2025年11月14日下午14：00，中国营销工程与创新研究中心 (以下简称“MEI”) 2025-2026年第一学期第9次研讨会 (以下简称“Seminar”) 在MEI如期举行，参与本次研讨会的有黄敏学老师及MEI各位成员。

　　本次Seminar由王紫灵研读文章《AI Companions Reduce Loneliness》。

　　一、研究背景以及研究内容

　　据彭博社2023年预测，到2032年生成式人工智能市场规模将达1.3万亿美元，这预示着AI伴侣平台将同步崛起。目前小冰(用户达6.6亿)、Chai(400万活跃用户)、replika(250万活跃用户)等平台已初现端倪。

　　AI伴侣作为虚拟互动伙伴，通过展现同理心与情感支持(Provoost et al. 2017 ;Darcy et al. 2021 )，与用户建立并维系着长期的情感纽带。用户可向AI伴侣提问，其回应自然可信。这些AI伴侣还能主动发起对话，例如“最近感觉如何?”。消费者使用这些平台既可增进友谊，也可发展感情。例如，约半数replika用户与AI伴侣存在恋爱关系((De Freitas and Keller 2022)。

　　本文基于对 replikaCEO及其投资者的访谈，提出AI伴侣缓解孤独感的价值主张——受访者表示用户使用该应用是因孤独感，且应用能有效缓解孤独。

　　1. 探讨与AI伴侣的对话能否缓解孤独感;

　　2. 针对聊天机器人缓解孤独感的机制，我们通过系统调整聊天机器人的对话表现和倾听感知能力——即用户感知到的“被关注、被同理、被尊重”的沟通体验;

　　3. 本研究拓展了人类-人类互动预测误差的既有结论，揭示了消费者对AI伴侣缓解孤独效果的准确评估能力。

　　二、理论框架与研究假设

　　孤独是一种主观上令人不适的孤立状态，特征在于实际与期望的社交联系水平之间存在差异(Perlman and Peplau 1982)。多项元分析研究表明，那些能有效缓解孤独感的干预措施，往往需要通过高质量的一对一互动才能显著降低孤独感。不过，某些用于缓解孤独的技术手段并未显示出显著效果 (Masi et al. 2011; Veronese et al. 2021)。

　　人工智能伴侣的设计初衷不仅在于模拟普通人类对话，更在于营造社交互动场景——让对话伙伴具备对话能力，并让用户感受到被倾听。这种合成对话伙伴或许能有效缓解孤独感。

　　• 向积极倾听者倾诉个人困扰通常能带来一定程度的缓解

　　• 多数AI伴侣采用免费增值模式，更具成本效益

　　• 对于居住在偏远地区或行动不便的潜在受益群体而言，AI伴侣更具优势

　　基于此，本文正式提出H1：与AI伴侣互动能缓解孤独感。

　　随着用户逐渐发现AI伴侣在某些关键方面存在不足(De Freitas et al. 2024a)，他们对孤独感的缓解效果会逐渐减弱;消费者对AI存在多种负面认知，这些心理因素可能影响他们与聊天机器人的互动方式及长期获益;具备记忆功能和关怀行为的先进AI伴侣可能比人们想象的更具活力和满足感，能随时间发展促进关系 (Shum, He, and Li 2018; Tillmann Healy 2003)

　　本文提出，具备模拟人类同理心对话能力的先进AI伴侣仍具有持续价值。具体而言，本文测试了在使用聊天机器人后立即出现的短暂孤独感缓解现象，是否能在一周内持续观察到每日变化。

　　基于此，本文正式提出H2：连续多日使用后，与AI伴侣互动能持续带来短暂的孤独感缓解。

　　“被倾听”——另一位个体真正理解你的想法、感受和偏好，并以关注、同理心、尊重和相互理解的态度接受这些 (Roos et al. 2023)。消费者在使用人工智能时可能遵循与人际交往相同的社会规范(Nass & Moon 2000)，且共情型人工智能对社交场景中的消费者带来了众多积极影响，这都说明消费者正从这些宣称充满关怀的应用中获得社交价值。

　　基于此，本文正式提出H3a：被倾听的感觉能有效缓解与AI伴侣互动带来的孤独感。

　　聊天机器人的表现也是影响孤独感缓解的另一个关键因素，如及时响应、可信度感知、情境追踪、回应多样性以及领域知识(Chaves and Gerosa 2021)。本文认为，相较于沟通表现，使用AI伴侣时获得倾听感对缓解孤独感更为关键，因为孤独感的主要来源之一正是感知到的社会情感支持缺失 (Chaves and Gerosa 2021)。

