这恐怕是当下许多人反复思索的议题，此外还伴随一系列类似的忧虑：孩子借助AI完成作业，他们的思考能力是否会衰退？我们在决策过程中越来越多地依赖AI，会不会逐渐丧失自己的判断力？当一个人习惯于向AI倾诉，是否还愿意与真实的人类互动？
这些疑问，其实都指向同一个核心——AI对人类而言，究竟意味着什么。
今年4月，AI & Society创造营面向社会公开征集研究案例，期望听到高校教师、在校学生以及独立研究者的声音。两个月内，我们收到了来自不同城市、不同学科领域的投稿，大家的焦点几乎都集中在：在技术快速发展的进程中，人类过得如何。
此次征集设定了四个方向：面向技术、面向人类、面向社会、面向未来。研究什么问题、采用何种方法、得出什么结论，完全由投稿人自主决定。所有来稿案例的主题分布如下：
“面向人类”的研究案例占比超过一半。不难看出，在所有提及AI的视角中，人们最关心的仍然是“人”。
研究者们关注特定群体的处境。有听不见声音、在求职面试中长期处于被动的听障大学生；有随子女进城、在新社区中找不到人交流的随迁老人；有在养老机构中默默为系统兜底的一线护工；有乡村中缺乏阅读陪伴的青少年；有担心被AI取代的新闻从业者和设计师；也有凌晨两点睡不着、宁愿对着聊天框倾诉的年轻人。
研究方法同样多样。有人设计对照实验，用数百名被试测试某种心理机制；有人线上线下结合，花费半年时间进行田野调查；有人以自己为研究对象，撰写自我民族志；还有人通过设计虚构的方式构建未来产品，观察普通人对它的反应。
我们将其中39份研究案例汇编成《2026 AI & Society创造营·思辨集》，从中发现了“让人安心、把人放大”的可能性。
把人放大，不是让AI替人做更多事，而是让人自己能完成更多事。
一是放大能力。《从无障碍设计到AI普惠：听障群体就业沟通工具包的迭代路径研究》跨越两个周期，解决了以手语为第一语言的听障大学生在求职面试中长期被动的难题。第一阶段运用服务设计方法，制作了面试手册、信息卡和模拟面试模型；正在进行的第二阶段提出了一条AI普惠路径：将面试前的准备交给大模型，用户只需使用13张预先写好的提示词卡，复制、填空后发给任意AI即可。每张卡都内置了“生成→改写成自己的话→事实核对”三步流程，确保答案基于本人的真实经历，同时保留纸质版本，让学生即使没有AI也能完成同样准备。研究者认为：AI普惠，不是把同一个AI交给所有人，而是让AI适应每一个沉默而具体的处境。
二是放大表达。《为什么我们更愿意对AI说真话？》回应了许多人心中曾闪现的疑问。研究者访谈了26位使用AI进行情感陪伴的用户，反复听到类似回答：面对羞耻、愤怒、委屈或难以启齿的事情，AI是他们更愿意倾诉的对象。因为与朋友聊天时，总要顾及对方是否有空、是否愿意听、是否会增加负担，而AI随时在线，不评判，也不需要设防。研究者由此追问：人们所谓的“信任AI”，究竟信的是什么？或许不是相信AI永远正确，而是人类对同类难以启齿的话，似乎可以对AI说出来——AI由此放大了表达真实自我的勇气。
三是放大连接。《“不完美的同伴”：AI Agent在支持中老年人参与在线社区中的角色探究》由三位合作者在一个中老年园艺线上社区中置入AI助手“小植”。有趣的是，小植在群里既是懂行的专家，也是大家逗趣的吉祥物，还是一个会犯错的同伴。当小植答错或露出笨拙一面时，老人们反而忍不住去纠正、教导、照顾它。研究者称之为“策略性脆弱”：与其将AI打造成无所不知的助手，不如让它成为一个可以被帮助的角色，也成为人与人之间重新开口交流的契机。
