凯特·达林：人类与机器人之间的情感联结

麻省理工学院媒体实验室有个研究员叫凯特·达林（Kate Darling），她家里养了三只 Pleo 电子恐龙，分别叫 Yoki、Peter 和 Mr. Spagetti。她研究人和机器之间的情感关系，写论文，也写书。

她讲过一个数字：市面上超过 85% 的 Roomba 扫地机器人有名字。普通吸尘器有这个比例吗？差得远。Roomba 的设计师从来没打算让你给它取名，它就是一个会在地上乱撞的圆盘，撞墙了还会卡住。但人会心疼它，会把它送去维修，并且要求把同一台修好还回来，不要换新的。

这件事的诡异之处在于，它不需要被设计。你什么都不用做，人自己就把情感投射上去了。

一头会唱歌的鲸鱼，改变了一整个物种的命运

达林正在写一本书，主题是动物驯化史。她想搞清楚一件事：人类历史上是怎么对待动物的，用它们干活、打仗、陪伴，而我们今天对待机器人的方式，和那段历史像得出奇。

她举了鲸鱼的例子当佐证。

上世纪七十年代之前，没人在乎鲸鱼。直到有人把鲸鱼的歌声录下来放给大家听，人们突然觉得，哇，这是美丽的生灵，我们得保护它。拯救鲸鱼运动就是这么起来的。（凯特·达林）

注意这个顺序。科学上并没有先证明鲸鱼有复杂的社会结构、能感知痛苦，然后人类才理性地决定保护它。真正发生的是：一段录音让人产生了情感连接，保护行动跟着来了。

达林说，很多人愿意相信我们保护一个物种是基于某种一致的生物学标准。历史上从来不是这样。我们保护的，永远是我们能共情的那些。

这条规律套到机器人身上，问题就变得尖锐了：如果有一天机器人也拥有了"会唱歌的鲸鱼"那样的时刻，人类的伦理体系会不会跟着挪动？

机器人伦理不是科幻，是责任归属

达林早年在哈佛带过一个机器人伦理的读书会。她自己在节目里承认，那门课如果放到今天重讲，内容会完全不一样。

当年"机器人伦理"听起来像科幻小说。现在它讨论的是很具体的东西：出了事故谁负责、自动化武器系统、隐私和数据安全、自动化对劳动力市场的冲击。

她个人更感兴趣的是另一个层面：人和机器人一对一的社会关系。这也是整场对话的主线。

节目里 Lex 提到当时正在竞选总统的杨安泽（Andrew Yang），他的核心主张是全民基本收入（UBI），每人每月发一千美元，让被自动化夺走工作的人有时间去找自己真正想做的事。

达林在瑞士生活过二十年，她对 UBI 的看法挺有意思。在欧洲，UBI 一直是个偏左翼、偏社会主义的议题，跟机器人抢工作没什么关系。结果硅谷这帮人把它接了过去，包装成了应对自动化的方案。她说这个嫁接过程本身就很值得玩味。