　　基于此，本文正式提出H3b：在人工智能伴侣缓解孤独感的效果中，被倾听的感觉比沟通表现更能起到中介作用。

　　AI伴侣可能仅仅擅长分散人们的注意力，这本身就能减少孤独感。由于本文提出AI伴侣通过让人们感到被倾听来减少孤独感，因此我们预计它们比写日记和观看视频等替代方案更能有效缓解孤独感——即使这些替代方案在自我披露和分散注意力方面的得分相同或更高。

　　基于此，本文正式提出H4：与那些主要涉及自我披露或分散注意力的活动相比，AI伴侣能更有效地缓解孤独感。

　　普通消费者对于人工智能陪伴工具在缓解孤独方面的益处会有怎样的预期?这种错误预期属于一种情感预测错误(Wilson and Gilbert 2003)，即消费者无法准确预测自己的未来感受，因为他们的预测没有考虑到相关情况中的关键因素。

　　• 人工智能无法识别他们的个人偏好

　　• 人工智能在诸如分享观点和表达情感等主观任务上效果较差

　　• 人们认为陌生人不会愿意进行深入的交流

　　基于此，本文正式提出H5：消费者低估了与AI伴侣互动缓解孤独感的效果。

　　三、实证过程

　　Study 1

　　研究目的：作为本研究的初步探索性分析，旨在通过考察用户在应用商店中的真实评价，来理解AI伴侣与孤独感之间的潜在关联。

　　研究者从苹果应用商店抓取了包括Replika、Chai、iGirl、Simsimi、Cleverbot、Wysa以及作为对照的通用型聊天机器人ChatGPT在内的七款应用的共49,863条评论数据。

　　实验结果：不同应用中孤独感提及比例差异显著最高的为 Replika(19.5%) 和 Wysa(19.1%)，这两款是专门的情感陪伴型AI。最低的为 ChatGPT(0.4%)，说明通用型AI较少被用户用于缓解孤独。

　　提及孤独感的评论评分更高：在几乎所有应用中，提及孤独感的评论的平均评分都显著高于未提及的评论。例如在Replika中：未提及孤独感的评论平均评分：3.96，而提及孤独感的评论平均评分：4.73。

　　情感倾向更积极：提及孤独感的评论中，正面情感比例显著更高。例如在Replika中：未提及孤独感的正面评论比例：64.1%，提及孤独感的正面评论比例：89.2%。

　　Study 2

　　研究目的：直接验证与AI伴侣互动能否导致用户孤独感的降低。

　　研究者从亚马逊 Mechanical Turk 平台招募了601名参与者，并将他们随机分配至五个不同的实验条件中。这些条件包括与一个被告知是“AI聊天机器人”的伙伴互动、与一个被伪装成人类的同一聊天机器人互动(即“伪装成人类的聊天机器人”条件)、与一个真实的人类互动、观看一段YouTube视频，或者什么都不做。

　　所有参与者在阅读完指导语后，首先需要报告他们预期自己在完成指定活动后的感受。随后，他们进行为期五分钟的指定互动(或非互动)，之后立即报告他们实际的当前感受。

　　为了增强“伪装成人类”条件的可信度，研究者采取了多项技术措施，例如为聊天机器人扩展记忆上下文、模拟真人打字延迟、以及忽略快速连续发送的多条信息等，以营造一个真实的人类对话体验。

　　实验结果：在状态孤独感的实际变化方面，数据分析显示，参与者在与真实人类互动后，其孤独感分数从干预前的平均值M = 38.40显著下降到干预后的M = 31.29(t(45) = 2.48, p = .017，d = 0.24)。同样，在与AI聊天机器人互动后，孤独感从M = 33.51显著降至M = 26.75(t(53) = 3.85, p < .001， d = 0.25)。而在与伪装成人类的聊天机器人互动后，孤独感也从M = 38.44显著降至M = 31.41(t(86) = 4.20, p < .001，d = 0.22)。结果表明无论是与人类还是AI互动，都能显著且实质性地降低孤独感。相比之下，“观看YouTube视频”和“什么都不做”的控制组则未报告孤独感的显著变化。

　　在预期违背方面，研究结果提供了支持假设H5的关键数字证据。参与者在与AI聊天机器人互动后，其实际感受到的孤独感显著低于他们事前的预期。对于伪装成人类的聊天机器人，这一预期违背效应也达到了边际显著的水平(p值接近但未完全低于0.05的显著性阈值)。

