--内容来源：小红书 “优职学长信息咨询”--

2025年，我们正站在一个重要的拐点：AI的能力已经超越了简单任务执行，进入复杂社会互动的领域。面对AI的潜力与风险，理解其在情感❤、认知和行为‍♂上的心理学影响变得尤为重要。

本文总结了行为科学中关于AI研究的新兴主题，揭示AI对人类情感、认知和行为的多方面影响，并提供对这一快速发展的领域的深入见解。

AI心理学中的现有研究：算法规避（Algorithm Aversion）：指人们相比于人类，更倾向于对算法表现出不信任或回避。

表现为：

1.情感层面（例如：对算法的负面情感反应）。

2.认知层面（例如：认为算法缺乏真实性或可信性）。

3.行为层面（例如：不愿使用算法）

原因分析

1.感知差距——算法被认为无法处理主观或质性信息（如领导力）。

2.能力质疑——人们认为算法在处理复杂任务时缺乏灵活性，这削弱了人们对其的信任。

3.对个性化特征的忽视感——人们认为算法的决策缺乏对个体独特性的反映，使其难以接受这些决策并转化为积极行动。

4.对理解算法决策的错觉性信念——人们对算法的决策过程感到陌生，认为它比人类决策更难以理解，从而降低了信任感。

5.对算法错误的高度敏感性——虽然算法和人类都会犯错‍♀，但人们对算法的错误更敏感，认为其不善于从错误中学习。

算法规避何时会减少？研究表明，算法规避在以下情况下会减弱：

1. 客观性至关重要时——人们倾向于认为算法在客观任务（如数据分析）中比人类更公正和准确，从而更愿意依赖算法。

2.社交评价不构成威胁时——算法决策被认为较少带有社会评判性，例如在行为追踪系统中的应用更受欢迎，因为它减少了外界的负面评价。

未来研究方向

1.分解算法规避中的人类因素——探讨人类在算法决策中的角色，例如人与算法的协作或对比中的文化和情感差异。

2.超越人类与AI的比较——探讨人类与AI如何协作并共同产生创新性或高效的成果。

3.更深层次地理解AI的心理后果——包括研究AI在情绪、注意力、信息处理等方面对人类的影响。随着时间推移的AI互动研究。

4.探索人类长期与AI互动的心理后果，如信任如何演变以及决策行为的长期变化。