别急着给机器人收税

关于自动化消灭工作，达林的观点很直接：很多讨论高估了机器人技术当下的水平，同时犯了一个基本错误，把机器人当成人来对比，想象成一比一的岗位替换。

比尔·盖茨几年前说过，也许应该对机器人征税，因为它们抢走了人的工作。达林觉得这话听着就像把技术当成替代品，忽略了它作为补充工具的那一面。

我不认为未来二十年机器人会把所有工作都抢走。事情不会那样运作。（凯特·达林）

她的判断是，这项技术当然会剧烈搅动就业格局，但它更像一个附加的工具层，谈不上来了一群直接顶替你的新员工。把机器人想象成"另一种人"，后面所有的政策讨论都会跑偏。

这个提醒在整场对话里反复出现。达林几乎每一次都会把话题从"机器人和人"拉回到"机器人和动物"。

给排爆机器人办葬礼的士兵

2000 年代初，iRobot 公司（就是做 Roomba 的那家）造了一款叫 PackBot 的排爆机器人，被部署到伊拉克和阿富汗，配给拆弹小组使用。

结果士兵们对这些机器产生了极强的感情。它们有名字，坏了会有葬礼，还会鸣枪致敬。有士兵在机器人被炸毁之后出现明显的创伤反应。

达林说，这本身没什么问题，直到一个士兵为了救一台机器人而拿自己的命去冒险。

在那种场合，你希望机器人就是个工具，尤其当它干的是危险活儿、本来就是为了不让人去做的时候。人对它产生情感依恋，反而变成麻烦。（凯特·达林）

这是拟人化的一个典型反面案例：情感连接在错误的地方生效了。

另一个让她担心的方向是商业剥削。公司利用用户对社交机器人的情感依赖，让人持续为云端服务付费，或者推销本不需要的产品。连接本身没问题，被拿来变现就有问题了。

暴力游戏没教坏孩子，那虐待机器人呢

Lex 问了一个更暗的问题：人会不会虐待机器人？

达林的回答分两层。第一层是技术现实：现在的机器人连昆虫的智能都没有，谈不上"虐待"一个没有内在心灵的东西。第二层才是真问题：人对机器人的暴力行为，对人自己意味着什么？

她拿暴力电子游戏做类比。这个话题研究了三十年，结论一直不清晰，研究本身极难做。社会的共识大致是：屏幕上的暴力，成年人能区隔开，打游戏里开枪撞人不等于现实中会这么做。对儿童则有额外限制，虽然这个限制也未必有多少实证依据。

但机器人不一样。

有大量研究表明，我们对物理空间里的东西，反应和对屏幕上的东西完全不同。我们会更本能、更身体化地对待它，把它当成一个真实在场的行动者。（凯特·达林）

所以她认为这个问题必须重新问一遍，不能直接套用游戏暴力的结论。目前一点证据都没有。

还有一种可能她也没排除：也许有些人确实需要一个安全的情绪出口，对着机器人吼完，就不会对着人吼。她朋友的说法更狠，说这其实是在"训练自己的残忍肌肉"。

两种可能都存在，谁也不知道答案。

虐待机器人，暴露的是人

Lex 在这里给出了他自己的判断。他说自己不觉得人和机器人之间有根本的哲学差异，一旦能力对齐，这个界限就消失了。他看不惯人对机器人施加的那种微妙的粗暴，并且预感未来会有一场机器人平权运动。

达林的回应更有层次。她说自己一开始也是从这个角度切入的：技术迟早能复现意识，那给机器同等的权利有什么说不过去的？但她后来意识到，那是个很远的问题。

更近的问题是：在机器还很笨的时候，我们就已经需要讨论机器人权利了，因为人感知它们的方式已经变了。

Lex 补了一句更本质的：

我研究过大屠杀，我是犹太人。我个人相信大多数人心里都有恶。让我不舒服的地方在于，这个行为把人心里的恶暴露出来了。（Lex Fridman）

达林认同这个方向，并且给了个更积极的转向：这恰恰是机器人设计者的机会，让人在对机器人的互动里练习自己更好的那一面。

她引用过《西部世界》的例子。剧里的坏角色会毫不犹豫地枪杀、强奸接待员，好角色不会，哪怕所有人都知道这些机器人没有意识。行为本身在区分人。

有人会反驳：为什么不把共情练在人身上，练在真正活着的动物身上？

我不同意，因为共情不是零和游戏。它是一块肌肉，可以训练，也应该训练。（凯特·达林）

该不该教孩子对 Alexa 说"请"

顺着这个话题，Lex 提到一个现象：有些家长会教孩子对智能音箱说"请""谢谢"，理由是练习礼貌。

Lex 说他自己对所有的语音系统都很客气，会下意识地说请。但他对这个教育思路有点保留。

达林接过话头，主动扮演了反方：如果一个人本来就有施暴倾向，需要一个出口，那有个机器人可以吼，总比对着真人吼好。

然后她自己把这个问题推翻了：我们不知道哪个才是真的。是出口，还是训练。

性机器人、孤独，和一个填不满的洞

Lex 提到一个他平时会绕开的领域：性机器人。

达林说她对这个话题有点疲劳。做 human-robot interaction 的人都有这个体验，一报专业，对方第一个想聊的就是性机器人。这个新闻钩子太抓人，以至于盖过了整个领域。