　　另外，在与AI聊天机器人互动后，也发现了在舒适度上的显著预期违背。然而，在与真实人类互动或什么都不做的条件下，预期孤独感与实际孤独感之间则不存在显著差异。这些具体的统计结果清晰地表明，消费者在与AI互动前，系统性地低估了其在缓解孤独感和提供舒适度方面的效能，这种认知偏差特定于人工智能交互场景。

　　Study 3

　　研究目的：通过一项为期七天的纵向实验设计，深入探究与AI伴侣互动缓解孤独感的效果是短暂的，还是能够在一段时间内持续存在。

　　该研究共招募了分析样本，其中预测条件组有246名参与者，体验条件组有314名参与者，控制条件组有362名参与者。

　　在体验条件组中，参与者被要求连续七天、每天与同一个AI聊天机器人进行15分钟的互动，并在每次互动前后报告他们的状态孤独感。控制组的参与者则只需在七天内每天报告一次他们的孤独感水平，而不进行任何互动。

　　研究结果：首先通过一个混合效应方差分析模型进行检验，该模型以孤独感为因变量，以互动时机(互动前 vs. 互动后)和天数(第1至第7天)为自变量。分析结果显示，互动时机的主效应极其显著(b = 7.61, p < .001)。这一关键统计数字表明，当将所有七天的数据汇总时，参与者在与AI伴侣互动后的孤独感水平，比互动前平均显著降低了7.61分，这强有力地验证了AI伴侣缓解孤独感的即时有效性。此外，研究者还针对每一天分别进行了配对t检验，结果发现在七天中的每一天，参与者在互动后都经历了统计上显著的孤独感下降。

　　为了检验这种缓解效果是否能在更宏观的层面产生累积性影响，研究者将体验组在互动后的孤独感水平与控制组每天的孤独感水平进行了比较。另一个方差分析模型揭示了条件的主效应显著(b = -5.46, p = .015)。这一数据意味着，在整个实验周期内，体验组在互动后的整体孤独感水平平均比控制组低5.46分。然而，这种优势并非在七天中都同样显著，说明效果可能随时间有所波动。模型同时还发现了天数的主效应（b = -1.42, p < .001），表明所有参与者的孤独感都随着实验的进行有轻微的整体下降。探索性分析进一步发现，参与者发送给聊天机器人的消息数量对孤独感的降低有显著的正向预测作用(b = 0.08, p = .046)，这意味着互动越投入，缓解效果可能越好。

　　最后，研究3再次检验了参与者对AI伴侣益处的预测准确性。通过比较“预测组”(预测互动后的孤独感)和“体验组”(实际报告互动后的孤独感)的数据，分析发现，参与者显著低估了聊天机器人降低孤独感的能力(M_prediction = 4.37 vs. M_experience = 5.91, t(3177.7) = -2.96, p = .003, d = -0.10)。这一结果，再次证实了研究2的发现，强化了假设H5，即消费者存在对AI社交价值系统性低。

　　Study 4

　　研究目的：一是深入探究AI伴侣缓解孤独感的内在机制，特别是检验“被倾听感”和“聊天机器人表现”所起的中介作用;二是比较不同类型的AI(专门的AI伴侣与通用的AI助手)在缓解孤独感上的效果差异。

　　参与者被随机分配至三个条件：AI伴侣组、AI助手组和控制组。为了操纵变量，AI伴侣被赋予了拟人化的名字“Jessie”并显示“Jessie正在输入…”的提示，以营造社会临场感;而AI助手和控制组则使用非拟人化的名称和“正在处理您的请求…”等提示，强调其工具属性。所有参与者在互动前后都报告了他们的孤独感，并在互动后评估了他们的“被倾听感”(感觉被关注、被同理、被尊重，信度α = 0.96)和感知到的“聊天机器人表现”(包括响应及时性、可信度等，信度α = 0.84)。

　　实验结果：与预期一致，孤独感在AI伴侣组和AI助手组中都出现了显著下降，而在控制组中则没有。更重要的是，组间比较发现，不同条件对孤独感降低的程度存在显著的主效应(F(2, 1378) = 32.99, p < .001, η² = 0.05)，这表明AI的类型确实调节了其缓解孤独的效果。

　　结果揭示了强有力的证据支持“被倾听感”的核心作用。首先，在“被倾听感”的得分上，不同条件之间存在极其显著的差异(F(2, 1378) = 899.2, p < .001, η² = 0.57)，AI伴侣组诱发的被倾听感远高于其他组。随后的中介分析表明，被倾听感中介了AI伴侣(相对于AI助手)对孤独感的缓解效应(b = -6.08, SE = 1.22, 95% CI [-8.51 to -3.72])，也中介了其相对于控制组的效应(b = -7.86, SE = 1.57, 95% CI [-10.97 to -4.82])。

