这大概是当下许多人反复思索的一个问题，与此相关的担忧还有不少：孩子借助AI完成作业，他们的思考能力是否会减弱？我们在决策过程中越来越多地依赖AI，自己的判断力会不会逐渐丧失？当一个人习惯了向AI倾诉，他还愿意与真实的人交流吗？

这些问题，实际上都指向同一个核心——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，希望听取高校教师、在校学生以及独立研究者的声音。两个月内，我们收到了来自不同城市、不同学科领域的投稿，大家几乎都将关注点放在了人在技术高速发展进程中的处境上。

此次征集设立了四个方向：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的视角中，人们最想探讨的仍然是人类自身。

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的听障大学生；有跟随子女进城、在新社区中找不到交流对象的随迁老人；有在养老机构中默默为系统兜底的一线护工；有乡村中缺乏阅读陪伴的青少年；有担忧被AI取代的新闻人和设计师；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；有人在线下和线上，花费半年时间进行田野调查；有人以自身为方法，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，观察普通人会对其说些什么。

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，不是让AI替人做更多，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，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、发送给任意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，不是将同一个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中曾闪现的问题。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，更多是人对人难以启齿的话似乎可以对AI讲一讲，AI由此放大了表达真实自我的勇气。

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。研究者称之为“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，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，当今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实际上不太了解老人。研究者主张，应将老人视为AI的知识贡献者，而不仅仅是服务或监测的对象。

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。

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的人在拥有AI时越自信，一旦离开AI、需要独立做事时，信心会减少。研究者给出的解法很朴素，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》拆解了全球最大的开源图文数据集之一LAION-5B，发现AI的偏见在数据集构建过程中就被生产出来，而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，让数据集这一基础设施把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、挪动设备适配老人身体、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，当一套系统把效率算作收益，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，将人对AI的自我表露分为五种，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，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，我们或许更应关心技术正在如何重新定义亲密、关系与责任。

另外，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？从几百年的情感史回望，AI会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”？在凯利数据比较中，这些问题的答案或许尚未明朗，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。