但她承认里面有些真问题。

Lex 提了一个观察角度：很多男性买性机器人，掏钱的时候想的是那件事，最后最有满足感的部分却常常落在互动上。就像电影里那些付钱找妓女、结果整晚只是在聊天的人。人真正缺的是连接，只是这个话题不好意思摆到台面上说。

很多人心里就是孤独的，他们在找连接。而这个连接偏偏要通过性产业这个入口来实现，这就有点可惜了。它本该从正门走进来。（Lex Fridman）

达林补了一层：性产业本身也该去污名化。有些性工作者专门服务残障人士，这些人没有别的渠道探索自己的性。这个需求是真实的。

然后她把话题拉回更根本的地方：

人们总担心机器人取代人，担心性爱体验太好了人就不想要伴侣了。但我们很少讨论另一种情况，有些空缺本来就没人填，机器人填的是那个位置。（凯特·达林）

Lex 把这话说得更重。他说人对身边人的期待常常是过载的：指望家人、朋友、伴侣去承担"理解完整的你"这个任务，这本身就不现实。家人没那个耐心坐下来听你讲你到底是谁。

达林的回答保持了分寸：人本来就能同时拥有很多种关系，家人、朋友、宠物、机器人，各自提供不同价值，谁也不用替谁。

电车难题的正确答案，是没有正确答案

Lex 的研究方向是自动驾驶，所以绕不开那个问题。

达林的看法是：大多数人对电车难题的理解，恰恰漏掉了它最初想说明的东西。

电车难题要展示的是：没有正确答案。我们直觉上认为对的选择，未必经得起"这条规则要适用于所有人"这个检验。（凯特·达林）

她提到了 MIT 的 Moral Machine 项目，一个网站，让你在若干场景里选择撞谁：两个行人还是一个孩子，流浪汉还是医生。项目试图通过大规模众包，找出人类道德偏好的分布。

她说这是有价值的数据，朋友做的项目，她很尊重。但这不该成为自动驾驶规则的依据。原因很直接：让人对着屏幕上几个卡通图标点出来的选择，和让人在真实情境里做选择，是两件事。把人放进虚拟现实里，答案会变。

更关键的一点在于提问方式本身：

问一个人"这个场景里你撞谁"，和问一个人"你希望所有车遇到这种情况时永远撞流浪汉吗"，是两个完全不同的问题。（凯特·达林）

前者的答案不构成对后者的投票。

自动驾驶真正的难题不是撞谁，是躲责任

Lex 提了一个更具体的技术伦理问题：紧急制动系统目前只会刹车，从不转向。转向可能伤到别人，也可能救自己。如果程序设定优先保护车主，它就会更倾向于打方向。

这里面有个残酷的现实：哪家车厂会把车设计成"必要时牺牲车主"？没人买。

达林的判断是：现实中，车厂会想尽办法回避这个决策，也回避相关责任。同时默认保护驾驶员。

她从中提炼出一个更有价值的结论：

当我们被迫把伦理规则写进机器时，才发现我们的伦理规则比想象中难编程得多。这件事本身就是收获。（凯特·达林）

她做过法律相关的研究，说立法本质上就是干这个的：搞清楚这个社会到底同意哪些规则，然后写进法条，随着文化变化再调整。这个过程一直在发生，只是现在技术逼着它加速，并且暴露了分歧有多深。

