数字疗愈中的信任：亲近感怎样与可靠性一起评价

熟悉的语气，会改变什么判断

一段温暖的交流可能让人更容易开口。对数字疗愈来说，还需要知道这份信任建立在什么之上：用户理解自己正在与怎样的系统互动吗？他是否清楚系统能做什么、哪些回应需要核实，以及遇到问题可以向谁反馈？

把这些问题放进研究，需要明确实际比较的内容。这里的拟人化，指让系统呈现出人的情绪、经历或社会角色等特征。它可以改变互动的感受，但“让我愿意信任”与“确实值得依赖”仍是两个评价问题。

《The Effects of AI Anthropomorphism on Trust and Responsibility》把信任与责任放进两项不同实验。理解这篇论文的关键，是分别看清它实际改变了什么、测量了什么，以及哪些结论来自随机比较，哪些只是进一步分析。

研究 1：把交流方式改变，再看信任

两组都与基于 GPT-4 的机器人交谈。中性版本回应用户并提出后续问题，但不呈现个人信息或强烈情绪；拟人化版本则被要求情绪化地回应，并以拥有个人经历的方式交流。后者呈现的是系统生成的经历表达，并非 AI 真实生活过的记录。

这是几种提示安排的组合。研究能够比较两套交流方式，却没有单独拆开“情绪表达”“讲述经历”各自贡献了多少。正文也未提供精确的模型快照，结果应理解为这一研究系统和交谈安排下的比较。

交谈后，参与者进入一个信任游戏：每人有 5 枚代币，可以选择交给机器人多少；交出的代币会乘以 3，再由机器人决定返还多少。参与者事先不知道，程序实际上固定返还收到数额的一半。研究把交出的代币数作为当时行为信任的指标。本文未核实代币与现金的兑换方式，因此不把任务写成真实资金投资。

参与者在得知返还结果之前，还填写了关于能力、真诚、可靠和伦理的信任问卷。结果中，这几个维度并不完全相同。

因此，更准确的概括是：拟人化改变了部分即时信任评价，也影响了这项代币任务中的选择。不能把结果写成“所有信任指标都显著提高”。效应量 d 描述标准化差异，并不是信任提高的百分比。

研究没有同时检验机器人回答问题的准确程度，因而无法判断增加的信任是否恰当。要评价“过度信任”，还需要比较用户的依赖程度与系统实际表现，而不只是看到他们更愿意交出代币。

愿意多说，与透露更多隐私之间

论文还做了探索性分析，把用户消息中的人称代词数量作为自我表露的代理指标。拟人化组的这个指标更高（d = 0.60，p < .001）。但更多地使用人称代词，可能出现在多种内容中；计数本身没有说明信息有多私密、敏感，或用户是否在充分理解数据用途后作出选择。

另一项探索性分析使用 RoBERTa 文本模型，对机器人的表达作 28 类情绪评分，再用主成分分析整理出若干成分。其中一个被研究者命名为“情感呼应”的成分，在统计中介模型中出现了显著间接关系。

这里的“情感呼应”是算法从文本中提取的成分，不是用户对“它理解了我”的直接评价。它也没有作为一个独立因素被随机操纵。因此，这个结果提出了值得进一步测试的机制线索，还不足以确定某一种回应方式就是信任变化的原因。

研究 2：更像人，会不会让 AI 承担更多责任

第二项研究没有继续追踪前一批聊天参与者。另一批人被随机分配，阅读高度、低度或无拟人化的家用 AI 助手 Kit 介绍，再阅读六个假设情境，其中三个结果正面、三个负面。高拟人化介绍把 Kit 描绘得像有情绪和社会角色的伙伴；其他版本更侧重功能或一般设备描述。

每个情境中，参与者分别评价 AI、开发销售公司和其他相关方的责任，使用 100 分滑杆。各方可以独立获得分数，并不要求总和等于 100。这是对责任的判断任务，并非对真实事故的处理或认定。

作者按每位参与者自己的评分分布做标准化，再使用贝叶斯多变量混合模型，同时分析 AI 与公司的责任评价。下表的两项条件比较以无拟人化为参照；可信区间反映模型估计的不确定性，不是原始量表分数的百分比。

最后一行容易被读成“多怪 AI，就一定少怪公司”。模型实际显示的是：通常给 AI 更高责任评价的参与者，也倾向于给公司较低评价。这种人际差异，并不等于随机增强拟人化就让同一个人把公司的责任转给 AI。

更重要的是，公司责任的直接比较没有显示下降。因此，把两项研究串成“拟人化先增加信任，再替公司免责”，超出了这套数据。研究中的责任评分本来就不受总和约束；这种标准化处理也可能影响多个结果之间的关系。要进一步解释负相关，需要检查原始评分和分析设定，本文没有重跑数据，也不据此断言该相关是人为造成的。

从短时实验到日常使用，还有哪些距离

首先，本文依据的是单次交谈与文字情境。研究没有观察反复使用数周、数月后的信任变化，也没有研究亲密关系、临床结局或睡眠效果。研究 1 最终 309 人，低于论文所述的预注册目标 352 人；代币任务的效应较小，探索性中介也有待后续研究重复检验。参与者过去使用聊天机器人的经验未被测量，这也限制了对不同用户反应的解释。

其次，地区信息的缺口需要保留。研究 1 的正文未明确招募平台与国家，研究 2 只明确 Prolific 平台；这些信息不足以推定样本来自某一国家，更不足以直接代表中文互动中的信任和责任判断。

第三，较亲近的感觉、代币选择和实际依赖是不同结果。一个用户可能愿意聊天，同时仍会核实事实；也可能不觉得亲近，却在某个任务上依赖系统。本文没有检验萝钵力情绪互动游戏或萝钵力·入眠，不能把这些实验结果直接当作产品表现。

产品研究可以怎样继续追问

以下是依据研究提出的待验证评价思路，尚不是经过这两项实验验证的产品方案。

把亲和感与信任是否合适分开测量

比较回应方式时，可以同时记录用户是否感到舒适、是否愿意依赖，以及是否能识别系统回答中的不确定与错误。再将这些判断与实际任务表现对照。目标不必是让信任分数尽可能高，而是理解用户何时愿意相信，以及这种相信是否有依据。

研究用户选择说什么，而不只数代词

若要评价自我表露，可以在知情同意和尽量少收集信息的前提下，区分一般经历、情绪感受与敏感内容，并询问用户是否清楚信息用途、是否能选择不回答。更长的对话或更多“我”的出现，无法单独说明交流更有帮助，或用户作出了更自主的选择。

让交流角色与处理责任都清楚可见

可以测试清楚的 AI 身份说明、对生成经历表达的解释，以及容易找到的反馈和处理入口。出现问题时，用户是否知道由谁运营、可以向谁提出修改或删除请求？这些安排能否改善理解，需要另行比较，而不是把论文的责任相关当成它们已经有效的证明。

理解拟人化的价值，需要同时看互动怎样发生、信任怎样形成，以及出错时问题怎样被处理。这些问题可以一同研究，各自仍需要相应证据。

信任的目标，是与能力和角色相称

数字疗愈中的信任值得认真对待，因为它影响人愿意表达什么、接受什么，以及如何作决定。后续研究可以把“是否感到亲近”“判断是否准确”“能否自主选择”分开测量，再观察它们怎样共同进入体验。这是一条待验证的研究路线，并不要求以尽可能高的信任评分作为最终目标。