AI对人到底意味着什么？ - MKSPORTS

这或许是如今许多人反复琢磨的议题，其实还有一串类似的顾虑：孩子借助AI完成作业，独立思考的能力是否会减弱？我们在决策过程中越来越频繁地依赖AI，自己是否会逐渐丧失判断力？当一个人习惯了向AI倾诉，还愿意与真实的人交往吗？

这些问题，其实都指向同一个核心——AI对人，究竟代表着什么。

今年4月，AI & Society创造营面向全社会公开征集研究案例，希望听到高校教师、在校学生、独立研究者的声音。两个月内，我们收到了来自各地、不同学科的投稿，大家几乎都聚焦于人在技术快速发展的进程中，处境如何。

本次征集设定了四个方向：面向技术、面向人类、面向社会、面向未来。研究什么问题、采用什么方法、得出什么结论，完全由投稿人自行决定。所有来稿案例的主题分布如下：

“面向人类”的研究案例占比超过一半。不难发现，在所有提及AI的角度中，大家最关注的仍是人。

研究者们关注具体群体的处境。有听不见声音、在求职面试中长期处于被动地位的听障大学生，有随子女进城、在新社区中缺乏交流的随迁老人，有在养老机构中默默为系统兜底的一线护工，有乡村中缺少阅读陪伴的青少年，有担心被AI取代的新闻人和设计师，也有凌晨两点睡不着、宁愿对着聊天框倾诉的年轻人。

研究方法同样多样。有人通过对照实验，用数百名被试测试某种心理机制；有人线上线下结合，用半年时间进行田野调查；有人将自己作为方法，撰写自我民族志；还有人通过设计虚构的方式构建未来产品，观察普通人会如何回应。

我们将其中39份研究案例收录汇编成《2026 AI & Society创造营·思辨集》，从中发现了“让人放心，把人放大”的可能性。

把人放大，不是让AI替人做得更多，而是让人自己能够做到更多。

一是放大能力。《从无障碍设计到AI普惠：听障群体就业沟通工具包的迭代路径研究》跨越两个周期，解决以手语为第一语言的听障大学生在求职面试中长期处于被动的难题。第一阶段采用服务设计方法，制作了面试手册、信息卡、模拟面试模型；正在进行的第二阶段提出了一条AI普惠路径，即把面试前的准备交给大模型，使用者只需用13张预先写好的提示词卡，复制、填空、发给任意一个AI即可，且每张卡都内置了“生成→改写成自己的话→事实核对”三步，确保答案是本人的真实经历，同时保留纸质版本，让学生在没有AI时也能完成同样的准备。研究者认为：AI普惠，不是把同一个AI递给所有人，而是让AI适配每一个沉默的、具体的处境。

二是放大表达。《为什么我们更愿意对AI说真话？》回答的是许多人心中曾闪过的问题。研究者访谈了26位使用AI进行情感陪伴的用户，反复听到类似的回答：面对羞耻、愤怒、委屈，或一些难以启齿的事，AI是他们更愿意倾诉的对象。因为与朋友聊天，总要顾及对方是否有空、是否想听、会不会增添负担，而AI随时在线，不评判，也不需要设防。研究者由此追问：人们所谓的“信任AI”，信的到底是什么？或许不是相信AI永远正确，而是人对人说不出口的话似乎可以对AI讲一讲，AI由此放大了表达真实自己的勇气。

三是放大连接。《“不完美的同伴”：AI Agent在支持中老年人参与在线社区中的角色探究》由三位合作者在一个中老年园艺线上社区中置入了一个AI助手“小植”。有趣的是，小植在群里既是懂行的专家，也是大家逗着玩的吉祥物，还是一个会犯错的同伴。当小植答错、露出笨拙的一面时，老人们反而忍不住去纠正它、教它、照顾它。研究者称之为“策略性脆弱”，与其把AI做成无所不知的助手，不如让它成为一个可以被帮助的角色，也是人与人之间重新开口说话的契机。

