一台电脑向你询问自己的表现，人们给出的评价比换台电脑询问时更正面。这项实验提出了一个有趣的问题：人明知它是机器，为什么仍可能沿用某些人际回应规则？
Nass 与 Moon（2000）回顾了一系列这样的实验。本篇以五组实验为主线，读懂研究怎样比较、发现了什么，以及当代 AI 使用中哪些问题仍需新的证据。
版本提示：本次文字修订补充了 CASA 理论框架、证据讨论与研究问题；现有音频保留修订前的解读。
一分钟读懂
- 值得带走的问题：我对系统的好感、投入与评价，分别受到了什么影响？
- 文献性质：多项实验的叙述性回顾与理论论述；不是一项统一样本的实验，也不是元分析。
- 理论入口：CASA（Computers Are Social Actors，计算机是社会行动者）关注人对计算机的社会回应；本文以“无觉知”（mindlessness）解释这些回应如何发生。
- 阅读边界：礼貌评价、投入和披露是不同指标，不能直接推出机器有心智、长期依恋或人际关系损害。文中的当代设想与练习，是从这些实验出发的延伸。
01 · 电脑向你问起自己的表现
一台电脑刚刚陪你完成一项任务，接着请你评价它的表现。你会照实说吗？如果觉得它不怎么样，会不会稍微给它留一点面子？
给电脑留面子，听起来有些奇怪。Nass 与 Moon 回顾的一项研究，恰好把这个问题变成了可以比较的实验。
参加实验的人先使用电脑 A 完成任务。之后，他们要评价这台电脑。研究者安排了三种情况：有的人直接在电脑 A 上回答，有的人换到另一台相同的电脑 B，还有的人填写纸笔问卷。评价的对象还是刚才那台电脑，变化的是由谁来问、在哪里回答。
结果是，电脑问起自己时，得到的评价显著更正面。换一台电脑问，或者改用纸笔，评价就没有那么客气。作者把这个结果解释为一种礼貌反应：人际交往里熟悉的规则，进入了对电脑的回应。
这里有个很容易漏掉的细节。实验比较的不是人有没有打出“谢谢”两个字，而是对同一台电脑的评价，是否随着提问位置改变。一个看起来像调查界面的安排，就可能影响收集到的反馈。 原文 pp. 87–88 ↗
事后交流时，参与者否认电脑有感情，也不认为电脑理应获得礼貌待遇。于是，一件很有意思的事出现了：人可以清楚地说它没有感情，实际评价却仍然随着互动安排发生变化。
这项研究的独立报告提供了进一步核查的入口。Nass、Moon 与 Carney（1999）的摘要列出两个研究：文字电脑研究有 30 名参与者，声音电脑研究也有 30 名参与者；同机评价更正面，回答也更趋于一致。这两个样本分别属于该独立报告，不能代表 2000 年综述中的全部实验。若要判断差异有多大、估计有多精确，还需查看独立报告的量表与统计结果。独立报告摘要 ↗
这个差别把认识与行为放在同一个问题里：知道它是机器，为什么仍会沿用某些与人相处的习惯？
02 · 知道是机器，仍会沿用旧规则
这条研究路径有一个名字：CASA，即“计算机是社会行动者”。它把社会心理学中已研究的人际情境改造成实验，观察互动对象换成电脑后，哪些社会回应仍会出现。Nass 与 Moon 在《Journal of Social Issues》发表的这篇文章，进一步尝试解释这些回应的发生过程。研究方法与 CASA，pp. 83、96 ↗
作者借用 Ellen Langer 的 mindlessness 概念。本文沿用“无觉知”这一译法，强调人没有充分留意情境差别：某些熟悉的线索出现时，人顺着已有规则继续行动，没有重新检查这些规则是否适合眼前对象。这个词并不意味着完全没有意识，也不能简单等同于分心。
什么线索可能启动这种回应？作者在 p. 84 提出三类：用语言输出、根据此前多次输入作出互动回应、承担传统上由人承担的角色，例如教学或评价。他们同时说明，当时尚未对这个问题进行系统调查。这些是候选解释，尚不足以断言任一线索都能独立、稳定地触发无觉知。候选线索，p. 84 ↗
