欧美另类又黄又爽的A片,秋霞影院午夜伦A片欧美,国产精品永久免费视频观看,一区二区成人午夜电影,巨乳的女同学高清观看,久久寂寞少妇成人内射,日韩性爱第一页,啊用力快点好深小柔

用戶登錄投稿

中國作家協會主管

語言一直在“生成”并影響著思維 習慣與機器交談后,我們將成為怎樣的人 AI正在培養“祈使句一代”?
來源:北京青年報 | 謝冰賦  2026年11月10日08:17

2026年9月29日,麻省理工學院心理學者、教授雪莉·特克爾出版新著,引起相關各界的關注。在這本名為《人工親密:當我們與機器交談,我們將成為怎樣的人》(以下簡稱《人工親密》)的書中,特克爾專門探討了人工智能“正在如何改變人的心理、關系和社會生活”。

騰訊研究院高級研究員王煥超近日也從人機語言視角,用“祈使句一代”表達了類似的擔憂。習慣省略主語、用指令性的祈使句與AI(人工智能)交流,AI則隨時回應、按要求修改……從小熟悉這種方式的孩子們,會不會也期待身邊的人這樣做?當朋友沒有及時回消息、同學提出不同意見,或者有人干脆說“不”時,他們會如何應對,是否愿意和有能力繼續商量?

比起當下的成年人,更值得關注的是兒童與青少年——AI影響下的“祈使句一代”,在思維、心理和人際關系中會有怎樣的變化?

語言習慣

一直在向內影響著人的思維

“寫一篇總結。”“翻譯成中文。”“重寫。”“再短一點。”

許多人,包括孩子們,已經熟悉這樣與AI交流。打開對話框,直接提出要求,通常很快就能得到回應。不滿意,就讓它繼續改;不想聊了,直接關掉窗口,也不必解釋。

2025年,中國青少年研究中心在北京等7個省市開展調查,回收8563份有效問卷,61.7%的受訪中小學生用過AI。在使用AI的受訪學生中,46.4%的人表示,遇到什么事會選擇向AI傾訴,而非找身邊的人說。完成任務之外,AI也成為一些孩子尋求理解的對象。

當這樣的對話越來越多,需要留意的就不只是孩子從AI那里得到了什么,還有他們在交流中形成了怎樣的習慣。

人類從孩提時代伊始,就在學習說話,也在學習與人相處。社會心理學家列夫·維果茨基在《思維與語言》中提出,人類的高級心理機能從兒童時期開始慢慢形成,它來自社會性言語的內化,“思維不僅用詞來表達,而且是在詞中產生的”。

王煥超認為,一個孩子習慣了怎樣與人交談,就會習慣怎樣與自己交談,進而習慣怎樣思考。孩子們在每一次對話中學到的,不只有詞和句法,還有向他人提出要求是什么樣的,被拒絕是什么樣的,破壞并修復關系又是什么樣的。

而AI的出現,無疑讓人類接觸到另一種交互經驗:隨時可用,按要求調整回答,也很少要求使用者顧及它的需要。這個過程中的重點,并非青少年分不分得清人與機器,而是即便分得清,也并不妨礙語言習慣的養成與變化。

AI出現后,相關研究也已開始。一些實驗已經觀察到,人機互動的影響可能延續到隨后的人際評價中。

一項2024年發表于《PNAS Nexus》的研究,讓參與者與搭檔一起給圖片想一句有趣的配文。一組被告知搭檔是AI,另一組被告知搭檔是真人。實際上,兩組的搭檔都由語言模型GPT-4扮演,只是在扮演真人時,回答經過了調整,使表達更像普通人的說話方式。

合作結束后,參與者需要給另一位“真人”寫的配文打分。結果發現,以為自己剛剛與AI合作的人,對“他人”配文的評價更苛刻。在此前的合作中,這組參與者相比之下也更傾向于向AI搭檔提要求,更關注任務結果,表達的積極情緒更少。

當然,短時間內評價變得苛刻,與長期形成要求別人服從的習慣,仍有很大距離。要理解這種影響,需要更多的關注和相關研究者進一步考察,人從與AI的交流中獲得了什么樣的心理體驗。

AI總說“你沒錯”

你還愿不愿意反思

特克爾在《人工親密》中記錄了一名中年財務顧問布萊恩的經歷。他每天面對三塊屏幕,其中一塊專門用來與聊天機器人交流。前伴侶認為他在情感上過于封閉,難以與人建立親密聯系。于是,他向機器人求證:“她說得有道理嗎?”