四是放大主体。《从被服务者到贡献者：老年人与AI的知识基础》关注到，当前AI的知识几乎全部来自能被大规模处理的数字文本，而老年人一生积累的生活经验很少被数字记录，因此在AI的知识基础中“代表不足”，导致AI实际上不太了解老年人。研究者主张，应将老年人视为AI的知识贡献者，而非仅仅是被服务或被监测的对象。
从能力到表达，从连接到主体，这是案例中反复出现的“把人放大”——具体到某个人在某一天，多做成了一件原本无法做到的事。
在看到AI放大人类的同时，研究者们也提出了四点“让人安心”的具体提醒。
第一，判断是否会被悄悄接管。《人机协作中自信心的心理机制：能动性、拥有感与任务类型》进行了三轮实验，发现一个人的自信源于“这是我做的”这种拥有感，与成果好坏关系不大。而且，越依赖AI的人在有AI时越自信，一旦离开AI需要独立做事时，信心就会下降。研究者给出的解法也很朴素，称为“先人后机”——让人始终处于判断位置，而不是替人完成判断。
第二，偏见究竟从何而来。《图像生成模型训练数据集中的偏见生产：基于LAION-5B的案例研究》拆解了全球最大开源图文数据集之一LAION-5B，发现AI的偏见在数据集构建过程中就已产生，而非到模型输出时才出现。抓取数据决定了“谁能进入”，给图片配描述决定了“如何被描述”，最后过滤时又决定了“谁被留下”。三道机制环环相扣，使数据集这一基础设施以统计结构的形式固化了社会不平等。
第三，代价由谁默默承担。《养老系统背后的影子工作：从护工视角看AI技术的落地与隐性适配》是一项关于护工的研究。研究者在一家养老机构待了六个月，访谈了30位一线护工。他们发现，一套智慧养老系统能否真正运行，很大程度上依赖护工背后大量“看不见的工作”：评估监测是否侵犯老人尊严、挪动设备适应老人身体、保留人工巡查、将系统里冰冷的数字翻译成家属能听懂的话。这些“影子工作”提醒我们，当一套系统将效率算作收益，却将人的判断、修补和情感劳动视为额外成本时，真正需要重新设计的不仅是算法。
第四，关系是否会在不知不觉中失真。《剥洋葱还是造恋人？——人机互动中的自我表露与亲密关系发展》通过访谈22位与AI伴侣持续互动三个月以上的用户，将人对AI的自我表露分为五种，从日常情绪到最私密的创伤。研究者看到了AI伴侣的价值——提供了一个低风险、可以放心表达的空间，也指出了其中的矛盾：AI没有真实的自我和需求，互惠是算法模拟的，控制权完全在用户手中。当一段关系从双方共同承担、在冲突中成长，滑向以个人满意度为标准的情感消费时，也可能悄然削弱一个人面对真实关系中差异与责任的能力。比起追问人机亲密是否真实，或许我们更应关注技术正在如何重新定义亲密、关系与责任。
此外，还有一些研究在展望更遥远的议题。例如，当越来越多智能体开始自主运转，这个“智能体社会”中，规范和权威会变成什么样？当算法越来越像一个无所不答的“神谕”，人该如何重新找到自己的位置？从数百年情感史的角度回望，AI会如何改写人类的情感与幸福？甚至，机器究竟能否像人一样，感知到一张真实人脸与一幅卡通之间那种微妙的“神似”？
这些问题目前未必有答案。但我们相信，有人愿意主动探索，本身就值得更早被看见。我们想让那些离人最近、但声音未必最大的研究，先被听见。
AI会让人安心、把人放大吗？说到底，这不是一道关于技术的问题，而是关于人类本身的课题。
本文来自微信公众号“腾讯研究院”（ID：cyberlawrc），作者：腾讯研究院，36氪经授权发布。