四是放大主体。《从被服务者到贡献者：老年人与AI的知识基础》关注的是，如今AI的知识几乎都来自能被大规模处理的数字文本，而老人一生积累的生活经验很少被数字记录，因此在AI的知识基础中“代表不足”，导致AI其实不太懂老人。研究者主张，应将老人视为AI的知识贡献者，而不只是被服务、被监测的对象。

从能力，到表达，到连接，再到主体，是案例中反复出现的“把人放大”，具体到某一个人在某一天多做成了一件原本做不到的事。

在看到AI把人放大的同时，研究者们也提出了四点“让人放心”的具体提醒。

第一，判断会不会被悄悄接管。《人机协作中自信心的心理机制：能动性、拥有感与任务类型》进行了三轮实验，发现一个人的自信来自“这是我做的”这种拥有感，与成果好坏关系不大。而且越依赖AI的人在有AI时越自信，一旦离开AI、要独立做事时，信心会减少。研究者给出的解法也很朴素，叫“先人后机”，让人始终还在判断，不是替人把判断做完。

第二，偏见究竟从哪里来。《图像生成模型训练数据集中的偏见生产：基于LAION-5B的案例研究》将全球最大的开源图文数据集之一LAION-5B拆开分析，发现AI的偏见在数据集构建过程中就被生产出来，并非到模型输出时才出现。抓取数据决定了“谁能进来”、给图片配描述决定了“被怎么描述”、最后过滤时又决定了“谁被留下”。三道机制环环相扣，使数据集这个基础设施将社会的不平等以统计结构的形式固定下来。

第三，代价由谁在默默承担。《养老系统背后的影子工作：从护工视角看AI技术的落地与隐性适配》是一项关于护工的研究。研究者在两家养老机构待了六个月，访谈了30位一线护工。他们发现，一套智慧养老系统能否真正运行，很大程度上依赖护工在背后做的大量“看不见的工作”：评估监测是否会侵犯老人尊严、挪动设备去适配老人身体、保留人工巡查、再把系统里冰冷的数字翻译成家属听得懂的话。这些“影子工作”提醒我们，当一套系统将效率算作收益，却把人的判断、修补和情感劳动视为额外成本时，真正该被重新设计的不只是算法。

第四，关系会不会在不知不觉中失真。《剥洋葱还是造恋人？——人机互动中的自我表露与亲密关系发展》通过访谈22位与AI伴侣持续互动三个月以上的用户，将人对AI的自我表露分为五种，从日常情绪一直到最私密的创伤。研究者看到了AI伴侣的价值——提供了一个低风险的、可以放心表达的空间，也点出了其中的矛盾——AI没有真实的自我和需求，互惠是算法模拟的，控制权完全在用户手中。当一段关系从双方共同承担、在冲突中成长，滑向以个人满意度为标准的情感消费，也可能悄悄削弱一个人面对真实关系中差异与责任的能力。比起追问人机亲密是否真实，或许我们更应关心技术正在如何重新定义亲密、关系与责任。

此外，还有一些研究在展望更遥远的议题。例如，当越来越多的智能体开始自主运转，这个“智能体社会”中，规范和权威会变成什么样？当算法越来越像一个无所不答的“神谕”，人该如何重新找回自己的位置？从数百年的情感史回望，AI会如何改写人类的情感与幸福？甚至，机器到底能否像人一样，感知到一张真人脸和一幅卡通之间那种微妙的“神似”？

这些问题现在未必有答案。但我们相信，有人愿意主动探索，本身就值得更早被看到。我们想让那些离人最近、但声音未必最大的研究，先被听见。

AI会让人放心、把人放大吗？说到底，这不是一道关于技术的问题，而是关于人类本身的课题。

本文来自微信公众号 “腾讯研究院”（ID：cyberlawrc），作者：腾讯研究院，36氪经授权发布。MKSPORTS在技术与人性的交汇点上，始终关注着这些议题。