Feeling Included by AI: Belonging and Authenticity in Human-AI Interaction

在人工智能飞速发展的世界里，很大一部分研究都集中在接入的机制上：谁可以上网，谁拥有硬件，以及软件是否负担得起。这是数字包容性的基础，这一概念确保人们不会仅仅因为缺乏参与所需的工具而被遗忘。然而，随着机器变得越来越擅长对话并能够模仿人类的社交线索，一个不同的问题开始浮现。仅仅询问一个人是否可以登录已经不够了，我们必须询问那个人在那里时的感受如何。当语音助手响应查询或聊天机器人提供建议时，用户是否感到被倾听、被尊重，并且可以自由地做自己？这种转变将对话从结构层面转向了心理层面，探讨技术是能让一个人感到归属感，还是仅仅作为一个冰冷、高效的工具而存在。

一个研究小组致力于调查人类与人工智能交互中的这种归属感，重点关注两种特定的情感状态：归属感与真实性。在这里，归ло属感是指一种系统关心你、记得你并将你视为重要参与者的感觉。真实性则是指无需担心受到评判或纠正，就能表达真实思想和感受的自由。研究人员想要知道这些感受是否重要。具体而言，他们询问由人工智能系统带来的归属感是否会导致用户对该技术满意度更高，以及是否会增强一种互动是公平且受尊重的感知。为了找到答案，他们并没有依赖单一的人群或单一类型的机器。相反，他们从两个截然不同的群体中收集了数据：219 名亚马逊 Alexa（一种旨在处理快速任务的语音激活助手）的用户，以及 577 名 ChatGPT（一种能够进行长篇、复杂对话的文本生成式人工智能）的用户。

研究结果显示，归属感与用户对技术的评价之间存在着清晰且积极的联系。对于这两组人群而言，那些感受到归属感并觉得可以展现真实自我的人，报告了更高的满意度。他们也认为这种互动是公正的，这意味着他们觉得人工智能以尊严和公平的方式对待他们。这表明，交流的情感质量与答案的技术准确性同样重要。当人工智能系统以共情回应、记住过去的细节或采取非评判性的语气时，它不仅仅是在完成一项任务；它还在培养一种关系，让用户对这次体验感到更愉悦。

然而，研究人员也发现，并非所有人对这些互动的体验都是相同的。通过分析数据模式，他们识别出了对同一技术反应不同的不同用户群体。在亚马逊 Alexa 用户组中，数据分成了两个清晰的轮廓。其中一组被称为“保守型用户”，占样本的约 45%。这些人报告的归属感、真实性和满意度得分较低。他们似乎主要将设备作为一种功能性工具来使用，将其视为纯粹的实用工具，而不期望建立深层的情感连接。另一组被称为“投入型用户”，占剩余的 55%。这些用户报告了高度的归属感和满意度，这表明对于他们而言，语音助手不仅仅是一个指令中心，更是一个真实的互动来源。

对于 ChatGPT 用户而言，情况则更为复杂。由于文本生成式人工智能允许更丰富、更多样化的对话，研究人员发现了六种不同的用户画像，尽管只有三种在体验上表现得尤为显著。一个大型群体（约占用户的 33%）被描述为“实用导向型”。这些人与保守型的 Alexa 用户类似，似乎对归属感或真实性并不在意。他们的满意度来自于系统解决问题和高效执行任务的能力，而不在于人工智能让他们感觉如何。另一组是“投入型用户”，占样本的 17%。这些人感受到了强烈的连接感、高度的真实性以及深度的满意度，将人工智能视为一个支持性的伙伴。第三组是“平衡型用户”，构成了最大的部分，比例约为 33%。这些用户认可人工智能的价值，并感受到适度的包容感，但同时也意识到系统的局限性。他们享受这种互动，但并不期待达到完全投入型用户那样的情感深度。

这些发现挑战了“所有用户对技术的需求都完全相同”的观点。虽然有些人满足于一台仅仅能正常工作的机器，但另一些人则渴望一种连接感和认同感。研究表明，对于人工智能开发者和组织而言，未来的路径不仅仅是提高速度或准确性。为了真正包容用户，系统设计必须致力于培养归属感并允许真实的自我表达。这意味着要创建具有共情力、非评判性且能响应个体需求的界面。无论是通过一个能记住用户偏好的语音助手，还是一个能适应用户情绪状态的聊天机器人，目标都是确保互动过程让人感到公平且具有人性化。随着人工智能逐渐融入日常生活（从学校到职场），理解这些情感维度至关重要。构建易于使用的系统是不够的，我们必须构建能让人们感到真正有归属感的系统。