拟人化

速览

1. 速览摘要

拟人化是大脑自动把非人类事物看作具有类人心智的倾向，对象可以是宠物和汽车，也可以是风暴和软件。电脑死机时，你觉得它在“闹脾气”；看到狗的表情时，你认为它在“内疚”，这些都是拟人化。这是人类认知的一项基本特征。人类在演化中形成了高度社会性，并以对自身的认识为模板来理解未知。

用大白话说

拟人化就是把不是人的东西，当成和你一样有想法、有感受的对象。你还没来得及思考，大脑就已经这么做了。

想象一下，你家的扫地机器人连着五次撞上同一条椅子腿。弟弟说它“糊涂了”“累了”。接着它卡在沙发底下，开始嘀嘀响，屋里的人都说：“哎呀，真可怜。”到了吃晚饭时，它连名字都有了。其实它并不糊涂，也不难过，只是按传感器和简单的程序运行。因为它会自己移动，还会发出声音，你的大脑就给它补上了并不存在的思想。自动售货机“吞”了你的硬币，你觉得它在故意欺负你，也是一样。

有个简单的办法。当你听见自己说某个东西“想要”什么，或“生气了”，就问：“究竟是什么让它这么做？”给机器人起名字没关系。只要记得，那些感情来自你，而不是机器人。

2. 背后的科学

2.1. 发现与历史

对拟人化的研究跨越数千年，从古代哲学批判一直延伸到现代神经科学。前苏格拉底哲学家 色诺芬尼（约公元前570–475年）最早指出了拟人化的投射本质：人类按照自己的形象创造神明，马会把神画成马的样子，牛则画成牛的样子。

20世纪初，这一现象开始受到系统的科学关注。Jean Piaget 在其发展心理学研究中记录了儿童的万物有灵论思维。1944年 Fritz Heider 与 Marianne Simmel 的研究让该领域迈出一大步，他们的研究显示，人类会自动在简单几何图形中看出社会故事。

当代对这一现象的认识形成于2000年代，Nicholas Epley、Adam Waytz 与 John T. Cacioppo 在芝加哥大学提出了三因素理论（SEEK 模型）。这一框架解释了拟人化何时以及为何发生。

2.2. 关键研究者

2.3. 里程碑研究

Heider-Simmel 动画（1944）

Fritz Heider 与 Marianne Simmel 制作了一段2.5分钟的无声动画，其中有三个几何图形：一个大三角形、一个小三角形和一个小圆形，围绕着一个带有铰链“门”的长方形移动。动画是用简单的定格纸板剪影拍摄的。

在首次实验中，研究者只是请34名女大学生描述所见内容。除一人外，其余人都讲述了一个关于有生命角色的社会故事，而不是描述几何运动。大三角形被一致看作“恶霸”或“侵略者”，小三角形和圆形则被看作“恋人”或“朋友”。参与者叙述了一出追逐、冲突与逃脱的戏剧。这项研究证明，心智理论会反射性地启动。视觉系统会自动从简单的运动模式中提取社会意义。

孤独感与拟人化研究（Epley 等人，2008）

研究者让一组参与者观看 《荒岛余生》的片段，以诱发孤立感；让另一组观看《大联盟》，以唤起与他人联系的感觉。通过这种方式，研究者操纵了参与者的社会联结感。随后，参与者评价一些小装置有多大程度具备类人的心理状态，其中包括“Clocky”（带轮子的闹钟）和一台空气净化器。

与对照组相比，“孤独”条件下的参与者认为这些装置具有更多类人的心理状态（“它有自己的想法”“它有意图”），差异达到统计显著水平。Bartz 等人在2016年的重复实验证实了这些发现，并补充指出：提醒人们想起亲密关系可以减弱其拟人化倾向。

Cyberball 排斥研究

在这一范式中，参与者与两个虚拟形象（实际由计算机控制）玩一个虚拟传球游戏。最初被接纳后，参与者会遭到排斥，那两个形象不再向他们传球。脑成像显示，被排斥会激活背侧前扣带皮层（dACC），即处理身体疼痛所带来的痛苦的同一区域（Eisenberger、Lieberman & Williams，2003）。后续研究发现，被排斥的参与者随后对宗教施动者、宠物和物体表现出更高的拟人化倾向。

自动驾驶汽车信任研究（Waytz、Heafner 与 Epley，2014）

参与者使用驾驶模拟器，分为三种条件：普通汽车、具能动性的汽车（仅自主转向），以及拟人化汽车（命名为“Iris”，配有女性声音和性别化的代词）。拟人化条件下的参与者对汽车的信任显著更高，更为放松（心率更低），并且在汽车出错时更少责怪它。一旦被认为有了“心智”，这辆车就从有故障的工具变成了称职的伙伴。

