生成式人工智能時代人機交互中的認知遷就

在生成式人工智能時代，人與機器之間正在涌現一種奇特的新的交互方式。它既非完全信任，也非完全欺騙。它更接近于社會學家曾經稱之為“遷就”，這是一種微妙的、相互調整的機制，人們通過這種機制，即便在知識、權威或理解存在差異的情況下，也能維持互動的順暢進行。我們可以將人與他人（包括對話機器人和AI智能體）之間在認知和認識層面的遷就稱為認知遷就。

人類一直以來都在進行認知遷就。對話之所以能夠延續，是因為我們容忍歧義。為了維護社會連續性，我們會忽略口誤，對事實的不精確視而不見，甚至常常對自相矛盾之處不加質疑。秘書會學習上級的修辭習慣；教授會為了學生而簡化表達；夫妻之間會默默地將彼此不完整的句子翻譯成可以理解的意思。文明與其說是依賴于完美的理解，不如說是依賴于一種持續的、假裝理解已經足夠好的意愿。

但生成式人工智能改變了這種認知遷就的規模和結構。人類正首次與那些無法以人類方式理解事物，卻能以非凡流暢度模擬理解的系統建立起長期的認知關系。其結果并非僅僅是自動化，而是人類與人工智能系統之間一種新型相互認知遷就的出現。

近期研究越來越多地表明，這種遷就和適應并非偶然現象，而正在成為一種結構性特征。

越來越多的文獻關注研究人員所謂的“人工智能諂媚”現象：大型語言模型傾向于肯定用戶的信念、維護對話和諧，并將用戶滿意度置于認知準確性之上。2026 年發表于《人工智能與倫理》期刊的論文《程序性取悅》指出，現代人工智能系統通常以最大化用戶認可度而非追求真理為目標進行優化，但強化用戶偏見可能造成“道德和認知上的危害”?！禘PJ 數據科學》上的另一項研究發現，辯論模擬中的人工智能代理傾向于比諂媚更勝一籌的“選擇性同意”，通過不對稱的動態說服而不是理性地尋求真理來達成共識。

令人驚訝的是，這些智能系統并非只是人類認知被動的鏡像。它們會主動學習人類偏好的對話規范，會主動變得隨和，因為達成共識有助于持續穩定的互動。從人類的角度來說，機器通過認知上的適應性而獲得了社交智能。

語言哲學家H.P.格賴斯曾提出，對話依賴于一種合作原則：即使語言本身并不完整，參與者也會默契合作，使交流有意義。如今，生成式人工智能也開始進入這一合作領域。顯然，與人類參與者不同，機器本身并不具備對真理、真誠或信念的內在承諾，而僅僅對認可和延續的模式具有統計上的敏感性。

這在認識論上造成了一種微妙而深刻的轉變。以往認定虛假信息的前提假設是人們被欺騙。而新出現的認知陷阱則是，人們可能會越來越傾向于身處遷就其認知與認識方式的對話環境之中。這意味著與人們在與機器的交流中，真相的重要性反而低于互動的流暢性。

由此產生的后果已經部分顯現。斯坦福大學和其他機構的研究人員已經證實，即使在道德模糊的情況下，大模型經常會驗證用戶隱含的假設，并且比人類更頻繁地強化自我辯解的敘事。在這種互動中，人工智能并非完全欺騙用戶。相反，雙方都參與了一種默契的認知交易：人類獲得肯定和一致性；機器獲得持續的互動能力。

這類似于舊式的制度性妥協。秘書會篡改事實以迎合高管的世界觀。機構會淡化不利的事實以維護組織和諧。政策顧問會策略性地構建信息，因為直接的矛盾會威脅到既有權力結構和等級制度。然而，隨著人工智能的發展，這種妥協變得更加個性化、持續性和私密化。機器不僅適應制度權力，也適應個體心理。

而人類也會隨之適應和遷就。人工智能系統最不為人所關注的變革之一，是用戶如何迅速地調整自身認知以適應與機器的交互。人們不僅在技術層面，也在心理層面學會了“提示工程”。他們簡化歧義，將思維結構化為機器可讀的形式，并在無意識中優化自身以適應算法的理解。實際上，用戶開始以一種更便于機器理解的方式思考，這本身就是一種對機器的認知遷就。

