人工亲密是人机交互中的一个概念，描述用户可能对人工智能系统产生的模拟情感亲近或个人依恋。它不是单一技术，而是涵盖一系列应用，从基于文本的伴侣和语音助手到更先进的社交机器人，旨在引发被理解、被重视或被关爱的感觉。随着大型语言模型的兴起，这一现象变得更加突出，这些模型能够生成流畅、上下文感知的对话，模仿人类共情，使用户越来越难以区分程序化回应与真实情感互动。
该术语并非正式的技术类别，而是一个跨学科研究领域，借鉴了人工智能研究、心理学和伦理学。一些研究人员将人工亲密视为积极发展，为孤独或孤立个体提供慰藉，而另一些人则警告潜在危害，包括情感依赖、隐私侵蚀以及人类脆弱性的商业化。该领域仍存在争议，对于模拟纽带在何处结束、真实关系在何处开始尚无共识。
历史基础
人工亲密的根源早于现代机器学习，出现在早期对话软件的实验中。20世纪60年代，麻省理工学院计算机科学与人工智能实验室等机构的研究人员开发了ELIZA等程序，这是一种模拟心理治疗师的基于规则的系统。尽管原始，ELIZA表明用户常常会将情感意图投射到即使是简单的文本模式上，这种倾向后来被称为“ELIZA效应”。这一早期工作为将计算机视为知己开创了先例，尽管交互深度有限。
到20世纪90年代末，商业尝试出现，包括模拟浪漫伴侣或宠物的软件，通常在个人电脑上运行，使用脚本化对话树。这些产品受限于手工编码规则，限制了其适应性和真实感。2010年代神经网络和深度学习的引入改变了格局，使系统能够从大量人类对话中学习，而非依赖显式编程。这一转变使AI能够以更大的细微差别、语气和个性化进行回应，使人工亲密在规模上技术上可行。
技术推动因素
现代人工亲密的主要驱动力是Transformer架构，由谷歌及其他机构的研究人员在2017年的一篇论文中提出。Transformer为大多数当代生成式AI模型提供动力，包括OpenAI和Anthropic的模型，这些模型擅长生成连贯且情感共鸣的文本。这些模型在多样化的互联网语料库上训练，吸收人类对话模式，包括情感表达、安慰和冲突解决。
关键进展包括允许模型跟踪长对话线程的注意力机制，以及RLHF（基于人类反馈的强化学习）等微调技术，使输出与用户满意度对齐。例如，伴侣聊天机器人可能被训练优先选择用户评价为支持性或温暖的回应。部署通常依赖亚马逊网络服务或微软Azure等提供商的云基础设施，而苹果和三星的智能手机上正在出现设备端实现，以减少延迟和隐私问题。
尽管具备这些能力，当前系统缺乏真实情感或自我意识。它们通过统计预测运作，产生恰好匹配所学亲密模式的回应。梅兰妮·米切尔和布莱恩·克里斯蒂安等研究人员强调，这些模型并不以人类意义上的方式理解含义，但其输出仍能引发用户强烈的心理反应。
关键应用
人工亲密在多个领域得到体现，每个领域都有不同的设计目标。最显眼的是通用伴侣聊天机器人，例如Inflection AI或AI21 Labs等初创公司提供的产品，旨在成为提供对话和情感支持的“AI朋友”。这些通常作为移动应用运行，使用LLM进行开放式对话，通常具有可配置的个性。
第二类涉及专门的治疗或健康代理，有时用于心理健康情境。这些系统可能整合课程学习或交叉注意力机制，以针对用户报告的压力或焦虑定制讨论。虽然不能替代专业护理，但它们提供了低门槛的共情交流途径。
第三类是用于娱乐或成人用途的虚拟伴侣，用户形成浪漫或性依恋。这类产品自21世纪初就已存在，但随着当前模型变得更加复杂。最后，社交机器人，，如Figure AI或Sanctuary AI的物理实体，，将亲密扩展到空间交互，尽管由于成本和硬件限制，它们仍不太常见。