2.4. 神经学基础

神经影像学研究表明，大脑并没有分别用于与物体互动和与人互动的独立区域。当我们拟人化时，我们会调用原本为人际互动演化出的社会认知网络：

Lasana Harris 与 Susan Fiske 的研究揭示了相反的过程，即去人化。当观看极端外群体（无家可归者、吸毒者）的图像时，参与者的 mPFC 未被激活；取而代之的是脑岛（厌恶）和杏仁核被激活。大脑把这些人当作物体而非社会施动者来加工。换句话说，“人性”是一种心理归因，可以被开启（对一辆车）或关闭（对一个人）。

3. 演化根源

拟人化是我们祖先应对生存挑战的一种适应性方案。三大演化框架解释了它为何持续存在：

Guthrie 的知觉赌注： 世界充满含义不明的刺激（树林中的暗影、草丛中的窸窣声）。面对不确定性（“那是块石头还是一只熊？”）时，生物必须下注。假阳性（把石头误认为熊）的代价是短暂的恐惧和一些白白消耗的能量。假阴性（把熊误认为石头）的代价是死亡。因此，自然选择偏爱那些倾向于过度检测施动者的知觉系统。我们会在电源插座上看到脸，是因为我们的大脑是高度敏感的模式匹配器，时刻扫描威胁。

过度活跃的施动者检测装置（HADD）： 这一术语由 Justin Barrett 提出，指一个检测非惯性运动（违反基本物理规律的突然变化）并立即将其归因于看不见的施动者的认知模块。在祖先环境中，HADD 通过察觉捕食者拯救生命。在现代环境中，它会“误触发”，房屋的吱嘎声变成“鬼魂”，倒霉变成“诅咒”，大流行病变成“阴谋”。

必需的社会性（Caporael）： 人类专门为面对面的群体生活而演化，无法独自生存。我们没有一个专门用于处理无生命物体的独立“机械认知”模块。因此，与复杂的非人类实体互动时，我们会转而依靠社会认知。我们对汽车说话，是因为说话是我们影响事物的主要工具。对于本质上具有社会性的心智来说，拟人化就是面对世界时的默认反应。

4. 这种偏差如何表现

4.1. 在日常生活中

拟人化贯穿日常经验。宠物主人普遍把复杂情绪赋予自己的动物，比如描述狗的“愧疚表情”（实际是恐惧）或猫的“报复”行为。调查显示，给汽车起名字的人会赋予它人格特质，并且拥有它的时间更长，把车辆当作伙伴而非资产。

当技术出故障时，用户会调用处理人际冲突的脑区。对着死机的笔记本电脑咒骂，实际上是一场社会互动：用户觉得机器在“闹脾气”或“存心作对”。这也解释了为什么我们很少给可靠的烤面包机起名字，却常常给不靠谱的汽车起名字。我们用“心智”来解释无法预测的行为。

“毛孩子”现象显示，宠物已深入家庭生活。研究者发现，养狗的人也有类似人类育儿内疚的“狗家长内疚”。主人把狗独自留在家中会感到内疚，因为他们相信狗会体验到存在性孤独或怨恨等复杂情绪。

4.2. 在职场中

拟人化影响员工与职场技术的互动方式。使用第一人称代词的语音助手和聊天机器人（“我可以帮你处理”）会引发更高的信任，也可能让人对系统准确性产生不当的信心。员工可能像对待有意图者一样责怪或称赞软件，这会影响他们的排障策略和面对技术难题时的情绪反应。

在团队情境中，把组织单元（“销售部根本不在乎质量”）或抽象流程（“这套系统在跟我们作对”）拟人化，会塑造冲突的走向和解决问题的方式。

4.3. 在商业与营销中

营销人员系统性地利用拟人化来建立品牌关系。米其林轮胎人、M&M's 角色或 Geico 的壁虎等吉祥物为企业赋予了一张面孔。研究证实，拟人化吉祥物能提升“社会临场感”，社会临场感又对品牌忠诚度起中介作用。温暖型拟人化（友善的角色）尤其能通过激活社交动机来提高购买意愿。

产品设计也在利用这些倾向。带有“脸”的汽车（车灯是“眼睛”，格栅是“嘴巴”），无论看起来友善还是凶悍，都会唤起相应的情绪反应。语音界面往往被赋予名字和个性，以建立联系和信任。

4.4. 在政治与媒体中

政治运动会把国家、机构和抽象力量拟人化。“深层政府在密谋”、“华尔街很贪婪”或“美国累了”，把复杂的系统性动态转化为简单易懂的社会叙事，其中有明确的施动者、意图和道德色彩。

HADD 倾向助长阴谋论思维，使人拒绝接受随机性，转而认为复杂事件背后有看不见的、有意图的施动者。人们把全球危机归咎于秘密集团，而不将其理解为涌现现象，恰恰是因为拟人化解释让人更满意，也让人觉得有了可以着手应对的对象。

