魘般的體驗，讓羅莎琳德對醫生的冷漠和無能產生了極強的厭惡。
她拒絕手術和化療，執拗地在家自己用一種非常冷門的“順勢療法”，也就是把藥物稀釋到幾乎無法檢測的程度，然后輸入體內。
“冷門”只是一種客氣的說法——這種療法是無效的。
羅莎琳德的病程發展很快，腫瘤越來越多，精神也越來越崩潰。她固執地相信自己肯定能好，開始尋找更貴的“順勢療法藥物”。直到她流著淚對辛頓說：“我們把房子賣掉吧。”
辛頓看著妻子，看著這個支持自己走過春天的眷侶，說出了此生最殘忍的話：“我們不賣房子。如果你死了，我得照顧孩子們，他們要有地方住。”
哪怕30年已經過去，每每回想起這個瞬間，辛頓的心中還是會被各種情緒充滿，那是憤怒、內疚、傷心、困惑。
那是一個智能生命面對這個世界的荒謬所迸發出的劇烈反應，那是一種辛頓尚且無法理解的東西。
辛頓站在了一生中自我懷疑的頂峰。
幾十年對世界的觀察最終都不可避免地滑向殘忍的“自我剖析”：
如果人終歸只是機器，那么這種滴血的情感，究竟藏在神經網絡多么幽深的地方？
如果機器終究能成人，那么制造出一個AI讓它終究嘗遍人間苦難，意義又是什么？
妻子離開那年，辛頓46歲。他的兒子5歲，女兒3歲。
互聯網的蓬勃發展，讓全世界陷入了前所未有的算力饑渴。
商業是宇宙中最猛的春藥。摩爾定律開足馬力，不僅用于科學計算的CPU算力打著滾往上翻，用于圖形計算的GPU計算力也在蓬勃發展。
如果用1985年最先進的計算機運行一個計算，不停不息直到此時此刻。換做當下最好的計算機來做同樣多的計算，只需要1秒。
最好的預言家也沒敢想象：幾十年的時光呼嘯，算力的燭火真的變成了耀眼的太陽。
離離原上草，只待星星火。
一位出生于北京的女性引燃了火焰。
斯坦福大學教授李飛飛，帶領團隊用了800個日夜，手工標注了1400萬張圖片，分成了2萬個類別，在2010年創立了ImageNet圖像識別挑戰賽，鼓勵全世界研究者用AI分類出更多的圖片。
獎品是——榮譽。
2012年冬天，當年的獎項揭曉，冠軍歸屬于一個叫做AlexNet的系統。
它對圖片識別的錯誤率低到了15.3%，比第二名的錯誤率彪悍地低了10.8個百分點。
以當時巨頭公司手握的計算力，已經足夠用神經網絡做出實用的AI了！
來自世界各地的收購邀約如雪片般襲來：你們公司報價多少錢？我買！
師徒三人這才意識到——自己應該成立一家公司。
2012年末，草草成立的DNNresearch公司面對四個終極買家：谷歌、微軟、DeepMind、百度。
他們決定搞一次拍賣。
瘦骨嶙峋的辛頓躺在出租車后座上前往拍賣地點。他19歲的時候幫媽媽搬暖氣傷到了脊椎，幾十年病情逐漸惡化，此時他已經沒辦法坐下，只能站立或躺著。
DeepMind是創業公司，只能用自己手里的股份報價，很快退出了競爭，微軟出到2200萬美元，也退出競爭。只有谷歌和百度不停地加價，從清晨到午夜，報價還在陡峭攀升，仿佛如果不買到辛頓三人，就要面對世界末日一般。
由于是遠程拍賣，辛頓是在酒店里躺在床上和兩位學生商量。
第二天早晨，新一輪報價爭奪繼續，谷歌已經出到了4400萬美元。辛頓決定叫停拍賣，65歲的年紀和脆弱的脊椎實在沒辦法支持他到地球另一端的cn工作。
他決定把公司賣給谷歌。
谷歌花4400萬買到的，像是個“空殼”，只有辛頓三人手中的知識產權和他們未來幾年在谷歌工作的承諾。
但正如達爾文、哥白尼、加繆、愛因斯坦一樣，三人手中所握的，不僅僅是知識產權，更是某種真相。
