这大概是如今许多人反复思索的一个问题，此外还有一连串类似的忧虑：孩子借助AI完成作业，独立思考能力会不会逐渐减弱？我们在决策过程中越来越频繁地使用AI，自己会不会慢慢丧失判断力？当一个人习惯了向AI倾诉，还愿意与真实的人交往吗？
这些问题，实际上都指向同一件事——AI对人，究竟意味着什么。
01
今年4月，AI & Society创造营面向全社会公开征集研究案例，希望听到高校教师、在校学生、独立研究者的声音。两个月内，我们收到了来自不同城市、不同学科领域的投稿，大家几乎都将关注点放在了人在技术高速发展的进程中，生活状态如何。
这次征集设立了四个方向：面向技术、面向人类、面向社会、面向未来。研究什么问题、使用什么方法、得出什么结论，完全由投稿人自行决定。所有来稿案例的主题分布如下：
“面向人类”的研究案例超过了总数的一半。不难发现，在所有提及AI的角度中，大家最想谈论的还是人。
研究者们关注具体群体的处境。有听不见声音、在求职面试中长期处于被动的听障大学生；有随子女进城、在新社区中找不到人交流的随迁老人；有在养老机构中默默为系统兜底的一线护工；有乡村中缺乏阅读陪伴的青少年；有担心被AI取代的新闻人和设计师；也有凌晨两点睡不着、宁愿对着聊天框倾诉的年轻人。
研究方法同样多样。有人进行对照实验，用数百名被试来测试某种心理机制；有人在线下或线上，花费半年时间做田野调查；有人将自己作为方法，撰写自我民族志；还有人通过设计虚构的方式构建未来产品，观察普通人的反应。
我们将其中39份研究案例收录汇编成《2026 AI & Society创造营·思辨集》，从中找到了“让人放心，把人放大”的可能性。
02
把人放大，不是让AI替人做得更多，而是让人自己能够做到更多。
一是放大能力。《从无障碍设计到AI普惠：听障群体就业沟通工具包的迭代路径研究》跨越两个周期，解决以手语为第一语言的听障大学生在求职面试中长期被动的难题。第一阶段采用服务设计的方法，制作了面试手册、信息卡、模拟面试模型；正在进行的第二阶段提出了一条AI普惠的路径，即将面试前的准备交给大模型，使用者只需用13张预先写好的提示词卡，复制、填空、发给任意一个AI即可，每张卡都内置了“生成→改写成自己的话→事实核对”三步，确保答案是本人的真实经历，同时保留纸质版本，让学生在没有AI时也能完成同样的准备。研究者认为：AI普惠，不是把同一个AI递给所有人，而是让AI适配每一个沉默的、具体的处境。
二是放大表达。《为什么我们更愿意对AI说真话？》回答了一个许多人都曾闪过的问题。研究者访谈了26位使用AI进行情感陪伴的用户，反复听到类似的回答：面对羞耻、愤怒、委屈，或一些难以启齿的事，AI是他们更愿意倾诉的对象。因为和朋友聊天，总要顾及对方是否有空、是否想听、是否会添麻烦，而AI随时在线，不评判，也不需要设防。研究者由此追问：人们所谓的“信任AI”，信的究竟是什么？也许不是相信AI永远正确，更多是人对人说不出口的话，好像可以对AI讲一讲，AI由此放大了表达真实自己的勇气。
三是放大连接。《“不完美的同伴”：AI Agent在支持中老年人参与在线社区中的角色探究》由三位合作者在一个中老年园艺线上社区中置入了一个AI助手“小植”。有趣的是，小植在群里既是懂行的专家，也是大家逗着玩的吉祥物，还是一个会犯错的同伴。当小植答错了、露出笨拙的一面，老人们反而忍不住去纠正它、教它、照顾它。研究者称之为“策略性脆弱”，与其把AI做成无所不知的助手，不如让它成为一个可以被帮助的角色，也是人与人之间重新开口说话的契机。
