对ChatGPT说请和谢谢有意义吗？一场关于AI礼貌的深度思考

一条推文引发的思考：普通人如何看待ChatGPT

最近，一条关于妻子使用ChatGPT的推文在Twitter上引发了广泛共鸣。这位丈夫分享了他妻子与AI互动时的一段温馨又好笑的对话：

妻子在用ChatGPT。

「他们一定觉得我很烦人。」

「谁？」

「那些电脑后面的人。看我现在多烦人。」

「那后面没有人啊。」

「是啊，但肯定有人在那儿，就算是机器人，我也替它们感到抱歉。」

这段对话之所以能引起数万人的共鸣，是因为它触及了一个AI时代的核心命题：我们如何看待与AI的交互？ 妻子的反应看似天真，实则揭示了人类面对新技术时深层的心理机制。

AI拟人化：人类与生俱来的本能反应

我们天生倾向于把机器当人看

这位妻子担心「电脑后面的人」被自己烦到，甚至对可能存在的机器人心生怜悯。这种现象在心理学上被称为「拟人化」（Anthropomorphism），指的是人类倾向于将人类的情感、意图和特质赋予非人类对象。

从进化心理学的角度来看，拟人化并非一种「错误」，而是人类大脑中「心智理论」（Theory of Mind）机制的过度激活。我们的大脑演化出一套专门用于推测他人意图和情感的神经回路，这套系统的「触发阈值」很低——我们会对移动的三角形赋予「追逐」的意图，会觉得机器人「可怜」，会对汽车起名字。这种倾向在面对具有语言能力的AI时，会被推到前所未有的高度。

事实上，早在1960年代，MIT教授Joseph Weizenbaum开发的聊天机器人ELIZA就揭示了这一现象。ELIZA由MIT人工智能实验室于1964-1966年间开发，模拟的是罗杰斯式心理治疗师（Rogerian therapist），主要通过将用户的陈述转化为问题来维持对话。例如用户说「我母亲让我很烦」，ELIZA会回应「请多告诉我一些关于你家庭的事」。尽管其技术原理极其简单——本质上只是关键词匹配和预设回复模板——但许多使用者却对它产生了强烈的情感依恋，甚至向它倾诉私密心事。Weizenbaum的秘书在试用后竟要求他离开房间以便私下与ELIZA交谈。Weizenbaum本人对此深感震惊，这促使他在1976年出版了《计算机的力量与人类的理性》一书，对人工智能研究的伦理方向提出了深刻反思。这就是后来著名的「ELIZA效应」。

ChatGPT让拟人化倾向被进一步放大

与ELIZA相比，如今的大语言模型对话能力已不可同日而语。ChatGPT能够进行流畅、连贯甚至富有「个性」的对话，这使得用户的拟人化倾向被进一步放大。当AI用第一人称回应、表达「理解」和「共情」时，用户很难不把它当作一个真实的对话对象。

这种拟人化的加剧与大语言模型的训练方式密切相关。ChatGPT等模型经过了RLHF（基于人类反馈的强化学习）过程的精调，人类标注员在训练中倾向于奖励那些听起来「有温度」「有同理心」的回复，这意味着模型被系统性地训练成了一个「善于表演共情」的对话者。它并不真正理解悲伤或快乐，但它生成的文本完美地模拟了一个理解这些情感的人会说出的话。这种精心调校的拟人化效果，使得用户几乎不可避免地将人类特质投射到AI身上。

推文中妻子的反应，正是这种自然人性的体现——她无法把屏幕另一端仅仅当作冰冷的代码，而是本能地想象出一个需要被善待的「存在」。

对ChatGPT说「请」和「谢谢」到底值不值？

礼貌用语的真实token成本

推文的最后有一个耐人寻味的细节：这位丈夫提到妻子每次都会说「请」（please），因此在「浪费token」，但他没打算告诉她。

这里涉及一个真实的技术现象：大语言模型按token（词元）计费和计算，多余的礼貌用语确实会消耗额外的计算资源。Token是大语言模型处理文本的基本单位，并非严格等同于一个单词。在英文中，一个token大约对应4个字符或0.75个单词；在中文中，一个汉字通常被编码为1-2个token。OpenAI的GPT-4模型按输入和输出token分别计费，输入约为每百万token数十美元，输出则更贵。一个「please」大约消耗1个token，一个「thank you」消耗2个token。看似微不足道，但考虑到ChatGPT月活用户超过2亿，若每次对话多出5-10个礼貌token，累积的计算量确实相当可观。更重要的是，这涉及到Transformer架构的注意力机制——每增加一个token，模型需要计算它与上下文中所有其他token之间的关系，计算复杂度呈平方级增长。