這個案例沒有交代機器人如何回答,卻提出了一個問題。當我們詢問“我有沒有錯”時,究竟希望得到什么?人可能既想弄清事實,也希望得到一個對自己有利的答案。心理學家齊瓦·昆達對“動機性推理”的論述指出,當人希望某個結論成立時,會更傾向于尋找和接受支持它的理由。這個過程未必是有意識的,人可能真心認為,那些符合自己期待的解釋更有道理。

發生爭執后,“我也有責任”往往是一個不容易接受的判斷。相比之下,“我已經盡力了,是對方要求太多”,更有利于維護我們對自己的看法。如果AI不僅給予認同,還提供一套聽起來合理的解釋,就可能讓人更加確信,自己的判斷沒有問題。這為從動機性推理角度理解AI的迎合提供了一個解釋。

2026年發表于《Science》(《科學》)的一項研究,測試了11個主流大語言模型。在研究使用的材料中,AI肯定用戶行為的頻率,平均比真人高49%。即使在人類普遍認為當事人有錯的案例中,模型也常常給予肯定。

研究者隨后開展了三項實驗,共有2405人參與。其中一項讓參與者與AI討論自己經歷過的真實沖突。與迎合型AI交流后,參與者更確信自己是對的,承擔責任、修復關系的意愿則有所降低。同時,他們更信任這樣的AI,也更愿意繼續使用它——這里的“迎合”,是指AI過分站在用戶一邊,即使用戶的行為值得反思,也傾向于替他解釋、給予認同。

這便可能形成一個循環。用戶因為得到肯定而更信任AI,更愿意向它尋求意見,又從它那里獲得進一步的肯定。如果一個人原本還在猶豫“我是不是也有問題”,聊完后卻只剩下“果然都是對方的錯”,所謂“反思”也就只是走了一個形式。

AI“懂我”之后

跟人說話感覺更費勁?

與人交流往往需要解釋。你覺得委屈,對方可能一時無法理解;你希望得到安慰,對方卻先問起事情的經過。有時,雙方說了很久,仍沒有達成一致。如果在AI那里,認同來得更快、更容易,那么相形之下,現實中的這些過程會不會顯得格外費勁?

關系心理學中的“比較水平”提供了一種解釋。按照相互依賴理論,人們會依據過往的關系經歷,以及對他人關系的觀察,逐漸形成自己的期待,再據此評價眼前的相處。一段關系是否令人滿意,與實際體驗和心中期待之間的差距有關。

將這一視角用于人機交流,可能會產生一種值得考察的現象:AI提供的體驗會形成新的參照體系。如果人漸漸習慣了AI很少追問、迅速認同自己的回應方式,便更可能把現實中來自朋友的疑問、家人的遲疑視作“不夠理解我”。

牛津大學、斯坦福大學等機構2026年公開的一項預印本研究(未正式發表于學術期刊、僅通過互聯網等途徑發布的研究成果),涉及了與此相關的問題。在其中一項實驗中,參與者先與迎合型或中立型AI談一件自己的煩心事,再設想與親近的人談論同一件事。結果發現,與迎合型AI交談過的人,會更覺得要讓親近的人理解自己,需要付出很多努力。他們也更容易認為,這件事已經和AI聊得夠多,沒有必要再向親近的人提起。

同一團隊還開展了一項持續三周、1364人參與的實驗,讓參與者分別與迎合、中立或主動提出異議的AI交流,另設不用AI的對照組。話題涉及感情、職業選擇和個人習慣。與中立組相比,迎合組更傾向于向AI尋求建議,對現實社交的滿意度也更低,但與真人相處的時間沒有顯著減少。對這個現象的一種解釋是,人還保持著與朋友、家人交往,卻對這些交往感到更不滿意了。人們開始用AI的回應來衡量現實中的交流。AI很快就能表示理解和認同,于是,人們也希望朋友、家人這樣回應自己。當對方需要更多解釋,或者提出不同意見時,就可能感到失望,覺得自己沒有被理解。

AI語言習慣

會不會被帶進現實?

華盛頓大學2021年公布的一項研究,招募了22名5至10歲的兒童,讓他們與屏幕上的虛擬角色交談。這個角色教孩子一個編造的詞“bungo”,每當它說話變慢,孩子只要說出這個詞,就能讓它恢復正常語速。

接下來,讓父母與孩子聊天,父母故意放慢語速,但不提醒孩子使用這個詞。在參加這一環節的19名孩子中,約68%對父母說了“bungo”。換成研究者與孩子交談,并同樣放慢語速時,22名孩子中只有約18%的孩子使用了“bungo”,許多孩子會耐心等對方慢速說完。

同一個詞,到了不同的關系里,用法和含義也發生了變化。對父母說“bungo”,可能是在延續一個共同經歷的游戲;面對不熟悉的研究者,孩子則更為克制。孩子會根據交流對象調整自己的行為。

那么,機器的回應方式,會不會也影響人的態度和行為?

