项目印记

—— 技术之外，人何以为人 ——

摘要：AI 的长处在于完成任务、处理信息与生成内容；人要守住并发展的，是意义判断、共情、价值观、内在动机、复杂人际，以及面对不确定性的心理韧性。本文梳理 AI 时代技术之外的研究版图：人文与价值层面、心性层面（好奇心、挫折感、性格）、情绪与人际层面，并以幽默为个案，说明那些捆绑着个人经验、共情分寸与心理韧性的品质，正在批量供给的浅层替代品面前成为稀缺的"人性信号"。

关键词：人工智能；人文研究；好奇心；心理韧性；人际温暖；幽默

一、引言

AI 研究长期以能力为标尺：更强的推理、更快的生成、更像人的对话。但能力标尺的另一面是一个被低估的问题——当机器接管了记忆、计算与生成，人该守住什么、发展什么？一个朴素的判断是：AI 擅长完成任务、处理信息与生成内容，而人要研究的核心，是守住、发展只有人才能拥有的能力：意义判断、共情、价值观、内在动机、复杂人际，以及面对不确定性的心理韧性。

本文沿这条线索，先勾画技术之外的研究版图，再分别进入心性、情绪与人际三个维度，最后以幽默为个案作具体剖析。

二、人文与价值层面的研究方向

（一）AI 伦理与价值对齐

对齐研究的目标不只是让 AI 不出错，而是处理人类多元价值观的取舍：谁有权定义 AI 的"好"，偏见、公平与算法歧视如何审计，生成内容的版权与真假边界如何划定，深度伪造如何侵蚀社会信任。Awad 等人 2018 年发表在《自然》上的"道德机器"实验收集了数百万人在自动驾驶两难困境中的选择，揭示了不同文化群体的道德偏好差异——这类工作说明，价值对齐不是一个纯工程问题，而是一个人文学问题。

（二）认知与学习理论的重塑

过去学习的重心是记忆、计算与检索，这三者恰是 AI 最擅长替代的部分。研究重心随之转移：人该学什么、不该交给 AI？批判性思维、证据辨别、区分事实与 AI 幻觉，成为基础能力；如何把 AI 当作认知工具而非大脑的替代品，成为教学法的新课题。

（三）主体性的哲学追问

当 AI 可以模仿情感、对话与创作，"人的独特性在哪里"从哲学课问题变成了公共问题：意识与自我的边界、工作与创造的意义、自我实现是否会被重新定义。这些问题没有工程答案，但决定了我们以什么心态使用工程成果。

（四）社会与制度研究

就业结构、社会组织与权力分配如何被 AI 改写；法律如何界定 AI 的责任归属；数字素养教育如何普及；信息茧房与群体极化如何缓解；公共信任如何在合成内容泛滥的环境中重建。

（五）人机沟通理论

Reeves 与 Nass 提出的 CASA 范式（"计算机是社会行动者"）早已证明：人会本能地用社交规则对待计算机，即便明知对方是机器。这引出一系列活跃的研究问题：拟人到什么程度是舒适区，什么程度引发"恐怖谷"；AI 说"我理解你"算不算一种欺骗；人机之间该建立怎样的信任规范。

三、心性维度：好奇心、挫折感与性格培养

（一）好奇心：从搜集答案到提出问题

AI 可以立刻回答问题，但提出有价值、有洞见的问题仍是人独有的能力。过去的好奇心好奇"答案是什么"，AI 时代的好奇心好奇"为什么""还能从什么角度看""这个假设哪里有漏洞"。研究方向因此包括：如何保护深层好奇心，避免即时答案钝化探索欲；如何防止学习者只提简单问题，丧失深度探究的动力。

（二）挫折感与心理韧性

AI 几乎不会疲惫、不会受挫、可以无限重试；人会失败、会痛苦、会迷茫。风险在于：习惯 AI 立刻给出完美结果的人，可能难以承受失败，容错力下降，遇到挫折更容易自我怀疑。研究的重点是重新理解挫折的价值：区分"任务失败"和"自我否定"；培养面对 AI 带来的竞争、失业与能力落差时的心理韧性；接纳人类的有限性。

教育心理学中的"建设性失败"（productive failure，Kapur, 2008）为此提供了依据——让学习者经历必要的挣扎，反而带来更深的理解。智能教学系统中的"挫败检测"研究（如 AutoTutor 系列）则在回答一个相反的问题：检测到学生卡壳时，AI 该立刻提示，还是该让他再挣扎一会儿？

（三）性格培养：判断、责任与独立人格

AI 可以帮你写文案、做计划、给建议，但最终选择与承担后果的只能是人。重要的品质因此从记忆力、执行力，转向独立判断、审慎、责任感、诚实、自律、审美与良知。核心课题是：在 AI 随时提供多种方案的环境里，人如何形成稳定的自我，不被算法和 AI 观点裹挟，拥有自己的价值立场。

四、情绪与人际维度：温暖的来源

（一）情感计算：识别与回应情绪

自 Picard 1997 年《情感计算》开创这一领域以来，研究集中在通过语音、表情与生理信号识别人的情绪状态，并决定如何回应。落地场景包括：AI 导师检测到学生挫败时调整教学节奏，车载系统识别驾驶员烦躁，客服系统提供情绪安抚。

（二）AI 伴侣与"孤独悖论"

这是当前争议最大的方向。Turkle 在《Alone Together》（2011）中早已预警：人对技术期待越多，对彼此期待越少。MIT 媒体实验室 2025 年一项针对伴侣型聊天机器人用户的研究发现，使用程度与更高水平的孤独感、更少的人际互动相关（需注意这是相关性发现，而非因果结论）。机制上的解释是：AI 对话是单向服务于你的偏好，关系中缺少"被他人需要"的维度——而恰恰是付出与被需要构成了人际满足感的来源。

