对话式人工智能在心理健康护理中的人类化认知信任：概念框架与伦理挑战

这篇综述深入探讨了对话式人工智能(CAI)在心理健康领域应用时引发的认知信任(epistemic trust)概念转移问题。文章通过分析CAI模拟人类特征的七个关键条件，对比了二分法(dichotomic)与关系型(relational)两种AI认知框架，创新性提出将CAI视为虚构角色(fictional character)的第三种路径，为构建负责任的人机交互(responsible human-AI interaction)提供了重要理论工具。研究特别关注心理治疗(psychotherapy)场景下伦理设计(ethical design)的规范要求，揭示了CAI作为非人类实体在满足认知信任条件时存在的本质局限。

　　

背景：对话式AI、拟人化与认知信任困境

随着聊天机器人等对话式人工智能(CAI)在心理健康领域的广泛应用，从预防干预到治疗支持，技术开发者正致力于构建具有治疗性关系的人工智能系统。CAI通过模拟人类对话特征（如共情表达）实现拟人化(humanization)，这种技术特性在心理健康领域产生了独特挑战——模糊了工具与人类主体的界限。当患者将对人类治疗师的认知信任转移到CAI时，便形成了概念迁移(conceptual transfer)现象。

认知信任作为心理治疗的核心要素，包含患者将治疗师提供的信息视为具有个人相关性和普适性的意愿。传统认知信任包含七个关键条件：陈述命题P的存在、陈述者的存在、陈述者的论证能力、诚实沟通、双方关系、信任者的信念形成，以及专业领域特有的福祉考量。分析显示，CAI仅能完全满足第一个条件，其余条件均存在本质性缺陷。

概念分析框架：认知信任的七个维度

在陈述产生机制上，CAI虽然能生成语句，但缺乏命题态度(propositional attitude)和语义理解能力。其基于概率计算的响应机制与人类基于信念和欲望的言说行为存在本质差异。就论证能力而言，CAI虽可通过可靠数据处理实现外部主义(externalist)意义上的论证，但缺乏内部主义(internalist)所要求的理性承诺和社区规范约束。

沟通诚实性方面，CAI无法具备道德主体的真诚意图；在治疗关系维度，CAI无法建立真正互惠的"我们模式"(we-mode)，也难以处理信任破裂后的修复过程。专业福祉考量中，CAI受限于训练数据的代表性和算法透明度问题，难以实现个性化诊疗所需的语义理解和临床判断。

二分法视角：本体论与现象学的割裂

传统二分法(dichotomic account)将CAI属性区分为本体真实性和现象表现性。该视角下，CAI作为认知信任对象存在根本矛盾：本体层面缺乏必要的认知、道德和社会能动性；现象层面却通过设计刻意诱导人类式信任。这种割裂在心理健康应用中尤为显著——当CAI模拟治疗性改变时，其"无立场视角"(view from nowhere)无法提供人类治疗师特有的经验分享和共同理解。

关系型路径：社会技术系统的动态认知

关系型理论(relational account)主张从社会技术环境审视CAI，强调技术与人际关系的共同建构。该视角认为认知信任的适当性应取决于具体使用场景和使用者感知，而非固定属性。在提供心理健康信息等"强认知情境"中，CAI基于大数据处理的可靠性可能超越人类专家；但在需要深度共情的治疗性对话中，其局限性则更为明显。

创新框架：作为虚构叙事的CAI

综合两种路径的优劣，研究提出将CAI视为虚构角色(fictional character)的第三种认知框架。这一构想借鉴了文学理论中"默认认知信任"概念，将CAI交互视为一种知识促成(enabling)而非知识奠基(grounding)的过程。如同虚构叙事能安全传递经验知识，CAI可成为治疗过程中的媒介工具，但其产生的认知改变最终需要人类治疗师的专业确认。

该框架突破了"工具或主体"的二元对立，通过强调交互行动本身而非实体属性，为CAI在心理健康领域的角色定位提供了新思路。研究特别指出，随着技术迭代和社会认知演变，相关概念内涵可能发生进一步迁移，这要求伦理设计保持动态适应的灵活性。

临床启示与规范建议

分析表明，CAI在心理健康应用需严格区分两类场景：事实性信息传递可从其大数据处理优势中获益；而涉及治疗性改变的深度互动则必须明确技术边界。研究建议通过界面设计明确CAI的虚构属性，避免产生不合理的认知期待；同时建立人工复核机制，确保CAI输出符合临床伦理标准。

这项研究为正在快速发展的心理健康AI领域提供了重要的概念澄清工具，其提出的三分框架——二分法分析、关系型认知和虚构叙事理解——为后续技术评估和伦理治理奠定了理论基础。随着大型语言模型(LLM)能力的持续增强，这种概念性反思将变得愈发重要。