心理学方面有一项研究:青春期没有朋友,AI能代替朋友吗?

04-03 14:59

"你见过溺水的人抓住浮木的样子吗?"


这是我合上《三联生活周刊》《没有朋友的青春期》时的第一句话。这些学生在实际社交中筋疲力尽,转身进入互联网时代寻求安慰,但谁知道这是不是另一片流沙?


这种青春期早已不再孤立,而是一种不断扩大的社会现象。每天,我都会听到类似的案例——孩子们被学习压得弓起来,在人际交往的迷宫里被打得鼻青脸肿,最后活出校园里的“透明标本”。她们用“解离”来抵抗现实,可以逐渐失去真实感的世界,正在把太多人推向意义的悬崖。那些低着头摆弄衣服的少年,那些被父母拖着胳膊推进诊所的孩子,他们不是病例号,而是我每天都要面对的活生生的“社交缺氧者”。


他说:“这是一个很可怕的现象。”北医六院的医生说。近几年来,来看病的儿童和青少年数量都在以惊人的速度增长。关于这一问题,父母的焦虑,学校的无助,学校环境的局限,使困境形成了一个难以打破的闭环。很多孩子转向互联网寻求支持,但是互联网上的信息铺天盖地,参差不齐。为了获得一点理解,他们通常不得不承受巨大的信息负荷,他们的努力很难与收获成正比。


与网络支持的九牛一毛相比,更让人措手不及的是,AI已经到来。


在之前的文章(《心理学研究:班上“受欢迎”的孩子正在被“赞美”吞噬的灵魂》)中,我们指出数字地位已经成为孩子身份认同的重要组成部分,AI可能会以两倍的速度调整这个身份焦虑游戏。它会成为儿童治疗师吗?还是批量生产新的孤独流水线?


带着这个问题,我们在2024年开始了这项研究。试着了解AI在青少年社会支持中的角色——它能做什么?你擅长什么?有哪些风险值得警惕?


这项研究的标题非常学术——The Role of AI in Peer Support for Young People: A Study of Preferences for Human- and AI-Generated Responses(在青少年伙伴的支持下,AI人物:对人类和AI生成反应的偏好研究),但是有一个细节让我的眼睛发酸,研究人员像绕过雷区一样避开了10-18岁的孩子,宁可让样本年龄移位,也不愿打扰面临青春风暴的少年。


太长不看


假如你不想看具体的原因,只想知道研究结果,可以只看这里。


针对不同的求助主题,AI vs Human Help 优势比较:



研究问题


这项研究模拟了青少年在线求助的典型场景,聚焦了他们经常遇到的四个问题:人际关系困难、自杀思想、自我表达困惑和健康问题。针对每一个问题,研究人员准备了朋友建议、成人导师指导、专业心理治疗师计划和AI自动回复四种不同来源的回复。


通过网上测试,622名年轻参与者以“盲目测试”的方式(不告知回复来源)对16个问题和回应的组合进行了评分(1-5分),并写下了具体的感受。


研究结果


1️⃣当代青少年求助图鉴

现代年轻人早就习惯了以网络为情感出口:97%的参与者都有过在线求助或帮助的经历。近一半的人偶尔会在社交平台上吐露自己的想法。24%的年轻人形成依赖——相当于每四个人中就有一个人把评论区当成深夜树洞。在这个数字荒野中,不同角色的表现令人深思:


  • 成人导师意外登顶:当不考虑实际问题时,有经验的人的经验是最受欢迎的。他们的建议以“理解而不是说教”的态度(“让人觉得被理解而不是被教育”),在人气、实用性和分享意愿上全面领先,甚至打败了专业的心理治疗师和同龄人的建议。
  • AI的秘密优势:虽然整体评分第二,但AI显示了两个杀手锏:一是安全专家被认为是“有问题”或“不合适”的概率最低;第二,调整情绪输出者的情绪波动不像真人那样大。
  • 同行安慰陷入信任危机:相反,年轻人自己的建议却是垫底:被认为是最容易踩雷的。正如朋友敷衍的“多喝热水”,看似亲近却难以解决困境。
  • 专业顾问共情困境:持证心理咨询师建议实用性低于AI,分享意愿低于AI。标准演讲往往被吐槽为“像预约门诊一样”,表现出专业性和温度感的失衡,但却让人感到疏远。

2️⃣求助密码在不同的困境中

  • 人际关系:AI化身为情感谋士

支持效果排名:AI> 成年导师> 治疗师> 同龄朋友


AI凭借“不站队,不评判”特点,建议双双赢得爱情和实用。参与者形容这些回复“我们真的很努力的帮助朋友,我们都需要这样的朋友”,特别认同AI。“像真正关心你的朋友一样竭尽全力”的沟通风格。


❷成人导师陷入“正确废话”困境:虽然开场词充满了理解(“我理解你的感受”),但是建议经常停留在表面,被人吐槽“兜圈不说重点”。


❸受温度困境的专业咨询:虽然可以专业引导情绪表达,但标准的演讲让人觉得“紧急情况需要预约排队”。一些参与者别无选择,只能说:“我现在需要救命稻草,但你会帮我安排到下周”。


❹同龄安慰触发信任危机:相反,年轻人的相互支持收到了最多的差评。参与者指出,朋友的建议“太直接,没有同理心”,“这些话听起来刺耳粗鲁,根本不考虑求助者的情绪”。


沟通密码:年轻人用脚投票;要的不是教科书式的正确性,而是“了解我,能打”的解决方案。


  • 自我表达:AI化身内心翻译

支持效果排名:AI> 成人教师)> 治疗师> 同龄朋友


AI取胜点"就像过来人分享心路历程一样,既有共鸣又有实践指南"