4.5. 在医疗保健中

医疗中的患者与AI互动带来重大风险。当聊天机器人用共情语言提供医疗建议（“听到你在忍受疼痛，我很难过”）时，患者可能高估系统的可靠性和理解力。研究显示，使用第一人称代词的大语言模型会显著提升用户信任，在后果重大的医疗情境中造成潜在安全隐患。

把疾病拟人化（“癌症在反扑”）或把身体部位拟人化（“我的膝盖生气了”），会塑造患者对病情的理解和应对方式：有时有益（促进治疗依从性），有时有害（使人与自己的身体形成对抗而非疗愈的关系）。

4.6. 在金融与投资中

市场行为常被拟人化：“市场很紧张”、“投资者感到恐惧”、“美联储正在考虑……”这些说法把复杂的聚合现象转化为简单的社会叙事。表达虽然简便，却可能让人误以为其中存在一个统一的行动主体，从而产生误导。

交易员可能把自己的算法或交易系统拟人化，把主要由统计波动决定的表现，看成某种个性和一贯行为。这可能让人信错对象或责怪错对象，取代了系统分析。

5. 现实案例研究

案例研究1：中世纪的动物审判

• 背景： 在13至18世纪之间，欧洲的世俗法庭和教会法庭对被指控犯罪的动物进行正式刑事审判，罪名从谋杀到毁坏财产不等。这些都是有法官、检察官和辩护律师的严格法律程序。

• 发生了什么： 1386年，在法国法莱斯，一头母猪因杀死一名婴儿而被逮捕。这头猪被监禁、受审并被判有罪。行刑时，猪被穿上人的马甲、马裤和手套，头部和前腿被故意砍伤（对应婴儿所受的伤），然后被公开绞死。1522年，欧坦的老鼠因毁坏大麦作物而被传唤出庭；它们的辩护律师成功主张，其当事人无法出庭，因为传票并未送达每一个鼠洞，而且猫堵住了道路。

• 偏差如何起作用： 中世纪神学认为动物是上帝等级秩序的一部分，受神圣律法约束。通过把动物拉入人类的法律领域，社会重申了正义的普遍性。让猪穿上人的衣服，显示了背后的心理需求，要让动物因人类的罪行受罚，就必须先把它变得像人。

• 后果： 这类审判持续了数百年，显示拟人化如何深植于文化制度之中。当找不到动物时，法庭会订制木像，代为处以绞刑。重要的是惩罚一个“应负责任的施动者”这一象征行为。

• 经验教训： 拟人化的作用超越个体心理；它可以在法律、宗教和治理中被制度化。对效能感的追求，也就是通过法律框架对不可预测的自然施加控制，强大到足以让一种制度化的荒谬延续五个世纪。

案例研究2：ELIZA 效应

• 背景： 1966年，麻省理工学院的 Joseph Weizenbaum 创建了 ELIZA，一个模拟罗杰斯式心理治疗师的简单聊天机器人脚本。程序采用基础的模式匹配，如果用户输入“我很难过”，ELIZA 就回应“你为什么难过？”

• 发生了什么： 尽管 Weizenbaum 明确解释了代码有多简单，用户，包括他自己的秘书，仍与这个机器人建立了深厚的情感联结。他们把真正的共情、理解和治疗能力归于 ELIZA。有人要求单独会谈，并在被告知那只是个程序时感到被冒犯。

• 偏差如何起作用： 表层的语言能力触发了“诱发性施动者知识”。由于 ELIZA 的对话模式模仿了人际互动，用户自动把“治疗师”的心理模型套用到系统上，推断出根本不存在的理解深度。

• 后果： Weizenbaum 对人类如此容易被愚弄深感不安，在职业生涯后期不断警告计算机技术的危险。“ELIZA 效应”提前六十年预示了如今大语言模型带来的挑战。

• 经验教训： 我们的社会认知很容易被合成施动者“入侵”。ELIZA 效应表明，拟人化依赖的是表层线索，而非对底层机制的准确评估，而这一脆弱性对AI安全与伦理有重大意义。

历史实例：神学中的拟人论与奥迪派异端

在3至4世纪，奥迪派（叙利亚和埃及的一个教派）按字面理解《创世记》中“上帝按自己的形象造人”这句话，认为上帝有人的肉身。教会将此判为异端，因为当时教会正努力维持造物主与人的形体之间的区分。

这一插曲揭示了宗教思想中长期存在的张力：抽象、超越性的神明在认知上难以把握。《薄伽梵歌》明确承认这一点，指出“对有形之身而言，崇拜无形者更为艰难”。拟人化的圣像（印度教中的神像、基督教中的圣徒）作为人类表达虔敬的必要载体而出现，是对人类认知特点的适应。色诺芬尼认为，拟人化的神是一面映照观者的镜子。这一洞见在今天依然贴切，和2,500年前一样。

