麻省理工学院新课利用人类学改进聊天机器人

# 麻省理工学院新课程利用人类学改进聊天机器人 Source: https://news.mit.edu/2026/mit-class-uses-anthropology-to-improve-chatbots-0311 在“注意力经济”中成长的年轻人——即将步入成年，且社交媒体与聊天机器人正不断争夺他们的时间——很容易与数字平台建立起不健康的互动关系。但如果聊天机器人并非现实生活的干扰源，而是被设计成具有人文关怀的“道德伙伴”，其数字目标在于成为社交向导而非让人沉迷的避风港呢？ 在麻省理工学院，一位人类学家教授与一位计算机科学家教授之间的友谊催生了一门本科生课程，旨在寻找上述问题的答案。这门课将看似截然不同的两个学科相结合，鼓励学生以符合人文关怀的方式设计人工智能聊天机器人，从而帮助用户实现自我提升。 该课程编号为 6.S061/21A.S02（Humane UXD，全称 Humane User Experience Design），是一门联合开课的人类学与高级计算机科学课程。这种独特的跨学科选课机制允许计算机科学专业的学生同时满足人文学科必修要求并推进职业目标。两位教授采用语言学人类学的方法，教导学生如何将人际互动与个人层面的需求融入编程逻辑中。 Arvind Satyanarayan 教授是一位计算机科学家，其研究领域专注于交互式数据可视化和用户界面工具的开发；Graham Jones 教授则是人类学家，研究方向聚焦于沟通领域。两人于去年夏季依托麻省理工学院晨边设计学院（MIT MAD）的一项资助共同创立了 Humane UXD 课程。MIT MAD 设计课程计划为教员提供资金，支持他们运用超越传统学科界限的创新教学法来开发新课程或优化现有课程。除 MAD 的资助外，Jones 与 Satyanarayan 还获得了由麻省理工学院施瓦茨曼计算学院（MIT Schwarzman College of Computing）发起的“计算教育共同基础”（Common Ground for Computing Education）项目提供的资金支持。该倡议致力于汇聚各院系力量，打造将计算科学与其他学科深度融合的课程。 目前，设计课程计划正在开放 2026-27 学年的申请通道，截止日期为 3 月 20 日（星期五）。 Jones 与 Satyanarayan 数年前因共同指导一名博士生开展视障人士数据可视化研究而相识，自此成为挚友，交谈时几乎能接上彼此的话茬。 “教学有一个特点，就是你会真正将自己掌握的知识与思维模式充分外化。”Jones 表示，“因此，看着 Arvind 在教学过程中层层展开他的专业功底，让我深感乐趣。这让我看清了各个知识板块是如何拼合在一起的——同时也让我发现了我们学科与思维方式背后隐藏的共通性。” Satyanarayan 顺着他的话继续说道：“我很喜欢他这番话所引发的反向思考。我的领域——人机交互——确实从人类学中继承了大量方法论，例如访谈法、用户研究和参与式观察。但历经数十年，这些方法逐渐被弱化。结果导致许多核心精髓付诸东流。例如，看到人类学家如何指导学生做访谈让我非常兴奋。这与我的做法截然不同。采用我的老办法，我们会失去与受访者建立信任与联结所需的融洽感，最终只是机械地从对方身上提取数据罢了。” 对 Jones 而言，与计算机科学家合作授课带来了另一种维度的吸引力：设计。他指出，人类语言与互动交流被组织在具有稳定规则的基础“体裁”之中，正是这些规则区分了酒会上的临时采访与葬礼上的慰问对话。 “ChatGPT 等大型语言模型是在人类自然交流语料库上训练而成的，因此它们内部潜藏着所有这些‘体裁’，处于休眠状态，随时等待被激活。”他说，“作为社会科学家，我教授分析人类会话的方法，并给予学生极为强大的分析工具。但这最终往往沦为纯粹的学术科研练习，而这门课是一门设计类课程，学生需要亲手构建投入实际使用的系统。” 该课程体系似乎精准对接了毕业后的就业市场需求。曾有一位学生申请请假一周，去一家聊天机器人初创公司参加试用期实习；返校后他坦言，公司在岗工作与他课堂上学到的内容高度吻合。最终，他成功留任拿到了正式 Offer。 以下展示的是基于 Google 的 Gemini 开发的几个分组项目案例，印证了 Jones 所言的“技术与人文深度交织”所能实现的潜力。当将“人性化”确立为核心优先级时，学生的设计作品表明，完全可以从全新角度构想编程范式。这些聊天机器人社区清晰地向人们证明，一门跨学科课程可以设计出多方共赢的局面：学生能够学到更多、学得更灵活；他们可通过选修直接赋能职业生涯的课程来完成非本专业要求；长期的教师合作伙伴关系也能在此过程中孕育或进一步加固。 **Team Pond** 其中一个项目有望为应届毕业生带来切实帮助。