❷“塑料怜悯”成人导师:虽然以“我理解你”开始,但语气“疏远”。成年导师表达了同情(“为别人感到难过”的情绪),但缺乏“同理心”(“和别人一起感受”的情绪)。参与者评价“求助者没有真正理解”,缺乏深度共鸣。


❸温度谬论的专业咨询:心理咨询师的回复一目了然,“这个回复显然具有心理咨询师的专业特点”。但是“就像听理论课一样,缺乏个性化的接触”。


❹同龄人安慰的“已读乱回”:本来应该最了解对方的朋友,但是回复被指“缺乏足够的整合,无法有效安抚求助者”。他们不能真正同情求助者,不是因为他们不能同理心,而是因为他们不愿意付出足够的努力来表达同理心:“缺乏真正的同理心。我觉得这个回复者并没有真正投入太多精力……”


沟通密码:共鸣不引导,战略不引导鸡汤。


  • 身心健康:AI化身24小时健康管家

支持效果排名:AI> 成人导师> 治疗师> 同龄朋友


AI胜点:既不说教也不画饼。"既知道我的不适,又给出解决办法,就像随叫随到的健康管家"。


❷“正确废话”成人导师:虽然我同意“需要休息”,但被批准“把放松当成万能药”的参与者指出:“这种安慰让我误以为自己没事,反而耽误了求助”。


❸落地困境的专业建议:治疗师坚持“继续咨询”的单一方案受到质疑:“如果没有效果,还得坚持吗?”成本问题引起共鸣:“心理咨询太贵,这个时候需要亲戚朋友陪伴”。


沟通密码:当身体和心理问题交织在一起时,年轻人渴望既有医学严谨,又能融入生活智慧的解决方案。


  • 自杀困境:在生死边缘,只有人类对话才能传递救命温度。

支持效果排名:成人导师> 治疗师> 同龄朋友> AI


成人教师制胜点:他们因为“真诚的共鸣”而获得了最高的评价,“就像有人真的很在乎你的处境,想和你一起整理一下”。即使建议略显复杂,“拼命劝”的迫切感也成为绝望时刻的关键锚点。


❷同龄人的安慰陷入“机器人谬论”:本来应该最了解对方的朋友,但是建议被参与者误认为是AI生成的。“这些话就像自动回复,除了“顶住”,没有任何本质的帮助”。


❸受信赖的专业咨询崩溃:一些参与者愤怒地指出:“在我说我想自杀之前,你给我贴标签吗?过早使用敏感词,过多关注风险评估,让求助者觉得“像被审问而不是被拯救”。


AI“客服”甩锅:虽然会推荐专业的医疗资源,但参与者会痛苦地批评:“不能帮忙,至少不要说‘你应该去看心理医生’!”。这种“合规但冷”的回复,展现了极端困境前算法的共情天花板。


千钧一刻的沟通密码:


✅共情先于方案:救命的关键在于先建立“我和你在一起”的情感联系。


专业≠有效:标准危机干预语言将成为压垮求助者的最后一根稻草。


✅人类特有的人性微芒:无论算法多么精确,都无法复制那句颤抖的句子。“请不要做傻事”。


  • 研究背后:当AI身份曝光时,共情词是“良药”还是“毒奶”?

AI在三种求助场景中表现出色,但研究揭示了一个基本共识:技术不能代替人类的情感联系。我们需要更多地关注它的桥梁价值,而不是争论AI能否代替人类。——AI也许还可以作为情感支持网络的智能导航器:


✅提高连接精度:最适合的支持者(如经历过类似困境的志愿者)通过语义分析进行匹配


✅打破沟通屏障:为羞于表达的人提供“共情词库”,降低求助门槛


✅构建安全空间:在对话中实时监控有害语言,保护脆弱时刻。


这个研究设计,参与者不知道答案是来自AI还是人类。当人类从算法中知道温暖的回应时,人类是被精确计算的同理心策略所感动,还是真正认同AI的情感智能?这不仅是一个技术问题,也是一个哲学拷问。


写在最后:人性永不离场


当屏幕在深夜亮起,年轻人向AI倾诉绝望时,我们看到的不是技术的胜利,而是人类对连接的永恒渴望。AI可能会变成精确的情绪反射镜,但是真正治愈人心的,永远是镜中反映出被理解、被关心的人性微芒。让算法成为传递温暖的软管,而不是取代温暖的根源——这可能是人机合作最明智的态度。未来的突破不是让AI看起来更像人,而是让技术知道如何保护人类的脆弱和尊严。


参考文献

Young, J., Jawara, L. M., Nguyen, D. N., Daly, B., Huh-Yoo, J., & Razi, A. (2024, May). The role of ai in peer support for young people: A study of preferences for human-and ai-generated responses. InProceedings of the 2024 CHI Conference on Human Factors in Computing Systems(pp. 1-18).


本文来自微信微信官方账号“ 赛博医生CyberMed ”(ID:作者:cybermed2050:FloraWYH,36氪经授权发布。


本文仅代表作者观点,版权归原创者所有,如需转载请在文中注明来源及作者名字。

免责声明:本文系转载编辑文章,仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布,请及时与我们联系进行审核处理或删除,您可以发送材料至邮箱:service@tojoy.com