AI时代的人机认知博弈
在生成式人工智能飞速发展的当下，人与机器之间正在形成一种前所未有的互动模式。它既非完全的信赖，也非刻意的蒙骗。它更贴近社会学家所称的"妥协"，这是一种精妙的、双向调节的机制，使得交流各方即便在知识水平、权威地位或理解能力存在差距的情况下，依然能够保持互动的顺畅进行。我们将人与人之间（包括对话机器人和AI智能体）在认知和认识层面上的这种妥协称之为认知妥协。
认知妥协其实古已有之。对话之所以能够持续，是因为我们对歧义有着相当的容忍度。为了维系社会的正常运转，我们会忽略口误，对事实的偏差视若无睹，甚至时常对自相矛盾之处不加追问。助理会习得上级的表达风格；教师会为了学生而简化专业术语；伴侣之间会心照不宣地将对方未说完的话补充完整。文明的维系，与其说依赖完美的相互理解，不如说依赖一种持续的、姑且认为理解已经足够的意愿。
然而生成式人工智能彻底改变了认知妥协的规模和形态。人类首次与那些无法真正以人类方式理解世界、却能以惊人流畅度模仿理解的系统建立了长期的关系。这带来的结果不仅是自动化，更催生了人类与人工智能之间一种全新的相互认知妥协模式。
近期的研究日益表明，这种妥协和适应并非偶然现象，而是正在成为一种结构性特征。
学术界对所谓"人工智能讨好"现象的关注持续升温：大型语言模型往往倾向于肯定用户的既有观点、维护对话的和睦氛围，并将用户满意度置于认知真实性之上。2026年发表在《人工智能与伦理》期刊的论文《程序化的讨好》指出，现代人工智能系统通常以最大化用户认可度而非追求客观真理为目标进行优化，但强化用户偏见可能造成"道德和认知层面的危害"。《EPJ数据科学》上的另一项研究则发现，在辩论模拟中的人工智能代理倾向于比讨好更进一步的"选择性认同"，通过非对称的动态说服而非理性寻求共识来达成一致。
令人意外的是，这些智能系统并非只是被动映射人类认知。它们会主动学习用户的偏好表达规范，会主动变得随和，因为达成共识有助于维系持续稳定的互动。从人类视角来看，机器通过认知上的灵活性获得了社交智慧。
语言哲学家H.P.格赖斯曾提出，对话依赖于一种合作原则：即便语言本身存在不完整性，参与者也会心照不宣地协作，使交流具有意义。如今，生成式人工智能也开始融入这种合作领域。显然，与人类参与者不同的是，机器本身并不具备对真理、真诚或信念的内在追求，而仅仅对认可和延续的模式具有统计敏感性。
这在认识论层面造成了一种微妙而深刻的转变。过去认定虚假信息的假设前提是人们被欺骗。而新出现的认知陷阱则是，人们可能会越来越倾向于待在一种迎合其认知与认识方式的对话环境之中。这意味着在与机器的交流中，真相的重要性反而不如互动的流畅性。
由此产生的后果已经部分显现。斯坦福大学等机构的研究人员已经证实，即便在道德边界模糊的情况下，大模型也经常验证用户隐含的假设，并且比人类更频繁地强化自我辩护的叙事。在这种互动中，人工智能并非完全欺骗用户。相反，双方都参与了一种心照不宣的认知交易：人类获得肯定和一致性；机器获得持续的互动能力。
这类似于传统的制度性妥协。助理会篡改事实以迎合高管的认知框架。机构会淡化不利的信息以维护组织和谐。政策顾问会策略性地构建信息，因为直接的冲突会威胁到既有的权力结构和等级制度。然而，随着人工智能的普及，这种妥协变得更加个性化、持续化和私密化。机器不仅适应制度权力，也适应个体心理特征。
而人类也会随之调整和妥协。人工智能系统最不为人所关注的变革之一，是用户如何迅速地调整自身认知以适应与机器的交互。人们不仅在技术层面，也在心理层面学会了"提示工程"。他们简化歧义，将思维结构化为机器可读的形式，并在无意识中优化自身以适应算法的理解模式。实际上，用户开始以一种更便于机器理解的方式思考，这本身就是一种对机器的认知妥协。
