AI对人到底意味着什么？

这或许是当下许多人反复追问的一个核心问题，与之相关的担忧还有一串：孩子借助AI完成作业，其思考能力是否会逐渐衰退？我们在决策中越来越多地依赖AI，自身的判断力会不会随之减弱？当一个人习惯了向AI倾诉内心，是否还愿意与真实的人类交往？

这些疑虑，归根结底指向同一个命题——AI对人类而言，究竟意味着什么。

01

今年4月，AI & Society创造营面向全社会公开征集研究案例，旨在聆听高校教师、在校学生以及独立研究者的声音。在两个月的时间里，我们收到了来自不同城市、不同学科领域的投稿，大家的关注点几乎都集中在：在技术高速发展的进程中，人的处境如何。

此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、采用何种方法、得出什么结论，完全由投稿人自主决定。所有来稿案例的主题分布如下：

“面向人类”的研究案例超过了总数的一半。不难看出，在所有提及AI的视角中，人们最想探讨的仍然是“人”。

研究者们关注着特定群体的处境。有听障大学生，他们在求职面试中长期处于被动状态，因为无法听见声音；有随迁老人，他们跟随子女进城，在新社区里找不到可以交流的人；有养老机构的一线护工，他们默默为系统兜底；有乡村青少年，他们缺少阅读陪伴；有新闻人和设计师，他们担心被AI取代；也有凌晨两点睡不着、宁愿对着聊天框倾诉的年轻人。

研究方法也多种多样。有人通过对照实验，用数百名被试来测试某种心理机制；有人在线下或线上，花费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搭建未来产品，观察普通人会对其说些什么。

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。

02

把人放大，并非让AI替人做更多事，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》跨越了两个周期，致力于解决以手语为第一语言的听障大学生，在求职面试中长期被动的难题。第一阶段采用服务设计的方法，制作了面试手册、信息卡和模拟面试模型；正在进行的第二阶段提出了一条AI普惠的路径：将面试前的准备工作交给大模型，使用者只需用13张预先写好的提示词卡，复制、填空后发给任意一个AI即可。每张卡都内置了“生成→改写成自己的话→事实核对”三步，确保答案来自本人的真实经历，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？》回答了一个许多人心头闪过的问题。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，或是一些难以启齿的事情，AI是他们更愿意倾诉的对象。因为和朋友聊天，总要顾及对方是否有空、是否愿意听、是否会给人添负担，而AI随时在线，不评判，也无需设防。研究者由此追问：人们所谓的“信任AI”，信的究竟是什么？也许不是相信AI永远正确，更多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。当小植答错了、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，这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：今天AI的知识几乎都来自能被大规模处理的数字文本，而老人一辈子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，应该把老人视为AI的知识贡献者，而不仅仅是被服务、被监测的对象。

从能力，到表达，到连接，再到主体，这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。

03

在看到AI把人放大的同时，研究者们也给出了四点“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、需要独立做事时，信心就会减少。研究者给出的解法也很朴素，叫“先人后机”：让人始终保持在判断中，而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拆开来看，发现AI的偏见在数据集构建过程中就已经被生产出来，而非等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，让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起来，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的尊严、挪动设备以适配老人的身体、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，当一套系统把效率算成收益，却把人的判断、修补和情感劳动当成额外成本时，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里。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时，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，或许我们更该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行运转，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？从几百年的情感史出发，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，这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。