这或许是当下许多人反复追问的核心问题，与之相关的担忧还有很多：孩子借助AI完成作业，会不会削弱思考能力？我们在决策中越来越多地依赖AI，是否会逐渐丧失判断力？当一个人习惯于向AI倾诉内心，是否还愿意与真实的人类互动？
这些问题，归根结底都指向同一个核心——AI对人类而言，究竟意味着什么。
01
今年4月，AI & Society创造营面向社会公开征集研究案例，希望聆听高校教师、在校学生以及独立研究者们的见解。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：在技术飞速发展的进程中，人类的生活状态如何。
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。研究问题、方法和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”的研究案例占比超过一半。不难发现，在所有提及AI的视角中，人们最想讨论的仍然是“人”本身。
研究者们关注的是特定群体的现实处境。有听障大学生，他们在求职面试中长期处于被动地位；有随迁老人，随子女进城后在新社区难以找到交流对象；有养老机构的一线护工，默默承担系统背后的工作；有乡村中缺乏阅读陪伴的青少年；有担忧被AI取代的新闻从业者和设计师；也有凌晨两点难以入睡、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；有人将自己作为研究对象，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，观察普通人会如何与之互动。
我们将其中39份研究案例汇编成《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替代人类做更多事，而是让人类自身能够做到更多。
首先是放大能力。《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面临的困境。第一阶段采用服务设计方法，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普惠路径：将面试前的准备工作交给大模型，使用者只需使用13张预先写好的提示词卡，复制、填空后发给任意AI即可。每张卡都内置了“生成→改写成自己的话→事实核对”三个步骤，确保答案基于本人的真实经历，同时保留纸质版本，使学生即使在没有AI的情况下也能完成同样的准备。研究者认为：AI普惠，不是把同一个AI交给所有人，而是让AI适应每一个沉默的、具体的处境。
其次是放大表达。《为什么我们更愿意对AI说真话？》回答了许多人心中曾闪现过的疑问。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、委屈或难以启齿的事情，AI是他们更愿意倾诉的对象。因为与朋友聊天，总要考虑对方是否有空、是否愿意听、是否会带来负担，而AI随时在线，不评判，无需设防。研究者由此追问：人们所谓的“信任AI”，究竟信任的是什么？或许并非相信AI永远正确，更多是那些对人难以说出口的话，似乎可以对AI倾诉，AI由此放大了表达真实自我的勇气。
第三是放大连接。《“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》由三位合作者在面向中老年人的园艺线上社区中，置入了一个AI助手“小植”。有趣的是，小植在群中既是懂行的专家，也是大家逗趣的吉祥物，还是一个会犯错的同伴。当小植答错或露出笨拙的一面时，老人们反而忍不住去纠正它、教它、照顾它。研究者将此称为“策略性脆弱”：与其将AI打造成无所不知的助手，不如让它成为一个可以被帮助的角色，成为人与人之间重新开口交流的契机。
第四是放大主体。《从被服务者到贡献者：老年人与AI的知识基础》关注的是，当今AI的知识几乎都来源于能被大规模处理的数字文本，而老年人一生积累的生活经验很少被数字化记录，因此在AI的知识基础中“代表性不足”，导致AI并不真正了解老年人。研究者主张，应将老年人视为AI的知识贡献者，而不仅仅是被服务或被监测的对象。
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”的体现，具体到某个人在某一天多做成了一件原本做不到的事。
03
在看到AI放大人类能力的同时，研究者们也提出了四点“让人放心”的具体提醒。
第一，判断是否会被悄悄接管。《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源于“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，信心会下降。研究者给出的解决方案也很朴素，称为“先人后机”，即让人类始终参与判断，而不是让AI替人类完成判断。
第二，偏见究竟从何而来。《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拆解分析，发现AI的偏见在数据集构建过程中就已产生，而非模型输出时才出现。抓取数据决定了“谁能进来”，给图片配描述决定了“如何被描述”，最后过滤时又决定了“谁被留下”。这三道机制环环相扣，使数据集这一基础设施以统计结构的形式固定了社会的不平等。
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，很大程度上依赖于护工背后大量的“看不见的工作”：评估监测是否会侵犯老人尊严、挪动设备以适应老人身体、保留人工巡查、再将系统里冰冷的数字翻译成家属能听懂的话。这些“影子工作”提醒我们，当一套系统将效率视为收益，却将人的判断、修补和情感劳动视为额外成本时，真正需要重新设计的不只是算法。
第四，关系是否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类型，从日常情绪到最私密的创伤。研究者看到了AI伴侣的价值——提供了一个低风险、可放心表达的空间，但也指出了其中的矛盾——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时，也可能悄然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，或许我们更应关注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”，人类该如何重新找回自己的位置？从数百年的情感史视角回顾，AI将如何改写人类的情感与幸福？甚至，机器能否像人一样，感知到一张真人脸与一幅卡通之间那种微妙的“神似”？
这些问题目前未必有答案。但我们相信，有人愿意主动探索，这本身就值得更早被看见。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？归根结底，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。
近期文章