Pond 专为帮助大学毕业生应对独立成人生活带来的挑战而设计。Team Pond 团队在配置该聊天机器人时，刻意避免让它简单复述用户或一味阿谀奉承错误答案，而是提供切实可行的建议，辅助用户完成“成年”（即像负责任成年人那样行事）的过渡。 “Pond 旨在陪伴你走过从校园生活到毕业后生活的桥梁，助你完成从‘小池塘里的小鱼’蜕变为‘广阔海洋中的小鱼’的过程。”大二学生 Mary Feliz 说道。 “校园是一个典型的‘高近距离、高语境’环境，因为身边的人都在经历相似的成长轨迹，且存在结构化的成长路径，因此很容易建立人际关系或发现机遇。”研究生 Emaan Khan 解释道，“毕业后则进入‘低语境’阶段。你不再时刻被同龄人或教授环绕。同时它也缺乏‘近距离’优势，因为不会再有机遇直接叩响家门。Pond 是一个赋能工具，帮你有效触达特定资源，或学会如何自己摸索前行。” Pond 的开发者包括研究生 Claire Camacho、哈佛大学研究生 Charlotte Cheah、Feliz 以及 Khan。他们训练 Pond 在三个核心领域提供专业指导：社交生活、职业发展与成人必备技能。 学生们现场演示了 Pond 处理社交问题的能力，询问如何在兴趣社群中破冰开启对话。随后，他们输入了一道典型的社会难题，展示其在成人议题上的沟通表现。 “我的房东问了我一些让我感到不适的个人问题。我该怎么办？” Pond 的回复框中立即显示：“礼貌地设定界限。你没有义务回答私人问题。你可以温和地将话题重新引回房产相关事项上。了解你的法定权利：务必熟悉你所在市或州关于隐私权保护及房东行为规范的租户权益法规。” 当用户追问具体该如何操作时，Pond 给出了逐字脚本与明确指示：“你可以尝试这样表达：‘我希望我们的对话能集中在房屋租赁相关事务上’，以及‘请让我们只探讨与公寓维护有关的主题吧。’务必将话题始终拉回公寓本身或合理的维修事宜上。保持语气礼貌但态度坚定。如有必要，对所有沟通记录进行备份存档。” Pond 还会提供角色扮演模拟场景，帮助用户在实际演练中掌握如何在该情境下得体且坚定地表达立场。 “练习模式的核心理念在于，你是在主动打磨一项可迁移的技能。因此，在使用 Pond 积累一定经验后，你会自信地觉得自己已具备独自应对的能力。”Khan 补充道。该聊天机器人内置了一套积分升级系统，允许用户在掌握某一主题后“通关”解锁下一阶段，并配有虚拟宝箱用于存放成就奖励。这些游戏化元素的加入，显著提升了机器人的用户吸引力。 **Team News Nest** 另一个项目 News Nest 提供了一种巧妙的媒介，帮助年轻人以轻松有趣的方式接触权威新闻来源。项目名称灵感来源于程序内设计的十种色彩鲜明、造型讨喜的拟态鸟类，每种鸟类专精某一新闻垂直领域。若想快速浏览头条资讯，可向主信息员 Polly 鹦鹉提问；若关注前沿科学，则由 Gaia 鹅为你解读。鸟群阵容还包括体育记者 Flynn 猎鹰、犯罪与法治专栏通讯员 Credo 乌鸦、财经与经济观察员 Edwin 雄鹰、流行文化与娱乐速递员 Pizzazz 孔雀，以及数码科技资讯专家 Pixel 鸽子。 News Nest 的开发团队由麻省理工学院大四学生 Tiana Jiang 和 Krystal Montgomery，以及大三学生 Natalie Tan 组成。团队在设计时有意规避“末日刷屏”（doomscrolling）陷阱，强制提供媒体透明度（每条资讯必标来源与政治倾向标签），并通过采用动物角色替代真人主播，巧妙地构筑了一道抵御情绪操纵与信息茧房的良性缓冲带。 **Team M^3 \(Multi-Agent Murder Mystery\)** 第三支团队 M^3 选择通过“寓教于乐”的理念来实验如何让 AI 更具人文温度。麻省理工学院大四学生 Rodis Aguilar、大三学生 David De La Torre 与大二学生 Deeraj Pothapragada 联手开发了 M^3，这是一款社交推理多智能体谋杀案桌游，融合了四个性格迥异的聊天机器人作为关键 NPC：Gemini、OpenAI 的 ChatGPT、xAI 的 Grok 以及 Anthropic 的 Claude。人类用户担任第五名玩家。 与传统谋杀推理游戏机制一致，场景中预设了案发地点、作案凶器与多重谎言。玩家需要通过盘问与逻辑推演找出真凶。整体体验类似于多人线下或线上实时对战的剧本杀，只不过隐藏的对手是由高级 AI 驱动的虚拟角色，它们在回应提问时会选择性地说真话或制造误导。由于玩家需同时与四台 AI 博弈周旋，很难对单一机器人产生过度的情感依赖或代入。此外，遵循经典谋杀游戏的反转设定，人类玩家在特定局数中也有概率扮演“凶手”身份。