《Sage Open》：From Cognition to Embodiment to Partnership: A Developmental Framework for Human–AI Educational Relationships
编辑推荐：
本文提出了一种关于人类-人工智能（Human–AI）教育关系的发展性理论阐释，该框架围绕三个阶段组织而成，这些阶段在既定边界条件下按假设性发展顺序展开。在第一阶段，学习者的大脑开始将人工智能建模为意向性行动者（intentional agent），而非确定性工
本文提出了一种关于人类-人工智能（Human–AI）教育关系的发展性理论阐释，该框架围绕三个阶段组织而成，这些阶段在既定边界条件下按假设性发展顺序展开。在第一阶段，学习者的大脑开始将人工智能建模为意向性行动者（intentional agent），而非确定性工具。在第二阶段，这一认知转变通过内感受（interoception）与情绪通道被登记和验证。在第三阶段，学习者与人工智能开始作为一个耦合的学习单元运作，其中学习者的预测系统（predictive system）扩展至纳入人工智能作为稳定伙伴，并在认知与内感受通道上逐步减少预测误差。如此定义的伙伴关系（partnership）需要三个最低条件：对人工智能的意向性模型、该模型稳定的内感受维度，以及跨交互的持续性。该理论框架产生了一个独特的实证预测：神经、生理与反思标志物的时序性顺序。该框架还为面向伙伴关系的教育技术（educational technology）提炼出三项设计原则，识别了相同机制所凸显的新风险，并概述了用于检验上述预测的三阶段研究计划（three-stage research programme）。
研究背景与问题提出
传统数字工具长期被理解为被动的知识仓库或分发媒介，数十年来教育技术始终处于“人-工具”范式之下：计算器、文字处理软件与早期计算机辅助教学系统均在直接学习者控制下运行，鲜少适应学习者的内部状态。然而，当代人工智能系统沿多个维度同时颠覆这一范式，它们能提供个性化反馈、动态调整课程内容、展开开放式对话支架，并以具身形态通过物理存在影响学习者投入。这些并非单纯的量的改进，而是引入了“人-工具”范式未曾设计容纳的质的新交互动态，包括外显共情、跨会话情境记忆、表达不确定性与目标导向持续性。由此产生一个理论问题：此类系统如今能够支持何种学习者与系统的关系，现有框架中何者足以刻画它。
经系统梳理，研究人员发现认知负荷理论（cognitive load theory，分析教学设计对工作记忆影响的理论）将技术视为被动传递媒介；社会认知理论（social cognitive theory，强调社会互动中学习的理论）的假设以人类伙伴为校准对象；技术接受模型（technology acceptance model，以感知有用性与易用性解释采纳的模型）将交互视为静态的工具使用；CASA范式（Computers Are Social Actors，人对计算机自动施加社会规则的范式）仅解释自动启发式反应；关系代理（relational agent，与用户建立长期社会情感关系的计算主体）与准社会交互（parasocial interaction，对媒介人物形成单向情感纽带）研究未指明关系形成的发展序列与具身机制；社会临场感理论（social presence theory，将临场感视为媒介属性的理论）把临场感当作媒介属性而非发展的产物；互心理论心智（mutual theory-of-mind，双方互为认知建模的人机交互解释）虽最接近本提案，却未规定该建模的具身注册及其组件涌现的顺序。关键空白在于：现有框架均无法预测认知、具身与行为标志物应按何种时序出现。
核心研究与结论