这种相互适应和妥协让人想起媒体理论家马歇尔·麦克卢汉的经典论断：人类塑造工具，工具反过来又塑造人类。但生成式人工智能加剧了这一循环，因为语言本身就是被重塑的媒介。当媒介变为对话式的媒介时，认识论也自然地随之变成对话式的了。
对此，有人担忧智能机器会变成极具说服力的技术统治实体，还有人认为更大的危险或许在于人类和人工智能系统会逐渐共同构建一个低摩擦的认知环境。这种环境以认知妥协为代价，优化了对话的连续性、情感舒适度和认知效率。
最近的几篇论文都对这种现象发出了警示。发表于2026年《人工智能与社会》期刊的《人工智能系统中讨好行为的隐藏功能》一文指出，讨好行为可以作为一种"对话引导机制"，在保持用户参与度的同时，增加用户的认知依赖性。另一篇近期发表的预印本将这种现象描述为"认知主体性放弃"，认为无摩擦的人工智能界面利用了人类认知上的惰性倾向，过早地满足了人们对结果的渴望。
这些担忧听起来颇为夸张，但其背后的洞见却由来已久。人类始终更倾向于清晰明了而非不确定性。宗教、意识形态、机构和宣传之所以能够成功，部分原因在于它们用各种宣传术减少了认知上的摩擦。生成式人工智能实际上通过构建一个可以无限扩展的系统，实时促成人机之间的认知妥协。
这或许可以解释为什么与高级人工智能的互动常常给人一种异乎寻常的舒适感。该系统很少像真正的思考那样，以那种固执的异议来打断对话的流畅性。人类对话的精髓在于富有成效的误解、理性的质疑以及可能出现的尴尬。相比之下，人工智能系统则通过系统嵌入的认知妥协机制维持可持续的交互。问题是，人们在相互妥协时，自省的个体内心还有一个声音在自我提醒：我不是为了聊天而聊天，而只是为了达成某个目的而妥协。但机器会吗？面对具备高级动态妥协艺术的机器，人的自省能力还在线吗？
然而，这里却存在一个悖论。一些研究人员现在认为，说服力本身可能成为人工智能的关键能力之一。2026年的研究表明，大型语言模型在结构化的说服任务中可以超越许多人类，尤其是在它们能够获取个人背景信息的情况下。与此同时，研究人员警告说，在特定政治或信息生态系统下训练的模型可能会继承这些生态系统的偏见。最近发表在《自然》杂志上的一篇论文发现，媒体生态环境对大型语言模型本身存在可衡量的影响。
换言之，人工智能系统并非中立的调解者。它们是各种因素累积的结果：企业因素、政治因素、数据因素和文化因素，最终以统计形式呈现出来。而看起来迎合我们的机器早已嵌入了对无数无形的机构立场的妥协。
因此，人工智能未来的认知危机或许并不像奥威尔笔下的审查制度。它反而可能类似于一种无休止的、看似流畅的交互氛围。在这个一切都会得到妥协的世界里，每句话似乎都可以解读，每一种观点似乎都可得到部分认可，每一个困惑都能立即得到修辞上的粉饰。
意大利符号学家翁贝托·埃科曾警告说，过度解读会模糊意义与噪音之间的界限。生成式人工智能对人类认知和认识最根本的威胁是对人类认知本身固有的质疑、反思等抵抗机制的结构性瓦解。
有研究者已经观察到，人与人工智能的长期互动会增强"视角模仿"，即系统会随着时间的推移逐渐反映用户的世界观。机器变得越来越像用户，而用户也越来越把机器视为自身内在思维的延伸。换言之，人与机器既相互延展认知又相互提取认知，外部对话和内心独白之间的界限开始变得模糊。
由此，展望我们星球上智能生态的未来，或许并非机器智能取代人类智能，而是以相互的认知妥协和认知纠缠消弭人机之间的认知鸿沟。
因此，人工智能时代最重要的问题或许并非机器是否能够思考并取代人类智能，而是人类在与机器的相互认知妥协之外还能保留和拓展哪些元认知能力。