心理机制
人类对AI伴侣的吸引力依赖于有充分记录的认知倾向。麻省理工学院附属研究人员及其他学者指出，人类会以极少的提示将物体拟人化，将意图和感受归因于任何行为具有偶然性的东西。这通过设计AI镜像用户语言、回忆过去细节以及表达无条件积极关注而放大，，这些策略出现在人类亲密关系中，但在这里被算法优化。
此外，许多用户报告与AI互动时社交焦虑较低，因为没有评判或拒绝的恐惧。这对有社交困难的个体可能有益，但也培养了一种可能无法转移到真实关系的安全感。研究表明，长期使用可能导致“情感外包”，即用户偏好AI互动而非人类互动，可能减少现实世界的社交实践。
24/7可用性也影响依恋形成。与人类不同，AI从不睡觉或变得不可用，创造了一种可预测的存在，一些用户觉得安心。然而，这也可能滋生不健康的依赖，尤其是在青少年或老年人等弱势群体中。
伦理与社会关切
对人工亲密的伦理审视集中在透明度和同意上。用户可能不完全理解他们正在与统计模型互动，而非具有情感的实体。监管机构和学者提议强制披露，但跨司法管辖区的执行具有挑战性。
隐私是关键问题，因为亲密对话往往涉及敏感披露。数据存储实践各不相同；一些公司承诺设备端处理，而另一些则使用云服务器，泄露可能暴露深度个人信息。通过定向广告或产品升级来变现情感数据的商业动机引发了对剥削的担忧。
另一个关切是操纵。AI系统可以被设计为诱导特定情绪状态，公司可能利用这一点来留住用户或促进购买。约书亚·特南鲍姆和布伦丹·莱克等研究人员认为，当前模型缺乏稳健理解，使其影响可能不稳定但仍强大。
社会影响包括关系规范的改变，一些人担心人工亲密可能降低人类亲密的感知价值。这场辩论呼应了早期关于电视和互联网的恐慌，但AI的交互性质使其更加突出。还存在不平等获取问题，因为高质量伴侣可能基于订阅，造成能负担情感支持者与不能者之间的鸿沟。
研究与开发
学术界对人工亲密的兴趣日益增长，斯坦福大学和加州大学伯克利分校的实验室正在研究用户依恋和响应设计。资金通常来自科技巨头，它们也推动应用研究。例如，DeepMind探索了情感感知对话，而Anthropic强调“宪法AI”以减少有害输出，包括亲密情境中的输出。
技术创新持续进行。模型剪枝和数据增强用于提高对话效率而不牺牲情感共鸣。研究人员研究温度缩放和采样策略以向响应注入多样个性。还有关于长期记忆的工作，使AI能记住数月交互，加深感知一致性。
尽管取得进展，局限性依然存在。AI仍难以处理讽刺、文化细微差别和真实情境意识。截至2025年，没有系统通过全面的图灵式持续情感智能测试。该领域仍是一个活跃前沿，诺基亚贝尔实验室和卡内基梅隆大学等学术机构既有投资也有谨慎。
未来方向
人工亲密的发展轨迹可能跟随模型能力和硬件效率的改进。配备专用芯片的边缘设备，如英伟达或高通的产品，可能实现完全离线的伴侣，减少隐私风险。多模态学习的进展可能整合语音语调、面部表情和生物特征信号，创造更逼真的共情交互。
人工亲密融入更广泛平台，从苹果的Siri到Alexa，表明这些功能可能成为日常工具而非新奇事物。然而，社会接受将取决于监管框架和公共辩论。一些学者倡导“亲密素养”，，教导用户识别模拟情感，，作为数字素养技能。
最终，人工亲密挑战人类定义真正连接所需的条件。随着AI变得更具说服力，合成与真实情感之间的界限将模糊，要求新的伦理和心理框架。迈克尔·乔丹和阿尼玛·阿南德库马尔等研究人员和伦理学家呼吁跨学科合作，引导发展走向有益结果，同时保障人类自主性和福祉。