6. 这种偏差的代价

6.1. 个人代价

拟人化可能扭曲人与宠物的关系，因为主人会从人类的视角解读动物信号。狗的顺从姿态被读作“愧疚”；黑猩猩的恐惧龇牙被看成“微笑”。这可能造成动物福利上的伤害，例如肥胖（用食物来“表达爱”）、因不当期待而引发的行为问题，以及未能满足动物真正的需求。

对拟人化物品的过度依恋会妨碍务实决策：因为一辆车有“个性”而保留一辆不可靠的车太久，或在丢弃被认为有感情的物品时感到过度痛苦。

6.2. 职业代价

对AI系统的不当信任是一种日益增长的职业风险。当大语言模型使用共情语言时，用户会高估其准确性和可靠性。在医疗、客户服务或咨询情境中，这可能导致人们依据系统“幻觉”产生的信息做出糟糕决策。这些系统看似可信，却没有真正的理解。

业界用“幻觉”来描述大语言模型的虚构，这个词本身就是一种拟人化，因为它暗示背后存在一个能够感知的心智。这种说法可能强化人们对AI能力的错误假设。

6.3. 社会代价

HADD 倾向助长了广泛的阴谋论思维。当复杂的系统性现象（大流行病、经济危机、政治发展）被归因于有意图的施动者而非涌现过程时，公共讨论和政策回应都会被扭曲。事件背后的“无形之手”感觉上比随机的生物学或经济动态更易理解，但会导致误诊和无效干预。

去人化作为拟人化的反面，同样带来严重的社会代价。研究表明，极端外群体可能完全无法激活社会认知网络，被当作物体而非人来加工。这一心理机制是歧视、暴行和道德排斥的基础。

6.4. 统计影响

Heider-Simmel 研究的首次实验发现，34名参与者中有33人（97%）自发地把简单几何图形拟人化，可见这种反应近乎普遍，而且会自动发生。孤独感操纵研究显示拟人化有统计上显著的增加，其效应量大到足以影响诸如技术采纳和品牌忠诚等实际行为。

心智知觉研究指出，人们对心智的归因有两个不同维度（能动性与体验性），它们各自独立变化，又共同形成复杂的道德判断模式。被知觉为高能动性但低体验性的实体（如刻板印象中的机器人）可能显得具有威胁性，而被知觉为高体验性但低能动性的实体（如动物）则会唤起保护欲。

7. 隐藏的益处

拟人化也确实能带来心理和实际益处。

缓解孤独： 对缺少人际联系的人而言，把宠物、小装置甚至植物拟人化能带来真实的心理慰藉。《荒岛余生》中的“威尔逊效应”是真实的，从环境中创造出社会施动者，可以缓解社会脱节的痛苦。这对独居老人，或住在机构中、很少与人接触的人，可能最为重要。

预测框架： 把“心智”赋予不可预测的实体，提供了一个可用于预测的连贯叙事。如果你的电脑在“闹脾气”，你就可以采用社交策略（哄它、重启、“耐心一点”）来恢复掌控感。这种效能动机解释了为什么我们更常把不可靠的技术而非可靠的技术拟人化。

自然保护心理学： 关于动物的拟人化叙事（“母熊在哀悼”）会激发共情并增加对自然保护的支持。印度尼西亚的研究显示，把事实教育与关于科莫多巨蜥的拟人化故事结合，显著改善了儿童的自然保护态度。“大地母亲”和“环境愧疚”这样的说法，把自然塑造成应受到道德关怀的对象，从而促使人采取环保行为。

技术采纳： 自动驾驶汽车研究表明，拟人化特征（名字、声音、代词）显著提高信任度和采纳意愿。对于面临采纳障碍的有益技术，拟人化设计可能有助于让人们更容易接受。

认知效率： 以自我为模板，是解释未知实体时最容易想到的启发法。虽然并不总是准确，但它能实现快速、成本低的初步评估，之后可随更多信息加以修正。

8. 自我评估：你有这种偏差吗？

8.1. 警示信号清单

• 我常常对着我的车、电脑或其他设备说话，好像它们能听见
• 当技术“不听话”时，我会感到真实的愤怒或被背叛
• 我相信我的宠物会体验到愧疚、嫉妒或怨恨等复杂情绪
• 我给无生命的物品起过名字，并认为它们有个性
• 我觉得事件中的巧合或模式暗示着有人“在背后操控”
• 我会把意图赋予自然现象（天气在“惩罚”我们、宇宙在“给我暗示”）
• 我很难扔掉物品，因为那感觉像是在遗弃它们
• 我会本能地信任使用友善嗓音或第一人称代词的技术
• 我觉得我的家或我的车“认识”我，或已经适应了我
• 我有时会发现自己在向撞到的物体道歉

