从外在动机到内在动机：测试一种基于人工智能的动机访谈系统，以培养亲社会动机

《Computers in Human Behavior Reports》：From Extrinsic to Intrinsic Motivation: Testing an AI-powered Motivational Interviewing System to Foster Prosocial Motivation

本研究开发并测试了基于GPT-4的Intrinsic AI激励性聊天机器人，通过随机对照试验发现，实验组在24小时内显著提升利他动机（p<0.001），但未持久影响特质动机或利他行为（p>0.056）。结果证明单次干预难以实现长期行为改变，但验证了AI自动化动机干预的理论可行性。

　　这是一项重要的研究，探讨了基于人工智能的动机访谈干预是否能够有效促进社会行为的持续改变。在当前社会中，行为改变是解决各种社会问题的关键，而传统的干预方式往往依赖于高强度的一对一治疗，这在资源和时间上都对广泛应用构成了限制。因此，研究者们试图通过开发一种基于自决理论的AI聊天机器人——Intrinsic AI，来提供一种更可扩展、更高效的替代方案。这项研究不仅验证了Intrinsic AI在短期内对社会行为动机的提升效果，也揭示了其在实现长期行为改变方面的局限性。

Intrinsic AI是基于GPT-4模型，并结合了自决理论的核心原则进行调优的动机访谈聊天机器人。自决理论强调，个体的内在动机来源于对自身行为意义的认同，包括自主性、胜任感和归属感。通过设计一个包含八个步骤的动机访谈框架，Intrinsic AI旨在引导用户探索其内在价值观，并将其与社会行为联系起来。这种设计使得聊天机器人能够在不直接对抗用户不良冲动的情况下，促进用户对积极行为的认同。与之相对照的是一个未经修改的GPT-4版本，用户可以自由地与它进行对话，从而排除AI对话本身对结果的潜在影响。

研究采用了一项预注册的随机对照试验，共有237名参与者参与。他们被随机分配到两个组：实验组与Intrinsic AI进行15分钟的互动，而对照组则与基础版本的GPT-4进行开放式的对话。在基线、干预后和24小时随访三个时间点，研究者们测量了参与者在动机和行为方面的变化。基线测量包括多个经过验证的自我报告量表，用于评估个体的动机水平；干预后的测量则通过一项基于认知努力的决策任务来评估社会行为的表现。该任务要求参与者在自利与慈善之间做出选择，通过比较他们在不同努力水平和奖励水平下的决策行为，研究者们能够量化其动机水平的差异。

研究结果表明，与对照组相比，实验组参与者在干预后表现出更高的动机准备度。他们认为成为更具有社会性的个体更为重要，对自己改变能力的信心也有所增强，并且更愿意立即开始行动。这些发现表明，基于自决理论的AI聊天机器人确实能够在短期内有效提升个体的动机水平，甚至在与一个强效的对照组进行比较时也显示出显著的效果。然而，这些动机提升的效果并未在24小时随访中持续，也没有转化为更稳定的动机特质或实际的社会行为改变。

研究者们进一步分析了参与者在三个核心动机维度上的变化：自主性、胜任感和归属感。结果发现，这些维度的变化在实验组和对照组之间没有显著差异，表明短暂的AI互动未能在更深层次上改变个体的动机结构。此外，在衡量社会行为的决策任务中，实验组并未表现出比对照组更高的慈善行为倾向。这提示我们，虽然AI能够有效激发个体的动机，但这种动机的提升可能并不足以转化为实际的行为改变，尤其是在需要持续努力和资源投入的情境中。

这一研究的结果具有重要的理论和实践意义。从理论角度来看，它支持了自决理论在行为改变中的作用，即内在动机的形成往往依赖于个体对行为意义的认同，而不是单纯的自我控制能力。从实践角度来看，它展示了AI在实现动机访谈方面的潜力，同时也指出了其局限性。虽然AI可以有效地模拟动机访谈的过程，并在短时间内激发个体的动机，但其效果的持续性和实际行为改变的实现仍需更长时间的互动和更深入的个性化支持。

值得注意的是，研究者们在实验设计中采用了严格的控制措施，以确保AI干预的效果能够被准确评估。对照组与一个未经修改的GPT-4模型进行对话，从而排除了AI对话本身对结果的潜在影响。这种设计使得研究能够更清晰地辨别Intrinsic AI的理论驱动特性与其他AI交互形式之间的差异。此外，研究者们还通过多方法评估体系，从多个角度衡量了干预的效果，包括自我报告量表和行为任务。这种全面的评估方法为未来研究提供了重要的参考。

尽管Intrinsic AI在短期内显示出积极的动机提升效果，但其效果未能在24小时后持续。这一发现与之前关于短期行为干预的研究结果相呼应，表明单一的、短暂的干预可能不足以实现持久的行为改变。传统动机访谈通常需要多次互动，以建立和维持治疗联盟，并不断强化行为与价值观之间的联系。因此，这项研究暗示，未来的AI干预可能需要采用更持久的、分阶段的互动模式，以增强治疗联盟的形成和动机的持续性。

此外，研究者们还探讨了动机与行为之间的差距问题。他们指出，虽然Intrinsic AI在动机层面激发了参与者对社会行为的认同，但在实际行为任务中，这种认同并未转化为更多的慈善行为。这可能是因为实验中的行为任务与参与者在动机访谈中设想的社会行为机会之间存在不匹配。也就是说，AI干预可能激发了参与者对社会行为的一般性动机，但并未针对特定的行为情境进行训练，导致其在实际任务中的表现未能达到预期。这一发现强调了在设计AI干预时，需要更加注重行为与动机之间的具体联系，以确保动机能够转化为实际的行为改变。

从更广泛的角度来看，这项研究为未来AI在行为干预中的应用提供了重要的启示。首先，它表明基于自决理论的AI干预可以在短时间内有效提升个体的动机，为大规模推广行为改变干预提供了可能。其次，它也揭示了AI在实现长期行为改变方面的挑战，即需要更深入的互动和更细致的个性化支持。最后，它提出了未来研究的方向，包括如何通过更长时间的互动来增强治疗联盟，如何在干预中更好地结合行为实践，以及如何评估不同AI模型在动机访谈中的表现。

总之，这项研究为AI在行为改变干预中的应用提供了一个有力的证明，同时也指出了其局限性。它表明，虽然AI可以作为一种有效的工具，帮助个体在短时间内建立对社会行为的认同，但要实现真正的、持久的行为改变，可能需要更深入的、持续的互动。此外，研究还强调了动机与行为之间的复杂关系，以及在设计AI干预时需要考虑的具体情境和目标。这些发现不仅对AI在行为干预领域的应用具有指导意义，也为未来研究提供了重要的理论框架和实践路径。