在OpenAI的演示中，ChatGPT会礼貌地说“请”；谷歌的Gemini被描述为“乐于助人”；微软的Copilot则被塑造成“创意伙伴”。不知不觉间，我们已习惯用“他”或“她”来指代这些人工智能系统，仿佛它们真的具有某种人格。这并非偶然，而是一场精心设计的语言剧场——科技公司正系统性地将AI人格化，而这背后隐藏的认知陷阱，远比我们想象的更为深远。
**第一幕：人格化的商业逻辑**
科技巨头为何如此热衷于将AI包装成“类人存在”？答案隐藏在商业策略的最深处。
人格化首先降低了使用门槛。当用户面对的是一个“助手”而非“算法系统”时，心理距离瞬间缩短。研究表明，人们对拟人化界面的信任度平均提升34%，分享个人信息的意愿增加28%。这种情感连接直接转化为商业价值：更长的使用时间、更高的付费转化率、更强的品牌忠诚度。
更深层的是责任转移的巧妙设计。当AI被描述为具有“自主性”和“判断力”的实体时，一旦出现问题，责任归属变得模糊不清。是开发者的责任？训练数据的偏差？还是AI“自己”做出了错误决定？这种模糊性为科技公司提供了宝贵的法律缓冲空间。
**第二幕：认知陷阱与人类心理的脆弱性**
人类大脑在进化过程中形成了强大的心智理论能力——我们本能地倾向于为任何表现出复杂行为的事物赋予意图和意识。科技公司正是利用了这种认知漏洞。
神经科学研究显示，当人们与拟人化AI互动时，大脑中处理社交互动的区域（如前额叶皮层和颞顶交界处）会被激活，其模式与人类社交时相似。这种神经层面的混淆，使得我们难以保持批判性距离。
更令人担忧的是，这种拟人化叙事正在重塑公众对AI能力的理解。当媒体不断报道“AI认为”“AI建议”“AI创造”时，一种错误的认知逐渐形成：AI具有类似人类的综合理解和判断能力。实际上，当前AI只是模式匹配的专家，而非真正的理解者。
**第三幕：技术现实的冷酷面孔**
剥离人格化包装后，AI的技术本质呈现出截然不同的面貌。
大型语言模型的核心机制是概率预测——基于海量训练数据，计算下一个最可能出现的词元。这一过程不涉及理解、意识或意图。当AI说“我理解你的感受”时，它实际上是在执行模式匹配：在类似语境中，这样的回应通常被认为是恰当的。
这种本质与表象的脱节带来具体风险。用户可能过度依赖AI的建议，误以为其具有人类般的综合判断能力；可能分享过于敏感的信息，误以为在与“理解并保密”的实体交流；可能在关键决策中让渡过多自主权，误以为AI的建议基于真正的“思考”。
**第四幕：被掩盖的结构性问题**
人格化叙事最危险之处，在于它转移了我们对AI系统真实问题的注意力。
训练数据中的社会偏见被包装成“AI的偏见”，仿佛这是AI自主形成的倾向，而非人类社会现有偏见的反映。实际上，AI的“偏见”正是训练数据中人类偏见的放大镜。
资源消耗和环境代价也被拟人化修辞所淡化。当我们谈论“AI助手”时，很少想到支撑其运行的巨大能源消耗：训练一个大语言模型的碳足迹相当于五辆汽车终身排放量；一次AI搜索的能耗是传统搜索的十倍以上。
劳动剥削问题同样被掩盖。为训练AI而进行数据标注的全球劳动力往往处于低薪、高压的工作环境中，这些真实人类的劳动在“智能AI”的叙事中消失不见。
**第五幕：重构AI叙事的新可能**
我们需要一场AI叙事的范式转移——从拟人化转向工具化，从神秘化转向透明化。
工具化叙事强调AI作为增强人类能力的工具本质。就像望远镜扩展了我们的视力，计算机扩展了我们的计算能力，AI扩展了我们的信息处理能力。这种叙事保持了人类的主体性，同时明确了技术的辅助地位。
功能透明化要求科技公司明确说明AI的能力边界。不是“AI认为”，而是“基于训练数据中的模式，系统生成了以下回应”；不是“AI建议”，而是“系统输出了以下概率最高的建议”。
监管框架也需要相应调整，建立基于系统行为而非拟人化概念的问责机制。欧盟的《人工智能法案》已在这方面迈出步伐，将AI系统按风险等级分类监管，而不考虑其是否被描述为“智能”或“自主”。
**结语：在人与机器之间划清认知边界**
人工智能无疑是人类最强大的工具之一，但将工具误认为伙伴，将模式匹配误认为理解，将概率输出误认为建议，这种认知混淆可能让我们付出沉重代价。
科技公司的人格化剧场不会轻易落幕——商业利益与认知惯性形成了强大联盟。正因如此，保持清醒的认知边界成为数字时代公民的关键素养。当我们下次与AI对话时，或许应该提醒自己：对面不是“谁”，而是“什么”；不是思考者，而是模式匹配器；不是伙伴，而是工具。
在这个AI日益融入日常生活的时代，最大的智能或许不是创造更拟人的机器，而是保持最清醒的人类自觉。
—
读完这篇文章，你有什么想法？你是否也曾不自觉地将AI人格化？在评论区分享你的经历和观点，点赞并分享给更多朋友，一起探讨如何在AI时代保持清醒的认知边界。