真相是這個世界上最有尊嚴的東西，它重若千鈞，也理應價值千金。
辛頓建議三人平分股份，各拿33%。兩位學生不肯，執意讓辛頓收下40%。
休倫湖的喬治亞灣
（七）圓環
杰奎琳對辛頓說：
“我感到很難過。但我知道，必須用剩下的時間好好享受生活，也盡量把你和其他人的一切安排好。”
他們在島上散步時，偶然發現了一只小船的殘骸。杰奎琳找來一些女工，把船整飭一新，成了一只酒紅色的獨木舟。
“她進行了首航，”辛頓回憶，“然后，就再也沒人用過它。”
2017年，已行至生命尾聲的杰奎琳見證了辛頓獲得了計算機界的最高獎項：圖靈獎。
名望大振的辛頓，試圖用自己剛擁有的一切從死神手里搶人。
在加拿大政府的支持下，他火速成立了“向量研究所”（VectorInstitute），聚集了全世界頂尖的人工智能人才，第一個項目就是：把AI用于醫療診斷。
但幾個月后，杰奎琳離開了世界。
辛頓想起多年以前，那個無法分辨積木的機器人。狂怒的一拳，崩塌的渴望。
他小心翼翼地把照片存在電腦上。
其中一張是他和杰奎琳的婚禮，在鄰居家的客廳里交換誓言。那天辛頓榮光煥發，杰奎琳雙手握住他的一只手。
還有一張照片，杰奎琳在酒紅色的獨木舟上凝望著鏡頭，水面斑駁，微風拂過。
IlyaSutskever&SamAltman
從這里開始，辛頓的人生才與大多數人了解的追光下的戲劇串接在一起。
在OpenAI，蘇茨克維爾把玻爾茲曼機發揮到了極致，成為了深度神經網絡“大模型”，大模型成為了ChatGPT的基礎，也成為了如今一切擁有對話和理解能力的AI的魂靈。
人類第一次制造出能通過圖靈測試的AI。
一萬年來，人與機器之間的界限，從未如此模糊。
1973年，約翰·迪恩接受調查委員會質證。
從ChatGPT開始，人工智能研究突飛猛進，但研究者一直避免使用一些看上去不科學的詞匯，例如“直覺”。
他們試著用各種理論拆解這種整體的直覺，例如“推理”、“計劃”、“注意力”之類。但辛頓在很多場合都在高呼：“AI比我們承認的更具有直覺性。”
一旦試圖把直覺拆解成細碎的零件，就會走上“還原論”的近路。
符號主義總說我們的本質是推理機器，那完全是胡說八道。我們本質是類比機器。
可能在上面加一點點推理，以便在類比出錯誤答案的時候注意到并且糾正它們。
辛頓說。
承認自己是直覺機器，代價是高昂的。
這意味著你必須接受自以為對世界的理解本質上只是概率預測；
意味著你必須承認自以為堅實的記憶本質上只是拼湊出的幻覺；
意味著你必須全然放下自己的傲慢，在荒謬的世界里前行，然后接受命運給你的一切。
不是每個人都付得起這個代價。
起初，人只是想了解這個世界；
為了了解世界，我們不得不了解自己；
而為了了解自己，我們創造了另一個自己；
我們創造出另一個自己，證明了我們永遠無法了解這個世界。
辛頓一生所做的事情，就是站在這個荒謬的圓環中，指給世人看。
1963年，古巴導彈危機之后的卡斯特羅和赫魯曉夫。
2023年，伊利亞·蘇茨克維爾認為OpenAI的CEO山姆·奧特曼漠視人工智能的安全建設，掀起了一場宮斗。
失敗后，他離開了親手創建的OpenAI，建立了安全超級智能公司（SafeSuperintelligence)。
辛頓公開表達了對弟子的贊許，但他卻不確定蘇茨克維爾是否能成功。
做出原子彈只需要讓它爆炸，但確保某個東西不爆炸，要難得多。
辛頓說。
