人工智能与人类自我表露的等效性：个体差异对AI临床工具应用的影响研究

本研究针对AI在心理治疗场景中的应用瓶颈，通过强制选择范式比较个体向AI与人类研究者的自我表露倾向。研究发现参与者向AI披露个人信息（Self-based statements）的意愿与人类研究者无显著差异（p=1.0），且均显著高于隐私条件（p<0.05）。负向AI态度量表（GAAIS）得分高者更少选择自我表露（β=-0.37，p<0.001），为AI在心理健康领域的应用提供了行为学依据。

　　

随着人工智能(AI)技术渗透到心理治疗领域，一个关键问题浮出水面：人们是否愿意像对真人治疗师那样向AI敞开心扉？这个问题直接关系到AI能否真正成为有效的临床工具。当前心理健康服务面临严重的人力短缺，治疗师职业倦怠率居高不下，而AI的介入可能改变这一局面——但前提是它能获得患者的信任和坦诚。

Florida Atlantic University的研究团队在《Computers in Human Behavior: Artificial Humans》发表了一项开创性研究。他们采用改良的Tamir & Mitchell范式，设计3（AI/研究者/隐私）×2（自我陈述/事实陈述）的强制选择实验。89名参与者完成44组随机配对选择，同时接受MINI-IPIP人格量表和GAAIS态度量表评估。

关键技术包括：1) 平衡兴趣值的自我/事实陈述库构建（Z-score校验）；2) 三条件重复测量ANOVA分析；3) 多元回归模型检验人格特质(大五模型)、AI态度(正/负向子量表)与自我表露选择的关系。结果显示：自我陈述选择率(20.69±0.67)显著高于事实陈述(12.64±0.67，p<0.001)，且AI(21.63±7.45)与研究者条件(21.58±7.98)无差异(p=1.0)，但均高于隐私条件(18.87±6.45)。

在"个体差异影响"部分，研究发现：高宜人性(β=-0.25)和高负向AI态度(β=-0.37)者更少选择AI自我表露。值得注意的是，负向AI态度对三类条件均有抑制作用，提示这类人群可能普遍回避个人信息分享。

讨论部分揭示了三个关键启示：首先，这为计算机社会代理人(CASA)理论提供了新证据——即使未经AI定义说明，人们仍将其视为等效的社会主体。其次，推翻了过去认为外向性(Extraversion)影响AI交互的假设，凸显出宜人性(Agreeableness)的核心作用。最后，AI态度与表露行为的负相关暗示，消除AI负面印象可能是临床推广的关键障碍。

这项研究突破了传统自我表露研究的局限：通过控制陈述兴趣度排除了内容偏好干扰，采用行为选择数据替代自我报告，并首次引入隐私条件作为基线对照。它为AI在心理危机干预、慢性病管理等需要持续披露的领域应用铺平了道路，但研究者也指出，下一步需要考察深度自我表露(如创伤经历)的等效性，以及不同AI形态(如具身机器人)的影响差异。

这些发现恰逢心理健康服务数字化转型的关键期。据Yang等2024年数据，68%的治疗师存在职业倦怠，而能坚持使用AI辅助工具的患者症状缓解率提升40%。当AI能够获得与人类治疗师同等的自我表露，就意味着它可能承担初筛、日常监测等基础工作，让专业人员聚焦于核心治疗决策——这种分工或许能重塑心理健康服务的供给模式。