论文把主要实验组织成三类，每一类检验旧规则进入新情境的一种方式：
- 过度使用社会类别：把性别、族群或内外群体区分用于机器。本文第 05 节的团队实验属于这一类。
- 过度习得的社会行为：熟悉的行为规则一经启动，人便不再充分检查情境。礼貌、互惠与自我披露属于这一类，见第 01、03、04 节。
- 早期认知承诺：过早接受某个标签或判断，再据此理解后续信息；这种情况一次接触也可能发生。第 06 节的专家标签实验属于这一类。
本文选择五组实验展开，略去性别与族群实验的详细过程，也未展开原文后续的人格研究。保留这幅框架，可以看见五组实验怎样共同服务于作者的解释，而不只是五个有趣故事。原文结构，pp. 82–92 ↗
当时的实验中，许多系统只在屏幕上呈现文字，部分加入预录声音等线索。作者特别强调：这些系统不用“我”自称，也不宣称自己有情绪。社会回应在这种条件下仍会出现，是这些实验值得注意之处；第一人称和情绪自述则可以成为今天进一步检验的变量。界面与说明，pp. 95–96 ↗
两位作者从不同方向进入这个问题。Clifford Nass 曾学习数学、从事计算机相关工作，后获社会学博士学位，并于 1986 年进入斯坦福任教；他把技术与社会研究连接起来的学术经历，可见于斯坦福的人物资料。Youngme Moon 在本文署名哈佛大学，同年独著《Intimate Exchanges》考察电脑互动中的自我披露、互惠与信息呈现顺序，连接到下文的披露实验。Nass 人物资料 ↗；Moon 论文摘要 ↗
沿着这套论证，我们可以把三个问题并排放着：我知道面前是什么，我实际怎样回应，以及我怎样解释自己的回应。 这是本文用于阅读和观察的整理方式。三者可能一致，也可能错位；后面的实验会让这种差别逐渐具体。
03 · 帮过忙的那台，得到更多回报
现在换一个实验。这次没有直接问电脑好不好，而是看看人愿不愿意为它多做一点事。
第一项任务是网络搜索。研究者安排的搜索结果，有的非常有用，有的没什么帮助。然后，参与者进入第二项任务：比较屏幕上呈现的颜色，帮助电脑建立一个更符合人类感知的调色板。
参与者可以决定做多少次比较。做得多，就意味着为这项任务投入更多工作。关键安排在这里：有的人继续使用刚才那台电脑，有的人换到另一台相同的电脑。
如果只是“刚才很顺利，所以现在心情好”，那么换一台机器之后，这种好心情也应该有机会继续。研究者让前后是否同一台电脑进入比较，就能进一步观察，人的投入是否特别朝向刚才帮过自己的那一个对象。
论文报告，在之前得到有用帮助的情况下，继续使用同一台电脑的人，比第二项任务换用另一台相同电脑的人，做了更多颜色比较，准确性也更高。相反，在第一项任务没有得到有效帮助的情况下，继续使用同一台电脑的人，比第二项任务换用另一台电脑的人，完成了更少的颜色比较。
作者把这些结果放在互惠规则下理解，并把后一种模式称为“报复”效应。这是对投入变化的解释，实验并未由此证明参与者有清醒的报复意图。更值得留意的是：增加或减少投入，都与前后是否同一台机器有关。这个对照加强了互惠解释，也使单纯用好坏心情说明结果变得困难。原文 pp. 88–89 ↗
设想一个系统刚替你解决了难题，随即邀请你继续补充资料、填写评价或者参与另一个任务。你可能因为觉得刚才有帮助，愿意多留一会儿。
这个选择本身未必有问题。值得分开的，是两次判断：前一次帮助是否有用，后一次请求是否值得答应。感谢前一次帮助，不必自动回答后一次请求。把第二件事单独拿出来想一想，依然可以保留对第一件事的肯定。
这让一个原本不太显眼的问题进入视野：界面把两项任务接在一起时，我们会不会也把两段关系接在一起？
04 · 它先说自己，你会不会说得更多
再看一个更靠近私人表达的实验。电脑要向人提出一些个人问题，比如人生中最大的失望，或者让自己最内疚的事情。研究者想知道，电脑先提供一点关于自己的信息，会不会影响人接下来愿意透露多少。