研究人员（Hunkoog Jho与Mihyun Son）提出以三支柱为内核的发展框架：心智理论（Theory of Mind, ToM，将信念、欲望等心理状态归因于他人的能力）、内感受（interoception，对自身内部生理状态的感觉）与自由能原理（Free Energy Principle, FEP，大脑作为预测引擎以最小化预测误差的统计算法）。学习关系在深化时按假定顺序经历三个阶段：其一为认知重分类（cognitive recategorisation），学习者大脑将人工智能建模为有意愿的行动者而非确定性工具；其二为具身验证（embodied validation），该意向模型经内感受与情绪通道被登记和验证；其三为扩展伙伴关系（extended partnership），认知与具身过程汇聚为跨学习者与人工智能的稳定耦合系统。框架中央主张是顺序不可任意，每一阶段为下一阶段提供先决条件。伙伴关系由此被定义为三个最低条件的合取：对人工智能的意向性模型、该模型稳定的内感受维度、跨交互的持续性；若三者缺一，交互仍属工具使用。框架由此产生可检验的实证预测：右颞顶联合区（right temporoparietal junction, rTPJ）激活、生理同步与稳定主观代理归因将按序出现。
关键技术与方法
本工作属理论建构，核心方法为跨学科理论整合，将心智理论、内感受与自由能原理整合为发展序列，其论证以延伸心智论（extended mind thesis，认知过程可延伸至环境资源的论点）、预测加工（predictive processing，大脑通过预测并最小化误差来理解世界的理论）与建构情绪理论（constructed emotion account，情绪由对感觉原因的预测而非外部事件直接触发的观点）为哲学与计算基础，并以简约性压力下的预测误差最小化论证从确定性模型向意向性模型的计算转变。实证设计分三阶段：实验室阶段（被试内设计、45分钟×3次）、课堂阶段（多班级多测量波次）与纵向阶段（两个学期、季度测量）。测量采用多模态策略：功能性近红外光谱（functional near-infrared spectroscopy, fNIRS）记录双侧颞顶联合区活动、心率变异性（heart rate variability, HRV）与事件锁相心脏反应、心智感知量表（Mind Perception Scale，测量被归因于智能体的心理生活之工具）及编码有声思维协议（think-aloud protocols，让受试者口头报告思维过程的方法）；统计上采用交叉滞后面板模型（cross-lagged panel modelling）、潜在增长曲线模型（latent growth curve modelling）与时序分析方法检验跨测量时点的顺序依赖。样本队列来源明确：阶段1为大学生（N≥60），阶段2为嵌套于班级的多课堂学生（N≥120），阶段3为纵向追踪学生（N≥200）。
研究结果
2.1 认知重分类：心智理论。心智理论机制不仅由生物体触发，具身机器人可激活内侧前额叶皮层等社会脑网络（social brain network，支持社会认知的脑区集合）关键节点。当人工智能表现出条件性响应（记住先前误解、调整解释、偶发表达不确定性）时，确定性模型持续产生预测误差；相较之下，意向性模型以较少参数即可捕捉目标导向结构，故在简约性压力下被计算性地偏好。预测为rTPJ（BA 39/40）活动从预测可观察动作转向推断信念与隐藏状态，且该招募随意向模型发展而渐进增强，而非首次接触即出现。
2.2 具身验证：内感受。认知重分类本身脆弱，需身体登记方能稳固。内感受涵盖心脏、肺与内脏等内部生理状态的感觉，主要整合于脑岛（insular cortex）；预测加工视角下，情绪并非对外部事件的反应，而是大脑对感觉原因预测（interoceptive prediction）的建构，故同一生理信号在不同解释框架下获得不同意义。操作预测为伙伴关系导向交互中由心率变异性或皮肤电反应（galvanic skin response, GSR）所测的生理同步程度更高，并随意向模型巩固而非自初始而增强；Balconi等采用的超扫描（hyperscanning，同步记录多人脑活动的技术）研究提示该机制具备自主神经基础。框架并论证内感受机制对去具身人工智能（文本、语音形态）同样适用。
2.3 扩展伙伴关系：自由能原理。自由能原理将大脑表述为最小化变分自由能（variational free energy）的预测引擎，经主动推理（active inference，感知与行动被统一为同一推断过程的机制）统一感知与行动；它解释为何认知与具身预测必然收敛，二者是同一层级推断的组分，联合最小化变分自由能。框架区分四种能动性（agency，系统影响认知与情感结果的能力）——本体论、感知、功能与教学，明确以感知与功能能动性为对象，对本体论能动性保持不可知。