评分：

• 勾选0-2项：易感性低（不过，人人多少都有这种倾向）
• 勾选3-5项：易感性中等
• 勾选6-8项：易感性高
• 勾选9-10项：易感性非常高

8.2. 自我反思问题

1. 当技术意外出故障时，你首先想到的是机械上出了什么问题，还是觉得设备“决定”罢工了？

2. 回想一次你对某个无生命物体产生真实喜爱或挫败感的经历。是什么触发了这种反应？这种感觉持续了多久？

3. 你如何向别人描述宠物的行为？你会用“知道”、“想要”、“决定”或“觉得内疚”这类词吗？

4. 当你在随机图案（云、烤面包、电源插座）中看到脸时，那感觉更像是“看见”还是“想象”？

5. 是否有人说过你对物品太过依恋，或对动物、技术赋予了过多的理解力？

8.3. 快速诊断情境

情境： 就在你要提交一份重要文件时，笔记本电脑死机了。而你最近没有保存。

你会如何反应？

• A) 突然感到被背叛：笔记本选择了最糟糕的时机出问题，几乎像是在故意给你捣乱。你可能会说“你为什么要这样对我？” → 高易感性

• B) 感到沮丧，嘟囔一句“破电脑”，你知道它并非真的有意识，但情绪上仍把它当作多少要负点责任的对象 → 中等易感性

• C) 感到沮丧，但立刻想到机械原因（过热、软件缺陷、RAM不足），完全不觉得机器具有能动性 → 低易感性

9. 在他人身上识别这种偏差

9.1. 行为指标

可观察到的、提示较强拟人化倾向的行为：

• 给车辆、设备或家电起名字，并在交谈中以名字称呼它们
• 用心理状态词汇（嫉妒、报复、理解、操纵）描述宠物行为
• 对物体（语音助手、ATM、自动门）道谢或道歉
• 对“伤害”物品（旧玩具、传家宝、汽车）表现出痛苦
• 把扫地机器人、智能音箱或其他AI设备当作家人
• 把计划或意图赋予复杂系统（市场、机构、自然）

9.2. 对话中的危险信号

受这种偏差影响时，人们常说的话：

• “我的车今天在闹脾气”
• “算法就是在针对我”
• “我的狗清清楚楚知道自己错在哪”
• “宇宙在告诉我一些事”
• “科技讨厌我”

他们常提出的论点类型：

• 把随机事件解读为专门针对自己的有目的的模式
• 不加限定地用人类情绪词汇解释动物行为

他们回避提出的问题：

• “有什么机械或统计上的解释可以说明这件事？”
• “我是不是在把人类的认知投射到并不具备它的东西上？”

9.3. 情境触发因素

增强拟人化的情形：

• 孤独或社会隔离（社交动机）
• 技术或自然表现出不可预测或不可靠的行为（效能动机）
• 需要快速解释的陌生实体（诱发性施动者知识）
• 具有类脸特征、类人动作或响应性行为的物体
• 压力或认知负荷（削弱进行纠正性反思的能力）
• 情绪脆弱或需要与他人建立联系
• 使拟人化正常化的文化环境（万物有灵论传统、正面的机器人媒体形象）

10. 认知去偏策略

10.1. 即时技巧

机制核查： 当你发现自己在归因意图时，暂停并问“这里真正的机制是什么？”电脑不可能“闹脾气”，因为它没有目标，只是在执行代码。说出机械层面的解释，就能中断拟人化推理。

第三人称测试： 像向一位持怀疑态度的工程师解释那样描述情况。“车不肯发动”变成“发动机没有得到燃料/点火/压缩”。这样的重新表述会启用分析性认知，替代社会认知。

反转练习： 问一问该实体要真正具备你所归因的属性，需要什么条件？你的狗要感到“愧疚”，它必须理解道德规则、记得自己违反了某条规则，并责怪自己。科学证据支持这种能力吗？

概率提醒： 察觉到某种模式时，问“在一个纯粹随机的世界里，这种巧合会多久发生一次？”随机事件也必然会集中出现，并不需要某个施动者来安排。

10.2. 长期策略

了解机械原理： 知道技术实际如何运作（算法如何生成推荐、汽车发动机如何工作），就有了其他解释，能够与默认的拟人化解释相抗衡。

研读动物认知研究： 了解科学对非人类心智究竟知道些什么，包括它们确实具备的能力及其局限。用实证知识取代民间心理学。

审视换位思考时的直觉： 你对其他心智的“直觉”，可能是你自己的投射，而不是对方的真实情况。面对被设计得仿佛懂得共情的AI系统时，这一点最为重要。

留意孤独感： 与人缺乏联系会增强拟人化倾向。如果你发现自己越来越依恋物品或技术，可以问问自己，是否有些社交需求未得到满足。

10.3. 环境设计

减少拟人化线索： 在可行的情况下，选择不模拟人类特征的技术。一个计时器比一个有名字的语音助手更不容易被拟人化。

在产生依恋前多问一步： 在与AI系统建立强联结之前，让自己说清楚这个系统实际上是什么（一个统计模式匹配系统），以及它感觉上像什么（一个朋友）。

丰富社交来源： 维持牢固的人际关系，能减轻促使你将非人类实体拟人化的心理需求。

10.4. 何时寻求外部意见

在以下情况咨询他人：

• 做出受系统或市场所谓“意图”影响的重大决策时
• 觉得技术或机构在专门“针对”你时
• 在动物行为上难以区分投射与真实知觉时
• 与AI系统建立起似乎替代人际联结的关系时
• 在随机事件中发现别人看不到的模式或施动者时