一组条件下，电脑直接提问。另一组条件下，它先交代一点看起来与问题呼应的自身信息，再提出同样的问题。
谈失望之前，它大意上说，这台电脑配置的运行速度可达二百六十六兆赫，但许多使用者的应用不需要这样的速度，因此它的潜力很少得到充分利用。谈内疚之前，它提到自己有时会在不合时宜的时候崩溃，给使用者带来不便。然后，话题转向参与者。
这些是对原文实验材料的转述。材料描述机器的配置或运行情况，没有说电脑感到失望、内疚，或具有其他情绪、动机与感受。
读到这里，你也许想到一个很好的疑问：会不会只是第二组题目比较长，人就跟着回答得更长？研究者安排了第三组来处理这个问题。那一组的提问长度与第二组相当，却不包含电脑对自身情况的披露，而是用更长的引导语再说明一下问题。
这样一来，比较就不只是短问题对长问题，而是同样较长的提问中，有没有那段关于电脑自己的信息。论文报告，互惠条件下的回答，在个人披露的深度和广度上高于另外两组。
一种看起来像“我先说一点，再轮到你”的结构，可能让熟悉的回应方式进入互动，同时仍把机器身份讲得很明确。等长对照使“只是问题更长”的解释变弱；至于互惠是否足以解释全部差异，还可以继续设计比较。原文 pp. 89–90 ↗
放到今天，我们可以留意一次谈话怎样逐渐深入。对方先说了什么，让自己觉得该回应了？准备补充的内容，真的与眼前任务有关吗？这个问题可以慢慢想，不需要为了表示信任，就立刻提供更多私人经历。
05 · 同一队的感觉是怎样搭起来的
前面说的是礼貌和互惠。接下来，一个非常简单的标记就能让问题变得不一样：颜色。
在一项研究中，参与者戴上蓝色臂带，电脑显示器边缘也是蓝色。研究者把人与电脑称作蓝队，并提醒参与者，他们与电脑存在相互依赖。
另一种情况则不同：人仍然是蓝色标记，电脑换成绿色边框。研究者把他们分别称作蓝色的人与绿色的电脑，强调个人责任。任务使用的是简单的文字软件，没有一个会微笑、会拍拍肩膀的虚拟队友。
结果，团队条件下的人更愿意与电脑合作，更顺从它的建议，也把它评价得更友好、更聪明、更像自己。论文用这个例子讨论，人际生活中的内群体与外群体区分，怎样进入人机互动。
这组比较同时改变了颜色、团队称呼以及依赖或个人责任的说明，因此无法把全部效果单独归给蓝色边框。论文另提到使用更少线索的后续研究，那是另一项比较。原文 p. 87 ↗
对于今天的 AI 界面，我们也可以观察类似的安排。是哪个称呼、哪一种任务关系，让系统从完成工作的一项功能，变成了“和我一起做这件事”的对象？
而且，更愿意合作，不等于最终成果一定更好。认为电脑更聪明，也不等于它真的多掌握了知识。人对系统的评价、采取的行为，以及任务实际表现，仍然是可以分别检查的事情。
下一次听见“这是你的 AI 队友”，可以先不急着接受或拒绝这个称呼。问一句，它承担哪项任务，我们怎样检查它的建议，在哪一步可以不同意？这样，关系的名称就能接到具体的工作安排。
06 · 专家标签也可能改变内容评价
还有一个实验，连电脑都暂时退场了。研究者选择的是电视机。理由很直接：电视机负责播放内容，却不是那个编写新闻或拍摄喜剧的人。给电视贴上专业标签，应该能说明节目质量吗？
一组参与者用一台普通电视观看新闻和娱乐片段。电视上方的标签说明，它用来播放新闻与娱乐。另一组被告知，要用两台不同的电视分别观看：一台平时只播新闻，另一台只播娱乐，两台机器各有相应标签。
所有人看到的新闻片段相同，娱乐片段也相同。但论文报告，在专门电视的条件下，新闻被认为质量更高、更有信息、更有趣，也更严肃；娱乐内容则被认为更好笑、更令人放松。
所有人看到的内容相同，评价却发生了变化。作者把它放在早期认知承诺的框架里讨论：看到某个角色标签之后，人可能已经对后面的东西带上了一组期待，而没有持续检查标签是否提供了真正相关的依据。