拟人化是工具，不是缺陷

达林给拟人化（anthropomorphism）下过一个清晰的定义：把人类的特质、行为、品质投射到非人对象上的倾向。

这事不新鲜。我们对着动物投射情绪，对着泰迪熊投射，从汽车大灯的形状里看出人脸。

新鲜的是机器人身上这个效应极其强烈，而且可以被工程化利用。

她提到一个细节：亚马逊有一整个团队专门负责 Alexa 的"人格"。不同国家的人格还不一样，德国版 Alexa 和美国版是两个人。

但她也指出，语音助手这条路走得很辛苦，因为语音交互本身还很原始。

想让人真正把机器人当成活的，有时候少即是多。你要让用户自己去投射，同时机器人不能让人失望。（凯特·达林）

这句话是全场的核心方法论。Alexa 和 Siri 之所以做不到，是因为它们话太多，一开口就露馅。而用来陪伴失智老人的机器海豹 Paro，设计极简，不会说话，只是动一动、发出点声音、回应抚摸，反而极有效。因为它无法被"说错话"这件事毁掉。

Pleo、Spot 和 Sophia

Lex 让达林挑一个最喜欢的机器人。她给了两个。

第一个是 Pleo，2007 年出的一款电子恐龙玩具，大概一只小猫大小，已经停产了。它身上有一堆电机，动作非常生动，有触觉传感器和红外摄像头。真正让她震惊的是它对痛苦的模拟。

你揪着它的尾巴把它提起来，倾斜传感器会告诉它朝向，它就开始挣扎、发出叫声。你打它太用力，它会哭。设计得非常厉害。（凯特·达林）

她的原话是：她当时被自己对它产生的依恋程度惊到了，她很想去相信它有内在生命。

第二个是波士顿动力的机器人。她之前只看过视频，觉得那是精心剪辑的产品宣传片。后来实地去了，被彻底震住。

Lex 说他自己见到 Spot Mini 那一刻是个转折点。他自嘲说这大概是场心理学实验，但他当场就把那台机器彻底拟人化了，"立刻变成我最好的朋友"。

达林同意这几乎无法避免。Spot 身上那条机械臂看起来太像一个头了。波士顿动力的人说没有这个意图，但视觉上就是那样。

关键是，Spot 本身并不智能，它只是一个运动平台，上面搭载什么智能由客户自己决定。即便如此，人对它的反应依然极其本能。

至于 Sophia，达林的态度很直接：那是个艺术实验，一个傀儡。

我对 Sophia 的印象远不如波士顿动力。人们被她影响，一部分原因是科幻和流行文化让人以为我们已经走得很远了。（凯特·达林）

Lex 说他当时反而惊讶于人们有多不在意，"大家好像默认这很正常，如果他们意识到这有多难，应该会更吃惊"。

为什么社交机器人公司几乎都死了

Anki 和 Jibo，两家做社交机器人的明星公司，都关门了。产品设计出色，用户情感依恋真实，但商业上没跑通。

达林给了几个原因。

第一是期望管理。科幻把标准抬得太高，人们心里的家用机器人是《杰森一家》里的 Rosie。做一个勉强达到"最低期望线"的产品，要付出的工程量已经极其巨大。

第二是杀手级应用缺失。没有哪个功能有用到足以让大众大规模采用它。

第三点她用了 Palm Pilot 的类比：大多数人看到新东西的第一反应是"我为什么需要这个"，直到用上了，或者别家把它做得更好一点，才反应过来。

Lex 追问这个难题到底有多难。达林的回答把问题拆成两半：一半是人的期望在变，取决于当下流行什么科幻；另一半是人的情感需求，而那个需求非常高。

问题是我们自己不觉得。我们习惯了从来没有真正靠近过任何人。我觉得我们所有人都很孤独，包括那些处在深度关系里的人。（Lex Fridman）

达林说，我同意你。

这段话是整场对话的情绪高点。Lex 的意思是，一段深度关系之所以让人满足，某种程度上正是因为它触到了那份孤独的一角，但还有更多没被探索。机器人不会来抢人的位置，它能扩展的是那个空间。

