随着人工智能（AI）深度融入日常生活，用户对AI建议的采纳程度（即“算法厌恶”或“算法欣赏”）成为决定AI应用成败的关键。赋予AI拟人化特征（如名字、人格）被认为是提升用户信任的有效手段，但其高昂的计算成本和不确定的长期效果引发了学界的反思：拟人化是否在所有互动阶段都必要？近日，何清华教授团队在国际权威期刊Computers in Human Behavior（中科院SSCI分区心理学大类一区Top期刊，5年影响因子10.6分）发表题为“Is anthropomorphizing AI worth it? The role of hands-on experience in shaping advice uptake”的论文。

图1：研究概览

该研究通过两项递进式的行为实验，结合主观态度量表与行为测量（建议采纳权重），系统探讨了在不同经验水平下，拟人化对用户采纳AI建议的影响及其心理机制。研究招募了385名参与者，分别在不提供任何反馈（无经验情境）和完成20轮体重估计任务（有经验情境）后，评估其对拟人化AI、非拟人化AI及人类顾问的信任与采纳程度。

研究结果揭示了拟人化效应的关键边界条件。进一步分析揭示了经验的关键调节作用。在无直接互动经验时（Study 1），温暖感显著中介了拟人化对算法厌恶的影响（间接效应值为0.294，95% CI [0.119, 0.455]）。然而，在获得直接互动经验后（Study 2），拟人化组与非拟人化组在温暖感和能力感上均无显著差异，因此中介效应不再成立。这一对比表明，拟人化的作用高度依赖于用户的使用阶段。

图2：温暖感在无使用经验条件下的中介作用

进一步的纵向对比分析发现，无论AI是否被拟人化，与AI的直接互动本身就能普遍提升用户对其能力和温暖感的评价，并增加对AI建议的实际采纳（即更高的建议采纳权重）。相比之下，人类顾问的建议采纳权重始终低于AI，验证了在客观任务中“算法欣赏”的存在。重要的是，互动经验显著调节了拟人化对温暖感和建议采纳的影响：对于非拟人化AI，获得经验后其温暖感评分显著提升，同时，无论是否拟人化，与AI互动本身均能普遍提升用户对AI能力感的评价。这些发现共同说明，直接经验能够重塑用户的感知，弱化拟人化等表面线索的作用（图3）。

图3：互动经验调节拟人化对温暖和能力的效应

该项研究从动态视角阐明了“经验”是拟人化效应发挥作用的关键边界条件。研究挑战了“拟人化总是有益”的传统观点，为开发更高效、更具成本效益的人机交互界面提供了重要科学依据。未来，AI设计应根据用户的使用阶段动态调整策略：在初期可适度引入拟人化元素促进接纳，而在用户获得足够经验后，则应回归功能本身，以减少不必要的计算资源消耗。

该文的第一作者为西南大学心理学部2021级本科生李斯盛（现为中国科学院心理研究所在读硕士生），心理学部何清华教授为通讯作者，墨尔本大学的Ofir Turel教授为本文共同通讯作者。研究得到了国家自然科学基金项目（31972906）、上海市脑机协同信息行为重点实验室开放课题（41004400/035）、高端外国专家引进计划项目（G20190022029）、国家级大学生创新创业项目（202410635044）的资助。

图4：论文信息部分

论文信息：Li, S., He, Q.*, Qi, Y., Turel, O.* (2026). Is anthropomorphizing AI worth it? The role of hands-on experience in shaping advice uptake. Computers in Human Behavior, 181: 108983.