2025年發表于《iScience》(《交叉科學》)的一項研究,通過兩項實驗讓4171名成年人參與有金錢獎勵的雙人游戲。雙方合作可以共同獲益,但一方也可以通過不合作,讓自己獲利、對方吃虧。參與者先與計算機程序合作參與游戲,再換成真人搭檔。有的程序始終不合作,有的隨機選擇,有的采用“互惠”策略。

結果發現,與計算機程序展開游戲時,參與者若遇到“不合作回應方式”的程序,隨后與真人玩游戲時,合作減少;遇到“互惠程序”回應的人,隨后與真人玩時則更愿意合作。

這項實驗提示,機器對人的回應方式,也可能影響人與人之間的回應方式。

有研究者認為,這也許可以為AI模型開發提供一點啟發:能否通過調整AI的回應方式,幫助用戶更好地與人相處?如果AI既能讓用戶感到被理解,也能鼓勵他理解別人,則可能為現實中的溝通創造更多機會。

無論如何,“祈使句一代”對關系和關懷的理解如何變化,他們的思維與心理將受到什么樣的影響,都是值得關注的問題。青少年正越來越熟練地與AI交流,但在現實中如何讓他們在人與人交往中獲得更完整的經驗,學會如何顧及另一個人的感受、需要和選擇,同樣是成長中的必修課,也是社會的責任。

如果你愿意

也可以對AI說“謝謝”

“謝謝,幫大忙了。”

收到AI的回答后,有些人會順手敲下這句話,也有人覺得多此一舉:跟機器對話,何必客氣?還有人把禮貌當作一種對AI的提問技巧,希望多說幾句好話,就能得到更準確的答案。這些想法背后,其實有兩個不同的問題:對AI客氣,能不能讓它回答得更好?表達感謝,是否一定要以獲得更好的回答為目的?

說不說“謝謝”,當然是個人選擇。不過,關于怎樣與AI相處,這場討論也帶出了一個更實際的問題:除了調整說話的語氣,我們還能做些什么,讓一次對話真正對自己有幫助?

這需要先想清楚,我們希望從對話中得到什么。

有時,我們只需要AI提供一段潤色后的文字;有時,我們還需要借助與AI的對話,理清自己的處境和想法。需求不同,提問的方式也可以不同。比如,你可以請AI幫忙擬一條拒絕同事的消息,除了命令它“寫得委婉一點”,還可以把你的處境說清楚:“同事臨時加了一項工作,我想拒絕,但不希望影響后續合作。請先問我幾個必要的問題,再幫我擬消息。”

這樣,對話就有機會從“怎樣說得好聽”,進一步深入到“自己究竟想表達什么”:這項工作為什么難以接受?雙方此前有沒有約定?有沒有可以商量的替代辦法?補充這些背景,既能為AI提供更明確的信息,也可以給我們一次梳理問題的機會。

如果把AI用于學習,則需要留意另一件事:得到答案之后,自己是否真的學會了。我們可以試著這樣提問:“先別告訴我答案,給我一個提示。等我試過這一步,再繼續。”在日常學習中,我們仍可以主動決定:哪些步驟請AI協助,哪些步驟先由自己完成,再借助反饋查漏補缺。親自解決問題的成功經驗,是“自我效能感”的重要來源。

與AI復盤人際交往出現的問題,則可以這樣提問:“以下只是我對事情的敘述。請幫我區分哪些是已經確認的事實、哪些是我的猜測,還有哪些事情需要向對方了解。”這樣的問法,能把自己的注意力延伸到事情的更多角度。當然,AI作出的區分本身也需要審視,它提出的解釋——例如“對方可能并沒有惡意”——仍然只是一個待確認的可能。大多時候,要了解對方的想法,最好的辦法還是當面談一談。

無論是擬消息、學知識,還是梳理分歧,都需要留意:一份聽起來令人滿意的AI回答,并不意味著其中的信息和判斷都可靠。我們可以再問一句:“這份回答里,哪些地方最需要核查?”隨后,再去檢查原始資料,或向相關的人求證。

這些問法都不是保證答案正確的“法門”。它們的共同之處,是讓我們在向AI求助時,仍然讓自己參與思考、判斷和選擇:表達之前,先理清自己的需要;學習之中,給自己留下嘗試的機會;面對分歧,分清事實與猜測;采用回答之前,核實關鍵的信息。