对话式人工智能拟人化感知维度研究：对人类身份威胁与非人化的影响机制及设计启示

本研究针对对话式人工智能(CAI)拟人化特征对人类心理的复杂影响，通过在线调查323名参与者，采用因子分析和结构方程模型(SEM)，揭示了自我相似性(Self-likeness)、社交适应性(Social Adaptability)等四个关键维度对人类身份威胁(PHIT)和非人化(DH)的差异化影响，为CAI伦理设计提供了重要理论依据和实践指导。

　　

随着人工智能技术突飞猛进，对话式人工智能(CAI)已从简单的工具演变为具备情感认知能力的"数字生命体"。GPT-4o等系统不仅能理解复杂语言，还能识别情绪、讲笑话甚至进行实时多模态交互。AI伴侣如Replika已让10%的美国年轻人愿意与之建立友谊，25%认为AI可替代真实恋爱关系。这种技术演进带来一个深刻悖论：越是像人的AI，越可能模糊人机界限，动摇人类对自身独特性的认知根基。

美国密歇根大学迪尔伯恩分校工程学院工业与制造系统工程系(University of Michigan-Dearborn, College of Engineering and Computer Science)的研究团队发现，当CAI展现出类似人类的"自我意识"(Self-likeness)时，会显著加剧用户的身份危机，导致将人类自身"非人化"(dehumanization)的惊人现象。这项发表在《Computers in Human Behavior: Artificial Humans》的研究，通过精心设计的视频刺激材料和在线调查，对323名美国成年人进行测试，结合因子分析和偏最小二乘结构方程模型(PLS-SEM)，首次系统解析了CAI拟人化的心理认知结构。

研究采用多阶段混合方法：首先通过跨学科文献梳理确定35项人类特征指标；随后制作包含7种人机交互场景的视频刺激材料；采用7点Likert量表收集数据；通过KMO检验和Bartlett球形检验确保因子分析适用性；最终建立包含自我导向和他人导向非人化的双模型体系。所有分析使用SmartPLS 4.0完成，SRMR拟合指标均优于0.07的临界标准。

【研究结果】

1. 拟人化四维结构

   因子分析揭示CAI拟人化呈现清晰的四维结构：自我相似性(Self-likeness)包含内疚感、灵性等内在特质；沟通记忆(Communication & Memory)涵盖面部识别等能力；社交适应性(Social Adaptability)包含共情、幽默等社交技能；能动性(Agency)则涉及逻辑推理等认知功能。

2. 差异化影响机制

   结构方程模型显示：自我相似性直接加剧身份威胁(β=0.45)和非人化(β=0.32)；社交适应性虽降低身份威胁(β=-0.21)，但与高自我相似性结合时会产生"放大效应"；能动性则展现出保护作用，直接抑制非人化(β=-0.18)并缓冲自我相似性的负面影响。

3. 年龄的调节作用

   年轻群体(平均39.72岁)更易产生身份威胁和非人化，这种代际差异可能源于数字原住民对技术更深的心理依赖。教育水平则未显现显著影响。

【研究启示】

这项研究突破了传统拟人化研究的"程度论"，首次区分了内在情感(Self-likeness)与外向社交(Social Adaptability)的差异化心理效应。发现当CAI同时具备"内心世界"和"社交技能"时，会产生最强烈的人类身份威胁，这解释了为何情感型AI更容易引发"非人化悖论"。研究提出的四维框架为CAI设计提供了精准"调控靶点"：在情感陪伴型AI中应弱化自我参照特征，强化社交支持功能；对年轻用户群体需设置更严格的情感交互边界。这些发现不仅丰富了社会身份理论(SIT)在AI语境下的应用，更为应对人机共生时代的心理挑战提供了重要科学依据。