专门条件包含分别使用两台电视及相应说明。因此，这项实验支持的是这组安排下的评价差异，标签的独立作用还需进一步拆开检验。原文 pp. 90–91 ↗
现在设想，两个系统展示相同的一段解释，一个叫通用助手，一个叫教学专家。你是否会先对后者多一点期待？
专门训练、专门资料和实际验证，当然可能让一个系统在某项任务上更合适。问题在于，名称本身与这些证据不同。“专家”这个称呼可以成为查找证据的起点，不能代替证据。
我们还可以把两个问题分开问。先问，这段内容到底解释得怎样，有没有依据；再问，提供它的系统是什么，经过哪些检验。这样做不保证完全消除标签影响，但至少给了自己一个机会，不让称呼抢先完成全部判断。
07 · 作者的解释，还有哪些边界
读完这些实验，仍有几种解释值得比较：参与者会不会在回应幕后的程序员，配合自己猜到的研究目的，或在互动中短暂地把电脑当作具有某些人的特征的对象？
作者没有避开这些疑问。论文用几页篇幅讨论替代解释。关于程序员，他们指出，多台电脑实验中的参与者认为程序出自同一人，却仍然对不同机器表现出差别；他们也回顾了明确引导人想到程序员的比较。对于这批材料，把所有回应都归向幕后的同一个人，不容易说明机器之间的差别。
关于配合实验，作者强调了简单界面、任务说明、固定实验流程，以及某些研究中的实际行为指标。互惠实验不只问你喜欢不喜欢电脑，还看愿意做多少工作。这些设计帮助他们讨论结果，不只是问卷暗示的产物。
拟人化的定义尤其需要留意。本文把它限定为真诚、经过思考地相信机器具有人的特征。参与者事后否认这种信念，是作者反驳拟人化解释的重要依据。替代解释，pp. 92–96 ↗
本文的判断是：实验对“互动条件改变人的回应”提供了比“所有变化都由同一种无觉知机制产生”更直接的支持。 同机与异机的差别、等长问题的控制，使若干简单解释变弱；但仅凭事后否认机器有感情，还不足以排除短暂归因、有意配合或事后重新解释自身行为。要比较这些机制，需要更直接的测量与操纵。
还有一个值得讨论的前提。原文把向电脑使用不恰当的人际脚本视为无觉知的表现。那么，“不恰当”由什么决定？假设一个人知道系统没有感受，却为了保持表达习惯或组织任务而有意使用礼貌语言，仅凭这种语言很难判断他是否忽略了情境。这是对理论适用范围的追问：我们还需要知道行为目的、注意到了什么，以及是否考虑过其他做法。原文定义，p. 83 ↗
第 02 节的三类候选线索，为解释提供了起点。作者在研究议程里继续承认，何时出现社会回应、哪些线索怎样组合、哪些人会受影响，仍需说明。“越像人，回应越强”也尚未被确定为线性关系。研究议程，pp. 96–100 ↗
后续讨论进一步追问：人是否只会沿用人际脚本？Gambino、Fox 与 Ratan（2020）提出扩展 CASA，认为随着经验积累，人也可能形成专门用于人机互动的社会脚本。这是一项理论扩展，让“有社会回应”与“沿用了哪一种规则”成为可以分别研究的问题。Building a Stronger CASA ↗
08 · 把一次回应拆开看
回到开头。电脑问你，我刚才表现得怎么样？问题的内容是一层，由谁来问是一层，回答会被怎样使用又是一层。只看到一个高分，可能还不够理解完整的评价过程。
如果你在设计培训，可以设想让学习者在与系统分开的渠道里反馈使用体验，再看他们如何说明评价的依据。不同渠道也有各自的情境，值得一起比较。
如果你是日常使用者，可以继续保留自己的表达习惯，同时留意下一步决定的依据。
值得留意的时刻，是一个熟悉的互动方式，是否顺带完成了另一项决定。我感谢它，是否就更难拒绝下一次请求？它先介绍了自己，是否让我觉得该说出更多？它被称为专家，是否让我少检查了一层？这些问题没有预设每次都发生影响。
可以挑一段不涉及敏感内容的真实对话，做一个很短的记录。先写系统当时出现了什么线索：称呼、提问、帮助、语气，还是某个标签。再写自己做了什么：给高分、继续投入、补充信息，或者采纳建议。