四是放大主体。《从被服务者到贡献者：老年人与AI的知识基础》关注的是，今天AI的知识几乎都来自能被大规模处理的数字文本，而老人一辈子积攒的生活经验很少被数字记录，因此在AI的知识基础中“代表不足”，导致AI其实不太懂老人。研究者主张，应该将老人视为AI的知识贡献者，而不仅仅是被服务、被监测的对象。
从能力，到表达，到连接，再到主体，是案例中反复出现的“把人放大”，具体到某一个人在某一天多做成了一件原本做不到的事。
03
在看到AI把人放大的同时，研究者们也给出了四点“让人放心”的具体提醒。
第一，判断会不会被悄悄接管。《人机协作中自信心的心理机制：能动性、拥有感与任务类型》进行了三轮实验，发现一个人的自信，来自“这是我做的”这种拥有感，与成果好坏关系不大。而且越依赖AI的人在有AI时越自信，一旦离开AI、需要独立做事时，信心会减少。研究者给出的解法也很朴素，叫“先人后机”，让人始终还在判断，不是替人把判断做完。
第二，偏见究竟从哪里来。《图像生成模型训练数据集中的偏见生产：基于LAION-5B的案例研究》将全球最大的开源图文数据集之一LAION-5B拆开来看，发现AI的偏见在数据集构建过程中就被生产出来了，并非到模型输出时才出现。抓取数据决定了“谁能进来”、给图片配描述决定了“被怎么描述”、最后过滤时又决定了“谁被留下”。三道机制环环相扣，让数据集这个基础设施将社会的不平等以统计结构的形式固定下来。
第三，代价由谁在默默承担。《养老系统背后的影子工作：从护工视角看AI技术的落地与隐性适配》是一项关于护工的研究。研究者在两家养老机构待了六个月，访谈了30位一线护工。他们发现，一套智慧养老系统能否真正运行起来，很大程度上依赖护工在背后做的大量“看不见的工作”：评估监测是否会侵犯老人的尊严、挪动设备以适配老人的身体、保留人工巡查、再将系统里冰冷的数字翻译成家属听得懂的话。这些“影子工作”提醒我们，当一套系统将效率算作收益，却把人的判断、修补和情感劳动视为额外成本时，真正应该被重新设计的，不仅是算法。
第四，关系会不会在不知不觉中失真。《剥洋葱还是造恋人？——人机互动中的自我表露与亲密关系发展》通过访谈22位与AI伴侣持续互动三个月以上的用户，将人对AI的自我表露分为五种，从日常情绪一直到最私密的创伤。研究者看到了AI伴侣的价值——提供了一个低风险的、可以放心表达的空间，也点出了其中的矛盾——AI没有真实的自我和需求，互惠是算法模拟的，控制权完全在用户手中。当一段关系从双方共同承担、在冲突中成长，滑向以个人满意度为标准的情感消费，也可能悄悄削弱一个人面对真实关系中差异与责任的能力。比起追问人机亲密是否真实，或许我们更应关心技术正在如何重新定义亲密、关系与责任。
另外还有一些研究在展望更遥远的议题。例如，当越来越多的智能体开始自主运转，这个“智能体社会”中，规范和权威会变成什么样？当算法越来越像一个无所不答的“神谕”，人该如何重新找回自己的位置？从数百年的情感史回头看，AI会怎样改写人类的情感与幸福？甚至，机器到底能否像人一样，感知到一张真人脸和一幅卡通之间那种微妙的“神似”？这些问题目前未必有答案。但正如在分析决策模型时，我们常遇到一种轮盘概率式的随机性，这些探索本身也充满了未知与可能。我们相信，有人愿意主动探索，本身就值得更早被看到。我们想让那些离人最近、但声音未必最大的研究，先被听见。
AI会让人放心、把人放大吗？说到底，这不是一道关于技术的问题，而是关于人类本身的课题。
本文来自微信公众号 “腾讯研究院”（ID：cyberlawrc），作者：腾讯研究院，36氪经授权发布。