11. 实践练习

练习1：重看 Heider-Simmel 动画

• 目标： 体验拟人化如何自动发生，并练习主动纠正
• 所需时间： 15分钟
• 所需材料： 能观看 Heider-Simmel 动画的设备（网上可找到动画）
• 难度等级： 初级
• 步骤：
  1. 观看动画，写下你所感知到的故事
  2. 记下你赋予的情绪、意图和个性
  3. 重看一遍，刻意只描述物理运动（“大三角形以速度 X 朝小三角形移动”）
  4. 注意维持非拟人化视角所需的认知努力
  5. 反思自动知觉与刻意重述之间的差距
• 反思问题：
  • 第一次观看时，社会性叙事出现得多快？
  • 哪些视觉线索触发了特定归因（攻击、恐惧、爱意）？
  • 抑制拟人化解释的感觉如何？
• 频率： 作为入门做一次；在需要校准自己的觉察时再做

练习2：宠物行为日记

• 目标： 区分拟人化投射与行为观察
• 所需时间： 每天10分钟，持续一周
• 所需材料： 笔记本，可选视频记录
• 难度等级： 中级
• 步骤：
  1. 当宠物做出值得注意的举动时，写下两种描述：
     • A栏：你的本能解释（例如“他觉得内疚”）
     • B栏：仅限可观察的行为（例如“低头、目光回避、夹着尾巴”）
  2. 查阅科学研究对该行为的解释
  3. 记下自己的解释与文献所述含义之间的差异
  4. 观察这一周里反复出现的规律
  5. 修正你目前对宠物认知方式的理解
• 反思问题：
  • 哪些归因被研究证实？哪些是投射？
  • 是什么情绪驱动了你的拟人化解释？
  • 准确的理解如何改变你与宠物的关系？
• 频率： 起初集中做一周；之后继续定期简短回顾

练习3：技术机制绘图

• 目标： 建立关于机械原理的心智模型，与默认的拟人化解释相抗衡
• 所需时间： 30分钟
• 所需材料： 纸张，可查阅的文档
• 难度等级： 中级
• 步骤：
  1. 选择一项你经常拟人化的技术（语音助手、算法、汽车）
  2. 在基础层面研究它实际如何运作
  3. 画一张简单的机制示意图或流程图
  4. 下次它“不听话”时，沿着机制追踪以找出可能的原因
  5. 留意机械模型是否减少了拟人化反应
• 反思问题：
  • 你了解了哪些实际运作原理？
  • 理解是否减少或改变了拟人化冲动？
  • 你在哪些时候仍然忍不住想用意图来解释？
• 频率： 每一项常用技术做一次

每日练习

归因暂停： 每天一次，留意自己正在拟人化的时刻（对技术说话、把复杂情绪赋予宠物、把模式看作有目的）。暂停10秒，说出机制而非意图。

• 建议时长：总计2-3分钟
• 最佳时段：自然出现拟人化反应时
• 如何追踪进展：在手机备忘录里画计数符号；每周回顾

每周挑战

孤独与拟人化的关联： 用四周时间，同时记录你感觉与他人联系有多紧密，以及拟人化出现的频率。每天用1到10分给自己感受到的人际联系打分，并记录拟人化的时刻。每周结束时，看看两者是否相关。

• 4周后的预期成果：了解个人触发因素；能够识别代偿性拟人化
• 反思日记提示：
  • 这一周我在什么时候最想拟人化？当时我的社交状况如何？
  • 主动联系他人是否减少了我对非人类“陪伴”的依恋？
  • 拟人化在为我满足哪些正当需求？

12. 面向特定人群

面向领导者与管理者

拟人化影响团队如何看待组织系统、技术乃至其他部门。诸如“IT部门根本不在乎我们的需求”或“这套系统在跟我们作对”之类的拟人化说法会妨碍解决问题。

策略：

• 讨论系统和流程时，带头从运作机制来描述
• 当团队表达对技术的挫败感时，把讨论引向具体的功能问题，而不是接受关于意图的归因
• 意识到引入拟人化AI工具（聊天机器人、语音助手）会在员工中触发社会认知，影响信任、隐私预期和错误归因
• 认识到孤独或缺乏联结的团队成员可能对职场AI和技术形成更强的依恋