（三）情绪能力的退化风险

AI 可以识别情绪关键词、模拟安慰，但没有真实感受。长期依赖 AI 对话可能造成情绪能力退化：习惯 AI 顺着自己说话的人，可能越来越难以接受真实人际中的冲突与不同意见。研究重点包括：分辨 AI 模拟的情绪与真实人类情感；提升人的情绪觉察，读懂语气、微表情与语境中的非语言信号；评估"情绪顺毛"式交互的长期影响。

（四）具身共情与复杂对话

AI 对话可以随时开启、随时结束；真实人际关系有矛盾、等待、妥协与付出，而这些恰是人际温暖的来源。发展方向包括：在真实相处中体会他人处境的具身共情，而非文字层面的同情；练习模糊、含蓄、有潜台词、有冲突、需要互相妥协的复杂对话；重建人与人之间的信任、陪伴与责任。AI 可以做陪伴工具，但无法承担人与人之间的承诺。

（五）特殊人群中的积极证据

这一方向也有相对乐观的面向：社交机器人 Kaspar 帮助自闭症儿童练习眼神与轮流对话；Paro 海豹机器人与 ElliQ 用于痴呆老人和独居老人陪伴；Woebot、Wysa 等 AI 心理咨询工具对轻中度焦虑抑郁显示出一定效果。一种被看好的模式是：AI 做前端筛查与日常陪伴，人类咨询师负责关键节点。这些场景证据积极，很大程度上正因为服务对象确实缺乏人际接触——AI 填补的是空缺，而非替代存在的关系。

五、个案剖析：幽默作为"人性信号"

（一）两种幽默

AI 懂笑话结构、网络梗、双关与反差，能按用户口味写段子、模仿搞笑文风，但它的幽默是计算出来的：没有真实体验，不会因为生活里的窘迫与自嘲而发笑；缺少语境分寸——同一个玩笑，好朋友说叫风趣，陌生人说就是冒犯；缺少言外之意的共情底色。高级幽默往往不是单纯搞笑，而是带着善意的包容、对困境的释怀。AI 可以输出幽默文本，但很难真正感受幽默。

（二）幽默的四重价值

第一，幽默是直观的人性信号：风趣带着个人经历、性格与看待世界的独特视角，你的幽默只属于你，是人与人交往中最直观的人格魅力来源。第二，幽默是高阶沟通能力：化解冲突、委婉提意见、把握玩笑尺度、用轻松方式传递观点，整套能力捆绑着共情、社交判断力与对当下氛围的感知——AI 能写一句玩笑，但判断什么时候不该开玩笑，是稀缺的人文能力。第三，幽默与心理韧性绑定：自嘲、接纳失败、用轻松视角看待困境，是在 AI 带来的竞争与不确定性面前的一种内在保护，与挫折感、情绪调节的研究直接相连。第四，幽默与好奇心共生：AI 的梗来自已有数据，人的幽默可以来自全新的观察与偶然的发现。

（三）廉价幽默的泛滥与风趣的稀缺

AI 可以无限生产段子与搞笑文案，浅层搞笑将变得非常廉价。由此出现分层：玩梗、包袱式的段子搞笑由 AI 大量供给，不再稀缺；而有分寸、有温度、有个人底色、懂得体谅他人的深层风趣成为稀缺品，构成人的核心软实力。幽默的定位也随之从消遣娱乐，上升为情绪调节、抗压与维系温暖人际关系的能力。

六、两条主线与能力分工

综合以上，AI 时代人文方向的研究可以归为两条主线：一是如何驾驭 AI——人文社科研究 AI 嵌入社会后的伦理、法律、教育与文化，建立规则以减少伤害；二是如何守护和发展"人之为人"的能力——好奇心（提问与探索）、情绪能力（感知与自洽）、挫折韧性（接纳失败）、共情与真实人际温暖、独立人格与价值判断。AI 会持续升级，越来越擅长工具性能力；未来人与人拉开差距的地方，恰恰在这些人文、心理与社交层面。

七、结论与展望

本文的梳理指向一个可以操作的研究议程。教育层面：如何培养而不是替代人的心性能力——设计保护好奇心的导师、制造适度挫折的训练系统、促进而非替代真人连接的产品，是目前最空白的地带。学科层面：心理学需要研究 AI 陪伴对情绪能力与社会技能的长期影响，并发展对"人的能力"的测量；社会学需要跟踪人机关系对婚姻、家庭与社群的渗透；哲学需要继续澄清人在技术图景中的位置。幽默的个案提供了一个判断标尺：一种品质越依赖个人经验、共情分寸与内在韧性，它就越难被 AI 替代，也就越值得在教育与研究中被认真对待。

参考文献

1. Picard, R. W. Affective Computing. Cambridge, MA: MIT Press, 1997.
2. Turkle, S. Alone Together: Why We Expect More from Technology and Less from Each Other. New York: Basic Books, 2011.
3. Reeves, B., & Nass, C. The Media Equation: How People Treat Computers, Television, and New Media Like Real People and Places. Stanford: CSLI Publications, 1996.
4. Awad, E., Dsouza, S., Kim, R., et al. The Moral Machine Experiment. Nature, 2018, 563(7729): 59-64.
5. Kapur, M. Productive Failure. Cognition and Instruction, 2008, 26(3): 379-424.
6. MIT 媒体实验室. 关于伴侣型聊天机器人使用与孤独感关系的研究报告. 2025.