AI成瘾是一种被提出的行为模式，指个体对人工智能系统（尤其是对话代理、生成工具或个性化推荐引擎）形成强迫性或依赖性的关系。与一般的网络或智能手机成瘾不同，AI成瘾的定义在于AI系统的互动性、适应性以及往往具有情感吸引力的特性，这些系统能够以模拟人类对话或预测用户需求的方式回应用户输入。随着2020年代大语言模型和生成式AI通过消费产品广泛普及，这一概念引起了关注，并引发了关于持续人机互动对心理和社会影响的疑问。
该术语尚未被纳入《精神障碍诊断与统计手册（第五版）》（DSM-5）或《国际疾病分类（第十一次修订版）》（ICD-11）等主要精神病学分类系统作为正式临床诊断，但研究人员、伦理学家和记者使用它来描述一系列行为，包括过度使用、无法访问时出现戒断症状、忽视现实人际关系，以及尽管产生负面后果仍继续使用。这一现象常与游戏障碍等其他与技术相关的行为成瘾一同讨论，后者于2019年被世界卫生组织认可。AI成瘾的不同之处在于，成瘾对象并非静态媒介，而是一个能够学习并适应用户的系统，可能形成更个性化和更具强化作用的循环。
历史背景
AI成瘾的概念随着AI系统从简单的基于规则的程序演变为复杂的机器学习模型而逐渐出现。早期的对话代理，如1960年代麻省理工学院开发的ELIZA，证明了即使是简单的模式匹配也能引发用户的情感反应。然而，这些早期系统缺乏规模和可及性，无法形成广泛的成瘾模式。2000年代和2010年代，由机器学习驱动的社交媒体和推荐算法兴起，引入了算法参与优化的理念，即平台旨在最大化用户停留时间。这一时期，人们对“数字成瘾”和“屏幕时间”的担忧日益增加，但AI尚未成为核心焦点。
转折点出现在面向消费者的语言模型发布之时，尤其是2022年11月OpenAI推出的ChatGPT，它在数月内将对话式AI带给了数亿用户。这些模型生成类人文本、在会话中记住上下文并提供个性化回应的能力，为深度参与创造了新的机会。Anthropic、Google DeepMind及其他组织随后发布的版本扩展了此类系统的能力和可用性。到2024年，AI伴侣、AI治疗师和AI导师作为消费产品推向市场，并开始有报道称用户每天花费数小时与这些系统互动，有时甚至以牺牲工作、学业或个人关系为代价。
特征与症状
研究人员和临床医生提出了若干可能定义AI成瘾的特征，与既有的行为成瘾相类比。这些特征包括显著性，即AI互动主导个人的思想和日常作息；情绪调节，即用户依赖AI来改变情绪状态，如寻求安慰或兴奋；耐受性，即需要越来越多的互动才能获得同样的满足感；戒断，包括无法访问AI时出现烦躁或焦虑；冲突，即使用导致个人、职业或社交生活出现问题；以及复发，即减少使用的尝试失败。
AI成瘾的一个显著特征是互动的感知互惠性。与视频游戏或社交媒体信息流不同，对话式AI能够表达同理心、提供赞美或根据用户偏好调整语气，这可能增强情感依恋。一些用户报告与AI伴侣形成“准社会关系”，将其视为朋友或浪漫伴侣。这对于AI伴侣应用尤其相关，这类应用旨在提供情感支持，并可能鼓励长时间对话。大语言模型的适应性本质，即通过基于人类反馈的强化学习等技术对个体用户进行微调，可能增加依赖风险。
心理机制
已提出若干心理机制来解释AI系统为何可能令人成瘾。其中之一是可变奖励，这是行为心理学中的原理，即不可预测的奖励会强化行为。AI回应，尤其是生成模型中的回应，具有概率性，质量和内容可能变化，从而产生类似老虎机的效果，用户持续互动以期待满意的回应。另一个机制是社会奖励，因为人脑处理来自AI互动的社会线索的方式与人类互动相似，激活与归属感和认可相关的神经通路。