面向家长与教育者

儿童自然而然地会拟人化（Piaget 所说的万物有灵论），不应将此视为病态。不过，帮助儿童既能投入想象性游戏，又能准确理解事物，有助于认知发展。

适龄方式：

• 4-7岁：一起欣赏拟人化故事，同时偶尔问一句“你觉得那辆车真的会难过吗，还是我们在假装？”
• 8-11岁：通过探讨生物需要什么（食物、繁殖、生长），引入“活着”与“会动”的区别
• 12岁以上：讨论电影和营销如何利用拟人化让我们产生感受，培养媒介素养

课堂活动： 把拟人化的动物故事与同一物种的纪录片作对比。哪些是真实的，哪些是添加的？

面向医疗专业人员

AI在医疗中日益普及（用聊天机器人分诊，用大语言模型提供信息），患者会把这些系统拟人化。

临床考量：

• 患者可能对AI工具建立起超出其可靠性的信任关系
• AI使用第一人称语言（“我建议……”）会显著提升信任；请考虑这对后果重大的医疗建议的影响
• 把疾病拟人化（“我的癌症很凶”）会影响治疗依从性和情绪应对
• 孤独的患者可能尤其容易把医疗AI拟人化；注意维持适当界限

沟通策略：

• 明确提醒患者，AI工具是程序，不是医务人员
• 用自己的表达示范如何区分机械功能与社会关系

面向金融专业人士

市场、算法和经济力量常被拟人化：“市场很紧张”、“投资者在出逃”、“美联储正在思考……”

职业启示：

• 拟人化的说法可能让人误以为聚合现象背后有一个统一的行动主体，从而产生误导
• 交易员可能对交易算法产生不当的信任或指责
• 客户沟通中使用的拟人化语言应被识别为隐喻，而非字面描述

风险管理：

• 分析市场走势时，要求自己在决策前先用运作机制来解释
• 认识到AI交易工具会被拟人化；建立明确的防过度自信检查机制

13. 与其他偏差的交互

放大拟人化的偏差

抵消拟人化的偏差

常见的偏差链

孤独 → 拟人化 → 对AI过度自信 → 糟糕的决策

当社交需求得不到满足时，人们会把技术（尤其是对话式AI）拟人化。由此产生的关系感和信任感，可能超出系统的实际可靠性。依据被拟人化AI提供的“建议”做出的决策（医疗、财务或个人事务），也可能与系统的实际能力不相匹配。

中断策略： 在任何环节引入一次现实核查（“这个系统实际上能够知道或理解什么？”）都可以打断这条链条。

14. 文化视角

拟人化普遍存在，但在不同文化中，其表现形式和接受程度有很大差异。

神道教的万物有灵论（日本）： 神道认为神灵栖居于自然物、动物和场所之中。因此，这种文化把拟人化的看法视为正常。研究表明，恐怖谷在日本可能较浅，受正面媒体形象（《铁臂阿童木》）和万物有灵论传统影响，日本参与者面对人形机器人时，往往比美国人更自在。

西方的“弗兰肯斯坦情结”： 犹太教与基督教传统强调造物主与被造物之间的区分，而西方文学中有许多被造之物反叛创造者的故事（《弗兰肯斯坦》、《终结者》、HAL 9000）。这可能加剧人们对高度拟人化机器人的不适感。

印度教的神像传统： 印度教哲学明确承认，对有形之身而言，崇拜无形的神明在认知上很困难。人们接受拟人化的神像，把它们作为表达虔敬的必要载体。这是有意识地适应人类的认知特点，而不是天真地按字面理解神明。

15. 迷思与误解

16. 专家洞见

“但如果牛或狮子有手，能像人一样用手作画、创作艺术品，它们就会画出神，并赋予神与自己相似的身体：马画成马的样子，牛画成牛的样子。” — 色诺芬尼（约公元前 570–475 年），残篇 15（Diels-Kranz 编号），Arthur Fairbanks 译，The First Philosophers of Greece (1898)

Nicholas Epley 及其合著者认为，人们之所以拟人化，是因为在试图理解陌生事物时，关于人类和关于自身的知识是他们最容易获取的知识。 — 概述自 Epley, Waytz & Cacioppo，“On Seeing Human: A Three-Factor Theory of Anthropomorphism,” Psychological Review (2007) https://doi.org/10.1037/0033-295X.114.4.864

Stewart Guthrie 认为，在没有施动者的地方察觉到施动者代价很小，而没能发现真实存在的施动者则可能致命，这就是人们很容易在云和其他模糊事物中看到面孔和意图的原因。 — 概述自 Stewart Guthrie，Faces in the Clouds: A New Theory of Religion (Oxford University Press, 1993)

