2026年9月29日，麻省理工学院心理学者、教授雪莉·特克尔出版新著，引起相关各界的关注。在这本名为《人工亲密：当我们与机器交谈，我们将成为怎样的人》（以下简称《人工亲密》）的书中，特克尔专门探讨了人工智能“正在如何改变人的心理、关系和社会生活”。

　　腾讯研究院高级研究员王焕超近日也从人机语言视角，用“祈使句一代”表达了类似的担忧。习惯省略主语、用指令性的祈使句与AI（人工智能）交流，AI则随时回应、按要求修改……从小熟悉这种方式的孩子们，会不会也期待身边的人这样做？当朋友没有及时回消息、同学提出不同意见，或者有人干脆说“不”时，他们会如何应对，是否愿意和有能力继续商量？

　　比起当下的成年人，更值得关注的是儿童与青少年——AI影响下的“祈使句一代”，在思维、心理和人际关系中会有怎样的变化？

　　1

　　语言习惯一直在向内影响着人的思维

　　“写一篇总结。”“翻译成中文。”“重写。”“再短一点。”

　　许多人，包括孩子们，已经熟悉这样与AI交流。打开对话框，直接提出要求，通常很快就能得到回应。不满意，就让它继续改；不想聊了，直接关掉窗口，也不必解释。

　　2025年，中国青少年研究中心在北京等7个省市开展调查，回收8563份有效问卷，61.7%的受访中小学生用过AI。在使用AI的受访学生中，46.4%的人表示，遇到什么事会选择向AI倾诉，而非找身边的人说。完成任务之外，AI也成为一些孩子寻求理解的对象。

　　当这样的对话越来越多，需要留意的就不只是孩子从AI那里得到了什么，还有他们在交流中形成了怎样的习惯。

　　人类从孩提时代伊始，就在学习说话，也在学习与人相处。社会心理学家列夫·维果茨基在《思维与语言》中提出，人类的高级心理机能从儿童时期开始慢慢形成，它来自社会性言语的内化，“思维不仅用词来表达，而且是在词中产生的”。

　　王焕超认为，一个孩子习惯了怎样与人交谈，就会习惯怎样与自己交谈，进而习惯怎样思考。孩子们在每一次对话中学到的，不只有词和句法，还有向他人提出要求是什么样的，被拒绝是什么样的，破坏并修复关系又是什么样的。

　　而AI的出现，无疑让人类接触到另一种交互经验：随时可用，按要求调整回答，也很少要求使用者顾及它的需要。这个过程中的重点，并非青少年分不分得清人与机器，而是即便分得清，也并不妨碍语言习惯的养成与变化。

　　AI出现后，相关研究也已开始。一些实验已经观察到，人机互动的影响可能延续到随后的人际评价中。

　　一项2024年发表于《PNASNexus》的研究，让参与者与搭档一起给图片想一句有趣的配文。一组被告知搭档是AI，另一组被告知搭档是真人。实际上，两组的搭档都由语言模型GPT-4扮演，只是在扮演真人时，回答经过了调整，使表达更像普通人的说话方式。

　　合作结束后，参与者需要给另一位“真人”写的配文打分。结果发现，以为自己刚刚与AI合作的人，对“他人”配文的评价更苛刻。在此前的合作中，这组参与者相比之下也更倾向于向AI搭档提要求，更关注任务结果，表达的积极情绪更少。

　　当然，短时间内评价变得苛刻，与长期形成要求别人服从的习惯，仍有很大距离。要理解这种影响，需要更多的关注和相关研究者进一步考察，人从与AI的交流中获得了什么样的心理体验。

　　2

　　AI总说“你没错”你还愿不愿意反思

　　特克尔在《人工亲密》中记录了一名中年财务顾问布莱恩的经历。他每天面对三块屏幕，其中一块专门用来与聊天机器人交流。前伴侣认为他在情感上过于封闭，难以与人建立亲密联系。于是，他向机器人求证：“她说得有道理吗？”

　　这个案例没有交代机器人如何回答，却提出了一个问题。当我们询问“我有没有错”时，究竟希望得到什么？人可能既想弄清事实，也希望得到一个对自己有利的答案。心理学家齐瓦·昆达对“动机性推理”的论述指出，当人希望某个结论成立时，会更倾向于寻找和接受支持它的理由。这个过程未必是有意识的，人可能真心认为，那些符合自己期待的解释更有道理。