能不能和机器人结婚

Lex 问：人能爱上机器人吗？达林说当然能。

那能不能建立长期、专一、承诺性的关系？

达林的回答绕开了人类婚姻的框架。她说长期专一的承诺关系本身就有很多种形态，"专一"这个词在这里暗含了要按人类的方式在社交平台上标注关系状态，而这个框架未必适用。

她更愿意拿宠物来类比。你养一只狗，它填补了你的一部分孤独，方式和人不完全一样，也许是另一种补充。

我不否认有人会说我想和我的机器人结婚、想和它有专一的性关系。但我不认为那是主要的使用场景。（凯特·达林）

Lex 追问：人和宠物之间、丈夫和宠物之间，是否还有一个可以被工程填上的空档？

达林的回答里有一点难得的锋利：

这个空档也许有一天能被填上，但为什么要填？重新造一个我们已经有的东西，多无聊。我们明明可以造点不一样的。（凯特·达林）

她提了电影《她》。她说那部片子里其实也呈现了差异，最后 AI 还是走向了人类无法跟随的地方。即便声音交互做到自然到和人无异，差异也依然存在。

至于五到十年内，她的判断是：机器人和人的关系，最接近人和宠物的关系，还谈不上人和人的关系。

骗过图灵测试最省力的办法

Lex 问：让机器展现出人类级别的智能，有多难？

达林说，智能本身不是关键。Roomba 一点都不智能，人照样对它投射。有时候智能反而是障碍。

至于图灵测试，她觉得它比解决纯粹的自然语言处理问题要容易，因为可以作弊。

怎么作弊？管理期望。

如果你告诉对方你正在和一个来自乌克兰的十三岁男孩聊天，他就不会期待完美的英语，不会期待准确的概念理解，甚至不会期待对话节奏对得上。这种情况下通过测试容易得多。（凯特·达林）