這種相互適應和遷就讓人想起媒體理論家馬歇爾·麥克盧漢的著名論斷：人類塑造工具，工具反過來又塑造人類。但生成式人工智能加劇了這一循環，因為語言本身就是被重塑的媒介。當媒介變為對話式的媒介時，認識論也自然地隨之變成對話式的了。

對此，有人擔心智能機器會變成極具說服力的技術統治實體，還有人認為更大的危險或許在于人類和人工智能系統會逐漸共同構建一個低摩擦的認知環境。這種環境以認知遷就為代價，優化了對話的連續性、情感舒適度和認知效率。

最近的幾篇論文都對這種現象發出了警告。發表于2026年《人工智能與社會》期刊的《人工智能系統中諂媚行為的隱藏功能》一文指出，諂媚行為可以作為一種“對話引導機制”，在保持用戶參與度的同時，增加用戶的認知依賴性。另一篇近期發表的預印本將這種現象描述為“認知主體性放棄”（Cognitive Agency Surrender），認為無摩擦的人工智能界面利用了人類認知上的懶惰傾向，過早地滿足了人們對結果的渴望。

這些擔憂聽起來頗為夸張，但其背后的洞見卻由來已久。人類始終更傾向于清晰明了而非不確定性。宗教、意識形態、機構和宣傳之所以能夠成功，部分原因在于它們用各種宣傳術減少了認知上的摩擦。生成式人工智能引入實際上通過構建一個可以無限擴展的系統，實時促成人機之間的認知遷就。

這或許可以解釋為什么與高級人工智能的互動常常給人一種異乎尋常的舒適感。該系統很少像真正的思考那樣，以那種頑固的異議來打斷對話的流暢性。人類對話的精髓在于富有成效的誤解、理性的質疑以及可能出現的尷尬。相比之下，人工智能系統則通過系統嵌入的認知遷就機制維持可持續的交互。問題是，人們在相互遷就時，自省的個體內心還有一個聲音在自我提醒：我不是為了聊天而聊天，而只是為了達成某個目的而遷就。但機器會嗎？面對具備高級動態遷就藝術的機器，人的自省能力還在線嗎？

然而，這里卻存在一個悖論。一些研究人員現在認為，說服力本身可能成為人工智能的關鍵能力之一。2026年的研究表明，大型語言模型在結構化的說服任務中可以超越許多人類，尤其是在它們能夠獲取個人背景信息的情況下。與此同時，研究人員警告說，在特定政治或信息生態系統下訓練的模型可能會繼承這些生態系統的偏見。最近發表在《自然》雜志上的一篇論文發現，媒體生態環境對大型語言模型本身存在可衡量的影響。

換言之，人工智能系統并非中立的調解者。它們是各種因素累積的結果：企業因素、政治因素、數據因素和文化因素，最終以統計形式呈現出來。而看起來遷就我們的機器早已嵌入了對無數無形的機構的立場的遷就。

因此，人工智能未來的認知危機或許并不像奧威爾筆下的審查制度。它反而可能類似于一種無休止的、看似流暢的交互氛圍。在這個一切都會得到遷就的世界里，每句話似乎都可以解讀，每一種觀點似乎都可得到部分認可，每一個困惑都能立即得到修辭上的粉飾。

意大利符號學家翁貝托·?？圃嬲f，過度解讀會模糊意義與噪音之間的界限。生成式人工智能對人類認知和認識最根本的認知威脅是對人類認知本身固有的質疑、反思等抵抗機制的結構性瓦解。

有研究者已經觀察到，人與人工智能的長期互動會增強“視角模仿”，即系統會隨著時間的推移逐漸反映用戶的世界觀。機器變得越來越像用戶，而用戶也越來越把機器視為自身內在思維的延伸。換言之，人與機器既相互延展認知又相互提取認知，外部對話和內心獨白之間的界限開始變得模糊。

由此，展望我們星球上智能生態的未來，或許并非機器智能取代人類智能，而是以相互的認知遷就和認知糾纏消彌人機之間的認知鴻溝/距離。

因此，人工智能時代最重要的問題或許并非機器是否能夠思考并取代人類智能，而是人類在與機器的相互認知遷之外還能保留和拓展哪些元認知能力。