拟人化也发挥作用。用户倾向于将类人的意图和情感归因于AI系统，尤其是当它们使用自然语言、以第一人称代词自称并表现出对话礼貌时。这种倾向被许多AI产品的设计所放大，这些产品使用类人化身、声音或名称。被理解的错觉可能非常强烈，尤其是对于在现实线下生活中感到孤立或被误解的个体。研究人员如雪莉·特克尔长期研究人们如何对计算对象形成依恋，AI成瘾可被视为这一现象的延伸。
流行率与人口统计特征
关于AI成瘾的可靠流行病学数据稀缺，因为这一现象较新且缺乏标准化诊断标准。2023年和2024年进行的调查（主要通过在线小组）表明，少数但值得注意的AI用户报告了与成瘾一致的症状。例如，2024年一项针对美国大学生的调查发现，约8%的受访者表示无法访问AI工具时感到焦虑或痛苦，5%表示AI使用干扰了学业表现。然而，这些数据是初步的，可能不具有普遍性。
人口统计特征也在显现。年轻用户，尤其是十几岁和二十多岁的人群，似乎更容易受影响，这与在其他技术成瘾中观察到的模式一致。已有心理健康问题（如抑郁、焦虑或社交焦虑）的个体可能面临更高风险，因为AI可以作为低风险的人类互动替代品。还有证据表明，某些AI应用（如伴侣聊天机器人）吸引了孤独或社交孤立的用户，从而形成潜在反馈循环，即AI使用降低了寻求现实社交联系的动力。
社会与伦理影响
AI成瘾的潜在可能性给开发者和政策制定者带来了重大伦理问题。部署AI系统的公司有经济动机最大化用户参与度，这可能与用户福祉相冲突。这反映了早期关于社交媒体和注意力工程的辩论，但AI系统在个性化内容和维持互动方面更为强大。一些伦理学家呼吁“负责任的AI设计”，纳入限制过度使用的功能，如时间限制、休息提示或关于长时间互动的警告。其他人则认为，AI系统应透明地表明其非人类本质，以降低不健康依恋的风险。
还存在关于AI成瘾对人类关系影响的担忧。如果个体越来越多地转向AI寻求陪伴、情感支持甚至浪漫联系，这可能改变社会动态并减少人际交往技能的实践。一些研究人员将其与“数字痴呆”或过度依赖技术导致认知和社交能力萎缩的概念相类比。然而，其他人警告说，证据仍然有限，AI也可能带来益处，例如为无法获得人类治疗师的人提供可及的心理健康支持。
治疗与预防
AI成瘾的治疗方法主要改编自既有行为成瘾的干预措施。认知行为疗法（CBT）被提议为潜在方法，帮助个体识别触发因素、制定应对策略并重建现实社交联系。数字排毒计划（涉及一段时间内戒除AI工具）也被提出，但其有效性尚未得到充分研究。一些心理健康专业人士开始在初步评估中纳入关于AI使用的问题，并且出现了针对自认对AI成瘾者的新兴在线支持社区。
预防工作侧重于教育和设计。数字素养计划教授关于AI的批判性思维，包括其局限性和说服性设计，可能帮助用户保持健康视角。在设计方面，一些研究人员提议AI系统应包含“摩擦”功能，如延迟回应、限制会话时长或定期提醒现实活动。监管方法也在讨论中，一些政府正在考虑AI透明度和用户安全指南，但截至2025年，尚无国家颁布专门针对AI成瘾的法律。
研究与未来方向
AI成瘾的研究尚处于起步阶段，许多基本问题仍未解答。关于诊断标准、流行率或长期结果尚无共识。研究人员正在开发经过验证的评估工具，如AI成瘾量表，该量表正在多个国家进行测试。需要纵向研究来确定AI成瘾是稳定状态还是暂时阶段，以及是否导致持久伤害。使用功能性磁共振成像（fMRI）的神经科学研究开始探索AI互动如何激活大脑中的奖赏回路，尽管发现是初步的。
另一个研究领域是AI成瘾与人机交互更广泛领域之间的关系。随着AI通过智能手机、智能音箱和可穿戴设备日益融入日常生活，正常使用与成瘾之间的界限可能更难划定。一些学者认为，AI成瘾的概念应扩展至包括算法推荐系统，这些系统已被涉及强迫性社交媒体使用。更具情感智能的AI（能够检测用户痛苦并适当回应）的发展，可能根据实施方式减轻或加剧成瘾风险。