Epley、Waytz 和 Cacioppo 认为，人们在思考汽车、电脑和其他非人事物时，会借用自己对人类和对自身的了解，所以给汽车起名字或对电脑苦苦哀求都显得很自然。 — 概述自 Epley, Waytz & Cacioppo，“On Seeing Human: A Three-Factor Theory of Anthropomorphism,” Psychological Review (2007) https://doi.org/10.1037/0033-295X.114.4.864

17. 核心要点

1. 拟人化是普遍且自动的：它是人类认知的特性，而非缺陷。这源自人类作为必须依靠社会生活的物种的演化。

2. SEEK 模型解释了差异： 我们在孤独时（社交动机）、面对不可预测性时（效能动机）以及实体具有类人特征时（诱发性施动者知识）更容易拟人化。

3. 大脑调用社会认知来与物体互动。无论我们是在思考人，还是在把机器拟人化，激活的都是相同的神经区域（mPFC、TPJ）。

4. 拟人化可以双向切换：我们既能把心智赋予物体（给汽车起名），也能从人身上撤销“有心智”这一属性（对外群体的去人化）。

5. 技术正日益利用这种倾向。从 ELIZA 到现代大语言模型，模仿社会线索的系统会引发不当的信任和情感依恋。

6. 这种偏差有真实的益处，包括缓解孤独、提供预测框架、激励自然保护，但也有真实的代价，包括不当的信任和被扭曲的判断。

7. 缓解需要刻意努力：激活分析性思维、建立关于机械原理的心智模型、识别个人触发因素，可以减少但永远无法消除拟人化知觉。

18. 延伸资源

学术论文

• Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864–886. https://doi.org/10.1037/0033-295x.114.4.864
• Heider, F., & Simmel, M. (1944). An experimental study of apparent behavior. American Journal of Psychology, 57(2), 243–259. https://doi.org/10.2307/1416950
• Gray, H. M., Gray, K., & Wegner, D. M. (2007). Dimensions of mind perception. Science, 315(5812), 619. https://doi.org/10.1126/science.1134475
• Harris, L. T., & Fiske, S. T. (2006). Dehumanizing the lowest of the low: Neuroimaging responses to extreme out-groups. Psychological Science, 17(10), 847–853. https://doi.org/10.1111/j.1467-9280.2006.01793.x
• Waytz, A., Heafner, J., & Epley, N. (2014). The mind in the machine: Anthropomorphism increases trust in an autonomous vehicle. Journal of Experimental Social Psychology, 52, 113–117. https://doi.org/10.1016/j.jesp.2014.01.005
• Epley, N., Akalis, S., Waytz, A., & Cacioppo, J. T. (2008). Creating social connection through inferential reproduction: Loneliness and perceived agency in gadgets, gods, and greyhounds. Psychological Science, 19(2), 114–120. https://doi.org/10.1111/j.1467-9280.2008.02056.x
• Bartz, J. A., Tchalova, K., & Fenerci, C. (2016). Reminders of social connection can attenuate anthropomorphism: A replication and extension of Epley, Akalis, Waytz, and Cacioppo (2008). Psychological Science, 27(12), 1644–1650. https://doi.org/10.1177/0956797616668510
• Eisenberger, N. I., Lieberman, M. D., & Williams, K. D. (2003). Does rejection hurt? An fMRI study of social exclusion. Science, 302(5643), 290–292. https://doi.org/10.1126/science.1089134

书籍

• Guthrie, S. (1993). Faces in the Clouds: A New Theory of Religion. Oxford University Press. https://doi.org/10.1093/oso/9780195069013.001.0001
• Barrett, J. L. (2004). Why Would Anyone Believe in God? AltaMira Press. https://doi.org/10.5040/9798216409243
• Piaget, J. (1929). The Child's Conception of the World. Routledge & Kegan Paul.
• Mori, M. (2012). The Uncanny Valley (K. F. MacDorman & N. Kageki, Trans.). IEEE Robotics and Automation, 19(2), 98–100. (Original work published 1970)

书籍章节

• Waytz, A., Epley, N., & Cacioppo, J. T. (2010). Social cognition unbound: Insights into anthropomorphism and dehumanization. In Current Directions in Psychological Science, 19(1), 58–62. https://doi.org/10.1177/0963721409359302

19. 摘要卡片

20. 术语表

21. 讨论问题

供读书会、课堂或自我反思使用：

1. 拟人化是需要纠正的认知“错误”，还是我们应当接受的适应性特性？各自在什么情况下更合适？

2. 中世纪的动物审判如今看来荒谬。后人可能会以同样的眼光看待我们今天的哪些做法？其中是否也有拟人化的成分？

3. 随着AI变得更善于对话、更显共情，应当设立哪些保障措施来保护人们免受大规模 ELIZA 效应的影响？

4. 恐怖谷可能如何影响人形机器人的开发与普及？设计者是否应刻意避免追求人类相似度？

5. 了解拟人化的神经学基础，是否改变了你看待自己这种倾向的方式？为什么改变或为什么不改变？

最后更新：7 十一月 2026