2023年，辛頓從谷歌辭職，是三人組中最晚的一個，他給出的辭職理由是：這樣可以更中立地批評人工智能的危險。
如核威懾紀元一樣，新紀元恐怕也會建立在新的威懾平衡之上。
由此我們可以理解辛頓那個奇怪的比喻：把AI視為腫瘤。
如果所有的腫瘤都能切除了事，辛頓的人生為何還要承擔那么多悲傷？
與其徒勞幻想切除，不如研究一種更積極的、與之共存的策略。
但這種策略是什么？
“沒有人知道答案。”
辛頓嘆息。
但這似乎并不是事實。
辛頓的人生所承受的荒謬，和你我一樣。而世界上的絕大多數普通人，只能在歲月里前行，承擔命運所給予的一切。
沒有獎賞。
沒有獎賞，直到他們撐到對岸，或沒能撐到對岸。
一個諾貝爾獎，掛在辛頓的家族樹上，似乎夠格，甚至過于夠格。
我常常想，我喜歡木工活，去做一名建筑師會不會更快樂？因為我不必強迫自己去做什么。
然而，對于科學，我不得不一直強迫自己，而且因為家族的原因，我必須在科學上取得成功。這些年的科學研究其中當然有快樂，但主要是焦慮。
現在我成功了，這是一種巨大的解脫。
辛頓說。
“我覺得他是那種隨時需要人陪的人。”羅斯瑪麗溫柔地說。
羅斯瑪麗給這位“木工老男友”辛頓定了規矩：一個人在島上時絕對不許砍樹，以防把自己胳膊砍掉了沒人救他。
在紐約客記者羅斯曼的記錄中，有那么一幕：
那天辛頓駕船上岸，等待羅斯瑪麗給島上帶來補給。
他去商店里買了個燈泡，出來時，卻一閃身扎進了商店門口的綠植中，很快他站起來，手里舉著一條黑黃相間的蛇。
它扭動著身子，大概有一米長。
“給你的禮物！”他豪爽地舉到羅斯瑪麗面前，“我在灌木叢里發現的。”
羅斯瑪麗笑了。
他把蛇從左手倒到右手，兩只手都黏糊糊的。讓羅斯瑪麗聞一聞，充滿了一種奇特的礦物味道，那是這種蛇所特有的。
“你的襯衫都臟了。”羅斯瑪麗說。
“因為我必須抓住它。”辛頓解釋。
隨后，辛頓把蛇放下，滿意地看它鉆回草叢。
“今天天氣真好，讓我們遠航吧！”他說。
辛頓又戀愛了。
此時此刻，在島上的小屋里，那個酒紅色的獨木舟被透過窗欞撒下的陽光照耀得閃閃發亮。幾把椅子擺在它周圍，對著遠處波光瀲滟的湖面，一些雜志散落在一旁的桌子上。
那是一座美麗的小屋。
人的思維終究不只是推理，我們思索著時光，思索著生死，思索著我們曾路過的一切，像引力一樣聚集著意義，試著給出最終的回答。
人工智能，也會需要這樣一個小屋嗎？
駕船穿過迷霧的辛頓，總有一天會和那個終極詰問重逢：如果人的生命布滿苦難和離別，制造出更多像人一樣的AI，意義是什么？
他也許仍然沒有答案。
但至少，在苦難和苦難之間，還有一些其他的東西。
就像在冬天和冬天之間，有春天。
“人是機器。但人是特殊的、美妙的機器。”辛頓說。
辛頓的77歲，錯愕地迎來了前所未有的明亮追光，迎來了全世界認識自己、傾聽自己的渴望。他任人從身上摘下各種意義，像一顆秋天的樹灑落金輝。
但那些意義，終究不是喜愛或無視他的人的自我投射嗎？
辛頓只是如此生活了77年，冬天過去，春天到來，春天過去，冬天到來。
為了在殘忍的時光里行進，他必須和苦痛作戰，而為了和苦痛作戰，他變得光輝閃耀。
他和你我一樣是一臺機器，也和你我一樣，懷揣著謎一樣的夢想。不知是幸運還是不幸，他的夢想一半走進了春天，一半埋葬在寒冬。
但那也許不重要。
因為所有凝聚起來的東西都會被時間的洪流再次沖散，一如橫行的巨獸變成沉默的化石，一如奔涌的淚水消失在雨中。
重要的是，那些曾和他對望的人們，也許有一瞬間會輕輕慨嘆：
“吶，是個溫柔的人呀。”