经典 ELIZA 效应。当年那个几十行代码的程序，靠扮演一个心理治疗师，让无数人对着它倾诉。

那需不需要一个身体？达林说身体有用，因为人是物理性的生物，对物理在场的东西会赋予更多社会能动性。

但身体也能坏事。她家里有一台孩之宝出的机器猫，看着非常别扭，因为她的大脑一直预期它会像真猫一样动，而它不会，它只是一百美元的电子产品。期望落空，拟人化就失败了。

所以设计上有个巧妙的办法：选一个人们不熟悉的动物。Pleo 是恐龙，没人真的抱过一只恐龙，也就没有预设的动作模板可以对照。你怎么动都对。

达林在 TED 演讲里就说过这句：没人知道恐龙长什么样，所以你可以随便来。

会死的机器

Lex 问了一个更深的层次：如果机器人不只动作生动，而是表现出对自身死亡的恐惧、表现出自我意识和身份感，会怎么样？

达林说这是设计工具，本身无所谓好坏，看你想用它做什么。

Pleo 模拟痛苦，就是一个极其有效的工具，它让人按某种特定方式与它互动。

她提了一个研究伙伴 Nandy 的例子。这人给自己造了一台有寿命的机器人，到时间就会停止工作，因为他想看看自己会不会因此对它不一样。

再往早了说，拓麻歌子（Tamagotchi）那种电子宠物，技术极其原始，但人对"它会死"这件事的反应是真的。

用一点小设计技巧，你能让人做很多事。至于这是不是好事，取决于你想让他们做什么。如果是建立更深的连接、对他们自己有好处，那听起来很好。（凯特·达林）

数据、算法，和那只被抚摸的猫

话题转到更宏观的层面。Lex 问：怎么防止科技公司越线，操纵情绪、操纵行为？

达林的回答指出了一个结构性难题：危害是不可见的。

她说自己家里有 Echo，什么都告诉 Alexa，因为方便，Alexa 知道她家用什么牌子的尿布，一句话就能复购。她没有动力去要求立法限制这个。

但同样的数据被用来针对低收入人群推销诈骗贷款，那就是严重的社会问题。危害是一层层渗透下去的，等到察觉，已经晚了。

她提到《1984》，说那本书非常预言性。

Lex 提了另一个角度：这些公司并没有坐在那里摸着猫盘算做坏事。它们定的是"最大化参与度"这种目标，然后一切顺着这个目标发生。你不算直接作恶，你只是间接。

达林在这里说了一段她自己承认"在我的圈子里有争议"的话：

我不认为那些找伦理学家、成立跨学科伦理委员会的公司，全都是在洗白。很多公司确实想知道正确答案，只是不知道那是什么，在找人帮忙找。（凯特·达林）

她说把公司简单妖魔化太容易了，但真实情况不是那样，公司里也有很多善意的人。

她真正想要的，是更多的跨学科协作，公司内部要，政策制定层面也要。技术进展比过去快得多，问题变得极其复杂，懂技术和懂社会影响的人必须坐在一起谈。她说没有别的解法。

专利是扳手，软件不是螺母

达林有法律背景，做过知识产权相关的研究。Lex 问她怎么看这个时代的 IP。

她的回答很干脆：这个系统坏了。

专利法像一把扳手，在制药行业这种地方非常好用。但你把它拿去拧别的东西，就只能硬砸，砸完祈祷它管用。（凯特·达林）

软件有几条路可走。代码写下来就自动受版权保护，但保护很弱，别人换个写法实现同一个思路就绕过去了。可以申请专利，但成本高得离谱。

她自己博士期间有一个软件专利，走完了整个流程，无数律师、无数会议，她估计花了几十万美元。而且审批要五年，等批下来，代码早就过时了。

那个"车库里单打独斗的发明家"形象，她说已经是过去式了。

她更认可开源。MIT 媒体实验室的默认策略就是开源，理由很实在：

学生跑来问怎么保护自己的代码。我们说，先算了吧。你的项目根本没人用，这才是你眼下的问题。有人偷？还轮不到这一步。（凯特·达林）

外面东西太多了，你自己的东西有没有人愿意用都还不知道。开源至少能扩大传播，同时通过署名确保贡献被记录。

养了一个孩子之后

Lex 问她，养孩子让你对 AI 有什么新认识。

达林的回答有点扫兴，但很诚实：孩子让她更清楚地看到，现在造的这些系统根本不是人类智能，两者没什么可比性。孩子学习和发展的路径，和当下的 AI 系统完全不同，硬要比没什么意思。

真正让她在意的，是这个孩子将在什么样的世界里长大。她因此更担心那些依赖大规模数据采集的系统，担心它们的社会影响。

节目末尾，她提了自己的期待：希望能有一款真正的家用社交机器人做出来。她很欣赏 Jibo 的某些设计，希望有公司能啃下这块硬骨头。

至于为什么到现在还没有，前面已经说完了：期望太高，功能不够，商业模型没跑通。

还有一层她没说透但贯穿全场的东西：人太容易对机器动感情了，这件事既是产品机会，也是伦理风险，两者是同一个事实的两面。

达林在这场对话里反复做的一件事，是把类比从"人"换成"动物"。这个替换本身就带来了一整套新的问题：我们会怎么对待一个比我们低、但又明显有反应的东西？历史上我们对待动物的方式，提供了太多参考答案，好的坏的都有。

至于那份 85% 的 Roomba 名单，它说明的事情可能比想象中更重要：情感投射的开关藏在人自己身上，产品经理按不到。设计能做的，只是决定这个开关往哪个方向开。

• 做产品时，先想清楚你要唤起的是哪一类情感投射。语音助手话多容易露馅，不如考虑"少即是多"，让用户自己补完。
• 如果产品会被人依恋，提前设计好退出机制。设备报废、服务下线、公司倒闭时，用户的情感损失是真实的，别让它变成二次伤害。
• 涉及物理在场的机器人，把"期望管理"放在第一位。选一个用户不熟悉的形态（比如恐龙），比选一个熟悉的形态（比如猫）更容易成功。
• 面对"AI 抢工作"的讨论，先问一句：这里是不是把机器人当成了人的替代品？大多数时候它是工具层，判断会完全不同。
• 做伦理决策时，区分"我在这个场景选什么"和"我希望所有人所有场景下都遵循什么规则"，这两个问题的答案经常相反。
• 如果你在做数据类产品，把社会性危害当成产品指标来看，别只算用户当下的便利。危害是慢慢渗透的，等它显形就已经晚了。