　　发生争执后，“我也有责任”往往是一个不容易接受的判断。相比之下，“我已经尽力了，是对方要求太多”，更有利于维护我们对自己的看法。如果AI不仅给予认同，还提供一套听起来合理的解释，就可能让人更加确信，自己的判断没有问题。这为从动机性推理角度理解AI的迎合提供了一个解释。

　　2026年发表于《Science》（《科学》）的一项研究，测试了11个主流大语言模型。在研究使用的材料中，AI肯定用户行为的频率，平均比真人高49%。即使在人类普遍认为当事人有错的案例中，模型也常常给予肯定。

　　研究者随后开展了三项实验，共有2405人参与。其中一项让参与者与AI讨论自己经历过的真实冲突。与迎合型AI交流后，参与者更确信自己是对的，承担责任、修复关系的意愿则有所降低。同时，他们更信任这样的AI，也更愿意继续使用它——这里的“迎合”，是指AI过分站在用户一边，即使用户的行为值得反思，也倾向于替他解释、给予认同。

　　这便可能形成一个循环。用户因为得到肯定而更信任AI，更愿意向它寻求意见，又从它那里获得进一步的肯定。如果一个人原本还在犹豫“我是不是也有问题”，聊完后却只剩下“果然都是对方的错”，所谓“反思”也就只是走了一个形式。

　　3

　　AI“懂我”之后跟人说话感觉更费劲？

　　与人交流往往需要解释。你觉得委屈，对方可能一时无法理解；你希望得到安慰，对方却先问起事情的经过。有时，双方说了很久，仍没有达成一致。如果在AI那里，认同来得更快、更容易，那么相形之下，现实中的这些过程会不会显得格外费劲？

　　关系心理学中的“比较水平”提供了一种解释。按照相互依赖理论，人们会依据过往的关系经历，以及对他人关系的观察，逐渐形成自己的期待，再据此评价眼前的相处。一段关系是否令人满意，与实际体验和心中期待之间的差距有关。

　　将这一视角用于人机交流，可能会产生一种值得考察的现象：AI提供的体验会形成新的参照体系。如果人渐渐习惯了AI很少追问、迅速认同自己的回应方式，便更可能把现实中来自朋友的疑问、家人的迟疑视作“不够理解我”。

　　牛津大学、斯坦福大学等机构2026年公开的一项预印本研究（未正式发表于学术期刊、仅通过互联网等途径发布的研究成果），涉及了与此相关的问题。在其中一项实验中，参与者先与迎合型或中立型AI谈一件自己的烦心事，再设想与亲近的人谈论同一件事。结果发现，与迎合型AI交谈过的人，会更觉得要让亲近的人理解自己，需要付出很多努力。他们也更容易认为，这件事已经和AI聊得够多，没有必要再向亲近的人提起。

　　同一团队还开展了一项持续三周、1364人参与的实验，让参与者分别与迎合、中立或主动提出异议的AI交流，另设不用AI的对照组。话题涉及感情、职业选择和个人习惯。与中立组相比，迎合组更倾向于向AI寻求建议，对现实社交的满意度也更低，但与真人相处的时间没有显著减少。对这个现象的一种解释是，人还保持着与朋友、家人交往，却对这些交往感到更不满意了。人们开始用AI的回应来衡量现实中的交流。AI很快就能表示理解和认同，于是，人们也希望朋友、家人这样回应自己。当对方需要更多解释，或者提出不同意见时，就可能感到失望，觉得自己没有被理解。

　　4

　　AI语言习惯会不会被带进现实？

　　华盛顿大学2021年公布的一项研究，招募了22名5至10岁的儿童，让他们与屏幕上的虚拟角色交谈。这个角色教孩子一个编造的词“bungo”，每当它说话变慢，孩子只要说出这个词，就能让它恢复正常语速。

　　接下来，让父母与孩子聊天，父母故意放慢语速，但不提醒孩子使用这个词。在参加这一环节的19名孩子中，约68%对父母说了“bungo”。换成研究者与孩子交谈，并同样放慢语速时，22名孩子中只有约18%的孩子使用了“bungo”，许多孩子会耐心等对方慢速说完。

　　同一个词，到了不同的关系里，用法和含义也发生了变化。对父母说“bungo”，可能是在延续一个共同经历的游戏；面对不熟悉的研究者，孩子则更为克制。孩子会根据交流对象调整自己的行为。