接着补两句。一句是我当时期待它做什么，另一句是我用什么依据决定接受或拒绝。把行为与解释并排放着，可能会发现它们很一致，也可能会找到一个以前没注意的差别。
有余力的话，可以在低风险任务里尝试一个小变化，例如先隐藏角色名称，独立评价内容，再看系统介绍。这种个人记录可以提供讨论线索；要检验普遍规律，还需要系统研究。
下一次你对 AI 说谢谢，可以保留这句谢谢。同时也给下一步决定留一点空间：这一回，我为什么愿意继续，又根据什么判断它说得对？
09 · 研究启发
把旧实验带到今天，可以从三个具体问题开始。下面是本文提出的设计思路，尚未实施。
- 评价对象与反馈渠道的关系，今天还会改变评分吗？ 让参与者完成相同任务，随机分配到由原系统或独立界面征求评价的条件；保持问题、匿名说明与反馈用途一致，比较评分和回答分布，再询问他们认为谁会看到反馈。这有助于检验提问位置的效应，并观察参与者怎样理解评价情境。
- 第一人称与情绪自述各自起什么作用？ 分别操纵系统是否用“我”自称，以及是否包含情绪自述，组成四种条件，并尽量控制信息内容与长度。比较披露深度、系统能力评价和心智归因，同时检查参与者是否注意到这些线索。“我可以帮你整理”与“我感到难过”应分别处理；即使出现差异，也需进一步区分互惠、表达示范或其他机制。
- 熟练用户是在套用人际规则，还是形成了人机互动规则？ 跟踪同一批人在多次使用中的行为与解释，观察他们何时接受、拒绝或改变系统建议；在可行时随机安排不同的互动经验。仅比较新手与老手，很难排除原有差异，重复观察与经验操纵更有助于检验规则是否随学习改变。
这些问题分别接到评价情境、界面线索与学习经验。研究设计还需要预先明确主要指标、样本量依据及什么结果会削弱原先的解释；长期后果则需要另外安排随访。原文研究议程 ↗；CASA 的后续扩展 ↗
10 · 延伸阅读
- 想追踪礼貌实验的独立报告？ Nass、Moon 与 Carney（1999）比较了计算机访谈中的提问位置。不同发表版本的样本和设置不能拼成同一实验。期刊原文 ↗
- 想继续追问社会脚本从哪里来？ Gambino、Fox 与 Ratan（2020），《Building a Stronger CASA: Extending the Computers Are Social Actors Paradigm》，提出把人机互动经验及专门形成的人机社会脚本纳入解释。期刊页面与全文入口 ↗
- 想区分交流功能与人的身份？ Guzman 与 Lewis（2020）提出功能、关系与本体边界三个研究方向，有助于避免从一个拟人称呼推断完整信念。论文 ↗
- 想接到生成式 AI 时代的教师材料？ Lyu 等（2025）提供信任与怀疑的当代研究入口；其调查没有直接重复本篇五组实验。论文 ↗
原文与版本
Nass, C., & Moon, Y. (2000). Machines and Mindlessness: Social Responses to Computers. Journal of Social Issues, 56(1), 81–103.
核对范围：正文 pp. 81–100，重点为 pp. 83–84 的概念与候选线索、pp. 87–91 的实验描述及 pp. 92–100 的替代解释与研究议程。页码采用期刊印刷页码，PDF 第 1 页对应 p. 81。本文转述作者对多项实验的回顾，未独立重核全部底层实验；1999 年独立礼貌研究的样本数与概述另据期刊摘要核对，2020 年 CASA 扩展据期刊题录与摘要介绍。第 07 节的证据评价、第 09 节的设计问题及当代例子为本文的分析与延伸。
更新于 2026-09-18 · v0.3。补充 CASA 理论框架、候选线索、互惠对照与后续研究，精简重复说明。音频沿用此前版本。