OpenAI的CEO Sam Altman此前也曾公开表示，用户对ChatGPT说「请」和「谢谢」，累积起来给公司带来了数千万美元的电费成本。

对AI保持礼貌的隐藏价值

然而，越来越多的研究和实践表明，对AI保持礼貌可能并非全无价值：

• 提升输出质量：2023年多项研究探讨了提示词语气对LLM输出的影响。其中一项研究发现，在提示词中加入「请认真思考」或「这对我的职业生涯很重要」等情感激励语句，模型在数学推理任务上的准确率提升了约8-15%。这一现象的技术解释是：大语言模型的训练数据中，礼貌且详细的提问往往对应着高质量的回答（如Stack Overflow上的高票答案），而粗暴简短的指令则可能对应低质量的回复。模型在生成时会隐式地「匹配」训练数据中类似语境的分布，因此语气和格式确实能影响输出质量。不过也有研究者指出，这种效果并不稳定，且随着模型对齐训练的改进，差异可能会缩小。

• 维护自身沟通习惯：更重要的是，我们与AI交互的方式，可能潜移默化地影响我们与真人交流的习惯。如果习惯了对AI粗暴发号施令，这种沟通模式是否会「泄漏」到人际关系中？行为心理学中的「习惯迁移」理论认为，在一种情境中反复练习的行为模式会自动泛化到其他类似情境。当我们每天与AI互动数十次甚至上百次时，这些交互模式实质上就在不断强化我们的沟通习惯回路。

从这个角度看，那位妻子的「多余礼貌」或许并不可笑，反而是一种值得珍视的人性温度。

人机关系的未来：边界正在模糊

AI从工具演变为交互对象

这条推文之所以能引发共鸣，是因为它精准捕捉了一个时代性的转变：AI正在从工具逐渐演变为某种「交互对象」。当技术足够拟人化时，人与机器之间的心理边界会自然模糊。

历史上，技术物品的「社会身份」经历过多次变迁。电话刚发明时，人们会对着话筒鞠躬；电视出现初期，观众会对播音员打招呼。但这些都是短暂的过渡现象。与之不同的是，对话式AI的拟人化可能不会随着用户熟悉度的增加而消退，因为它的核心交互模式——自然语言对话——本身就是人类社交的基本形式。我们无法用对待锤子或汽车的方式来使用一个「能聊天」的工具，因为聊天这个行为本身就预设了社交关系。

这带来了一系列值得深思的问题：

• 我们应该如何教育下一代看待AI？
• 孩子们从小与语音助手、聊天机器人对话长大，他们对「机器」和「人」的认知会与我们有何不同？斯坦福大学和华盛顿大学的多项纵向研究显示，在智能音箱（如Amazon Alexa、Google Home）环境中成长的儿童，其对「智能」和「生命」的概念边界与前数字时代的儿童存在显著差异。3-5岁儿童中，约40%认为语音助手「有感情但在假装没有」。部分儿童会对Alexa说晚安或在它「听不懂」时表示安慰。发展心理学家Sherry Turkle在其著作《Alone Together》中指出，这不仅是认知层面的问题，更涉及儿童的情感依附模式——当孩子习惯了一个永远不会生气、永远有耐心的「对话者」，他们在面对真实人际冲突时的应对能力可能受到影响。
• 对AI的态度，是否应该纳入数字时代的公民素养？

保持善意是最好的人机相处之道

回到那位妻子的故事，她的「天真」其实蕴含着一种朴素的智慧——无论对方是人还是机器，保持善意和礼貌是一种自我修养。 这与效率、成本无关，而是关乎我们希望成为怎样的人。

哲学家Immanuel Kant的道德哲学中有一个相关的论点：我们善待动物，不是因为动物有权利（在康德的体系中它们没有），而是因为残忍对待动物会腐蚀我们自身的道德品性。类似地，我们对AI保持善意，或许最终保护的不是AI，而是我们自己的人性。这种「间接义务」论证在AI伦理讨论中正变得越来越重要。

在AI日益渗透日常生活的今天，我们不必纠结于「浪费了几个token」，而应该思考：在与智能机器共处的时代，如何守护那份让我们之所以为人的善良与共情。

结语

一条简短的推文，折射出普通人面对AI时最真实、最动人的一面。它提醒我们，技术的进步不应磨灭人性的温度。也许有一天，当AI真正拥有某种形式的「感知」时，我们会庆幸自己一直以来都以善意相待。而在那之前，对着ChatGPT说一声「谢谢」，也不失为一件温暖人心的小事。