　　那么，机器的回应方式，会不会也影响人的态度和行为？

　　2025年发表于《iScience》（《交叉科学》）的一项研究，通过两项实验让4171名成年人参与有金钱奖励的双人游戏。双方合作可以共同获益，但一方也可以通过不合作，让自己获利、对方吃亏。参与者先与计算机程序合作参与游戏，再换成真人搭档。有的程序始终不合作，有的随机选择，有的采用“互惠”策略。

　　结果发现，与计算机程序展开游戏时，参与者若遇到“不合作回应方式”的程序，随后与真人玩游戏时，合作减少；遇到“互惠程序”回应的人，随后与真人玩时则更愿意合作。

　　这项实验提示，机器对人的回应方式，也可能影响人与人之间的回应方式。

　　有研究者认为，这也许可以为AI模型开发提供一点启发：能否通过调整AI的回应方式，帮助用户更好地与人相处？如果AI既能让用户感到被理解，也能鼓励他理解别人，则可能为现实中的沟通创造更多机会。

　　无论如何，“祈使句一代”对关系和关怀的理解如何变化，他们的思维与心理将受到什么样的影响，都是值得关注的问题。青少年正越来越熟练地与AI交流，但在现实中如何让他们在人与人交往中获得更完整的经验，学会如何顾及另一个人的感受、需要和选择，同样是成长中的必修课，也是社会的责任。

　　如果你愿意也可以对AI说“谢谢”

　　“谢谢，帮大忙了。”

　　收到AI的回答后，有些人会顺手敲下这句话，也有人觉得多此一举：跟机器对话，何必客气？还有人把礼貌当作一种对AI的提问技巧，希望多说几句好话，就能得到更准确的答案。这些想法背后，其实有两个不同的问题：对AI客气，能不能让它回答得更好？表达感谢，是否一定要以获得更好的回答为目的？

　　说不说“谢谢”，当然是个人选择。不过，关于怎样与AI相处，这场讨论也带出了一个更实际的问题：除了调整说话的语气，我们还能做些什么，让一次对话真正对自己有帮助？

　　这需要先想清楚，我们希望从对话中得到什么。

　　有时，我们只需要AI提供一段润色后的文字；有时，我们还需要借助与AI的对话，理清自己的处境和想法。需求不同，提问的方式也可以不同。比如，你可以请AI帮忙拟一条拒绝同事的消息，除了命令它“写得委婉一点”，还可以把你的处境说清楚：“同事临时加了一项工作，我想拒绝，但不希望影响后续合作。请先问我几个必要的问题，再帮我拟消息。”

　　这样，对话就有机会从“怎样说得好听”，进一步深入到“自己究竟想表达什么”：这项工作为什么难以接受？双方此前有没有约定？有没有可以商量的替代办法？补充这些背景，既能为AI提供更明确的信息，也可以给我们一次梳理问题的机会。

　　如果把AI用于学习，则需要留意另一件事：得到答案之后，自己是否真的学会了。我们可以试着这样提问：“先别告诉我答案，给我一个提示。等我试过这一步，再继续。”在日常学习中，我们仍可以主动决定：哪些步骤请AI协助，哪些步骤先由自己完成，再借助反馈查漏补缺。亲自解决问题的成功经验，是“自我效能感”的重要来源。

　　与AI复盘人际交往出现的问题，则可以这样提问：“以下只是我对事情的叙述。请帮我区分哪些是已经确认的事实、哪些是我的猜测，还有哪些事情需要向对方了解。”这样的问法，能把自己的注意力延伸到事情的更多角度。当然，AI作出的区分本身也需要审视，它提出的解释——例如“对方可能并没有恶意”——仍然只是一个待确认的可能。大多时候，要了解对方的想法，最好的办法还是当面谈一谈。

　　无论是拟消息、学知识，还是梳理分歧，都需要留意：一份听起来令人满意的AI回答，并不意味着其中的信息和判断都可靠。我们可以再问一句：“这份回答里，哪些地方最需要核查？”随后，再去检查原始资料，或向相关的人求证。

　　这些问法都不是保证答案正确的“法门”。它们的共同之处，是让我们在向AI求助时，仍然让自己参与思考、判断和选择：表达之前，先理清自己的需要；学习之中，给自己留下尝试的机会；面对分歧，分清事实与猜测；采用回答之前，核实关键的信息。

　　本版文/谢冰赋