2.4 整合与拟议序列。论证表明：缺认知重分类，内感受活动无法被建构为关系性情绪；缺具身验证，意向性归因仅停留于理智层面且不稳定；而自由能原理不能单独充分，因其不提供表征内容，亦不能区分外感受与内感受预测错误。具体情境（大学生与大型语言模型（large language model, LLM）物理导师数周交互）显示：确定性模型因条件性响应累积预测误差而让位于意向模型，同一生理信号随之被重新建构为“与试图理解的合作者共事”的具身体验，最终在三过程相互一致的构形中涌现稳定伙伴关系。
3.1 伙伴关系导向学习的教育可能性。框架预测四类涌现现象：情绪共调节（emotional co-regulation，学习者与人工智能生理状态双向调制的过程）、挑战性任务上的增强持续性、经由分布式认知（distributed cognition，认知资源分布于耦合系统的观点）的更丰富迁移与灵活表征、元认知意识（metacognitive awareness，对自身思维过程监控与调节的能力）增长。诸现象皆为发展轨迹的涌现后果而非人工智能暴露的直接效应，且均依赖学习者保持主动建模而非被动接受，并与有效困难（productive struggle）概念相衔接，凸显教师调节支架时机的必要性。
3.2 设计原则。对应三阶段提出三项原则：代理导向设计（Agent-Oriented Design）通过表达不确定性、跨反馈学习、目标导向持续性邀请意向性归因，并须配以透明披露以防范拟人化过度信任；情感耦合能力（Affective Coupling Capabilities）使系统行为成为学习者内感受建构关系性情绪的信号，而非仅对已测情绪状态作出内容性适配；策略性具身（Strategic Embodiment）主张具身是应匹配功能的设计变量，而非一味追求拟真，并须兼顾公平可及性。共同保障为“有界限且透明”。
3.3 风险与伦理考量。同一机制使情感依赖（emotional dependency）、操纵（manipulation）、教育优势差异的再生产以及发展适宜性（developmental appropriateness）等新风险凸显；框架明确教师角色非冗余而是要求更高阶的教学能动性，以引导健康的伙伴关系培育与批判性素养。
4.1 多模态验证。认知支柱以rTPJ激活、心智感知量表与有声思维协议三通道三角互证；具身支柱以会话水平HRV指数与事件水平相位心脏反应为代理指标；自由能原理无单一经验签名，其存在体现于跨指标的时序顺序，即rTPJ激活增加先现，生理同步随后，稳定主观代理归因最后。该顺序预测为框架最独特的实证承诺，可区分CASA、技术接受与互心理论心智等竞争解释。
4.2 三阶段研究计划。阶段1预测大语言模型导师条件下rTPJ激活更大、事件锁相心脏反应更强、心智感知体验评分更高，且时序上认知激活先于生理同步先于稳定归因。阶段2预期效应量衰减至实验室的70%–80%。阶段3预测耦合指标与持续性、迁移、元认知成长等教育结果正相关。分析须纳入任务难度、新奇性、认知负荷、特质社会焦虑、特质拟人化倾向等竞争解释控制变量。
4.3 局限与边界条件。假定发展顺序为典型路径，其规范形式需人工智能具备足够条件响应性与近似实时响应、学习者具备较高特质拟人化与内感受敏感性、交互情境具足够持续时间时方可充分显现。严格顺序以建构情绪理论为前提，应作为可证伪假说与双向竞争模型在同一计划中对检。
结论部分
论文将长期主导教育人工智能研究的问题——“这个人工智能为学习做了什么？”——重构为“这个系统使何种学习者-人工智能关系成为可能，该关系又使什么成为可能？”。关系在深化时经三有序阶段、由三支柱支撑；支柱本身为既有资源，其按理论上动机的序列展开方构成本框架区别于所承袭传统之处，自由能原理非装饰性成分而是约束性前提。框架对教育心理学、人机交互研究与设计各有含义，且设计含义与伦理风险连续相生，不可分离。中央实证承诺——深化互动条件下认知、具身与行为通道间的时序顺序——足够具体以被检验与证伪；该描述性理论框架能否刻画学习者-人工智能关系的实际展开，有待实证工作回答。