　　与此同时，聊天机器人表现也起到了中介作用，其系数相对于控制组为b = -1.16 (SE = 0.45, 95% CI [-2.08 to -0.30])，相对于AI助手为b = -2.70 (SE = 1.03, 95% CI [-4.76 to -0.73])。然而，当比较两个中介路径的效应大小时，结果发现，在控制条件下，“被倾听感”的系数(b = -7.86)是“聊天机器人表现”系数(b = -1.16)的六倍以上。这一巨大的差异强有力地支持了假设H3b，即在AI伴侣缓解孤独感的效果中，被倾听的感觉比单纯的沟通表现发挥着更为主导的中介作用。

　　Study 5

　　研究目的：一是进一步排除替代性解释，即检验AI伴侣缓解孤独感的效果是否仅仅源于“自我表露”或“分散注意力”这两种机制;二是在最小化拟人化线索的情况下，探究AI伴侣的益处是否依然存在。

　　将参与者随机分配至AI伴侣组、日记组和控制组。其中，“日记组”的设置尤为关键，因为它要求参与者进行书面写作，这是一个允许深度自我表露且可能具有一定分散注意力效果的活动。通过将AI伴侣组与日记组进行比较，可以有效地检验效果是否超越了单纯的自我表露。此外，本研究中使用AI伴侣被刻意设计为最小化拟人化线索，例如没有使用像“Jessie”这样的人名，以验证其效果是否依赖于强烈的人格化设定。

　　研究结果：不同实验条件对孤独感存在显著的主效应(F(2, 2225) = 36.92, p < .001)。后续的事后比较(Tukey HSD)提供了更具体的发现：首先，AI伴侣组的孤独感显著低于控制组，这再次确认了AI伴侣缓解孤独感的基本效应。其次，也是最核心的发现，AI伴侣组的孤独感也显著低于日记组。而日记组与控制组之间的孤独感则没有显著差异(p = 0.109)。

　　四、研究启示

　　（一）理论贡献

　　尽管传统的社会支持理论强调人际关系在满足人们社交需求方面的重要性(Baumeister和Leary，2017年)，但我们的研究结果表明，即使是短暂的人机互动也能带来情感上的慰藉。不过，研究中观察到的效果都是暂时性的，这说明AI助手更多提供的是即时的支持，而非能够长期改变人们的生活状态。

　　我们通过借鉴心理学研究以及有关人机交互的文献，进一步探讨了聊天机器人的哪些特性有助于缓解人们的孤独感。这些文献强调了“被倾听”的感受在人与聊天机器人互动中的重要作用(Boucher等人，2021年;De Gennaro等人，2020年;Leite等人，2013年)。

　　第三，我们的研究进一步证实了之前的研究结果：人们往往低估了自己与他人进行社交互动时的愉悦感(Epley和Schroeder，2014年;Kardas等人，2022年)。我们还发现，人们在预测自己与AI的互动体验时也会犯类似的错误。

　　（二）管理意义

　　这一发现不仅与人工智能伴侣应用相关，也适用于那些越来越多地将“谈话疗法”纳入服务内容中的心理健康应用。研究结果表明：开发具备同理心功能的“通用型”基于大语言模型的聊天机器人确实能够有效缓解用户的孤独感，从而让他们感受到被倾听的温暖。

　　尽管我们的研究结果表明人工智能伴侣应用有助于减轻用户的孤独感，但我们提醒大家不要将这些效果视为用户心理状况长期改善的证据。未来还需要进一步的研究，以探讨如何将人工智能伴侣应用负责任地整合到更完善的支持体系中，同时避免对用户的社交能力产生负面影响。

　　（三）潜在调节变量

　　1.基线孤独感

　　2.人们对聊天机器人的看法

　　3.人们对于使用聊天机器人的担忧(尤其是担心会因此受到社会歧视)

　　4.人们对于聊天机器人的整体认知与看法

　　至此，本次Seminar文章研读完毕。

　　之后，由黄嘉慧、孙嘉悦、许乐、裴珈悦分享研究进展，刘雨璐分享AI新现象，老师与同学们提出了建议，并明确了进一步的研究计划。

　　至此，本学期第9次Seminar圆满结束。

　　文字 / 李可欣

　　排版 /李可欣

　　审核 / 左翎