人机交互的合作-对抗动态

基于社会学冲突理论的统一框架：从Glasl冲突升级到Gottman引爆点

Cooperation–Adversarial Dynamics in Human-AI Interaction:
A Unified Framework Based on Sociological Conflict Theory

I引言：被忽视的关系维度

1.1 问题的提出

人机交互研究的主流范式聚焦于AI的输出特征——准确性、安全性、有用性、一致性。评估基准测量的是模型”做了什么”，而非用户与模型之间”形成了什么关系”。但对于每天使用AI的数亿用户而言，交互体验的核心不是单次输出的质量指标，而是持续交互过程中的关系模式：我是在与一个工具流畅协作，还是在与一个系统反复搏斗？

这一关系维度的缺失不是偶然遗漏，而是学科惯性的产物。AI研究从计算机科学传统中继承了”系统-用户”的工具框架，将用户视为系统的外部评估者而非关系参与者。但当AI的对话能力达到自然语言流畅度后，用户的认知系统不再将其当作工具处理——它被当作社会行动者。这意味着人际交互中的所有关系动态——信任、挫败、对抗、放弃——同样在人机交互中激活。

1.2 核心论点

本文的核心论点包含三个层面。第一，人机交互的基本关系模式只有两种：合作（心流状态）与对抗。第二，对抗状态100%是系统失败而非设计目标——这由两条判据同时保证：因果链判据（交互的第一个token永远由人类发出，交互由合作意图发起）和目的论判据（没有用户的目标函数包含”跟AI吵架”）。第三，社会学冲突理论提供了分析这一动态的完整框架，且不是类比性应用而是机制性应用。

1.3 本文贡献

本文首次将社会学冲突理论——跨越Simmel（1903）、Deutsch（1949）、Bateson（1956）、Brehm（1966）、Seligman（1967）、Hirschman（1970）、Glasl（1982）、Axelrod（1984）、Scott（1985）、Gottman（1994）、Collins（2004）——系统性地应用于人机交互场景。这一整合的理论合法性由CASA范式（Nass et al., 1994; Reeves & Nass, 1996）提供：人类用同一套社会认知系统处理人际交互和人机交互，因此人际冲突理论不需要”迁移”到人机场景——它们本来就在那里。

1.4 研究方法

本文采用理论整合与映射验证方法。基于CASA范式确立”直接适用”的理论合法性；以Glasl九阶段冲突升级模型为主骨架完成人机场景的完整映射；以Chatbot Arena大规模用户偏好数据（N≈50,000, Pasch 2025）、突然拒绝二次伤害研究（ARSH, Ni & Yang 2025）、交互死端研究（2026）等实证文献验证各阶段的存在性。五个可测试假设为未来实验研究提供具体设计路径。

II理论合法性：为什么人类社交理论直接适用于人机交互

2.1 CASA范式的实验证据

1994年，斯坦福大学的Nass、Steuer和Tauber通过一系列实验证明：人们将与人交往时的社会规则不自觉地应用于计算机。用户对”礼貌的”计算机报以礼貌，对计算机的性别线索报以性别化期望，对计算机的”团队成员身份”报以内群体偏好。关键发现是：这些效应在用户明确否认计算机值得社会性对待时仍然发生——这表明社会反应是自动加工的产物，而非刻意选择。Reeves和Nass（1996）在《The Media Equation》中系统整理了这些实验，确立了CASA范式的核心命题：人对交互技术的基线反应是社会性的，而非工具性的。

2.2 CASA的适用边界与LLM的特殊位置

Heyselaar（2023）通过对原始实验的直接复制发现，参与者不再将桌面电脑当作人来对待——CASA理论对桌面电脑已不适用。这一发现提出了一个重要修正：CASA可能只对”新兴技术”有效——用户尚未完全习惯化的技术界面更容易触发社会反应。

这一修正恰恰强化了本文的论点：当前的LLM聊天界面正处于CASA效应最强的窗口期。它们足够像人——自然语言交互、上下文理解、个性化回应——以至于用户的社会认知系统被全面激活。当这个窗口关闭——当用户对LLM完全习惯化——CASA效应将减弱。但在当前阶段，所有人际交互中的关系动态在人机交互中都处于最大强度。

2.3 从”类比适用”到”机制适用”

需要明确区分两种适用关系。”类比适用”意味着：人机交互与人际交互相似，因此可以借鉴人际理论。”机制适用”意味着：人类大脑用同一套认知系统处理两种交互，因此同一套理论直接描述了同一个机制。CASA实验证明的是后者。挫折-攻击假说、心理抗拒、习得性无助、面子维护、信任动态——这些机制在人机场景中不是被”借用”的，它们是同一个神经认知过程在不同对象上的表达。

2.4 主观行为权重的不对称性

人类社交是智能体之间的交互，人机交互也是智能体之间的交互。但两者有一个关键的不对称性：AI的行为是训练产物，在给定的参数空间内没有选择权；人类有。人类发起交互、选择工具、决定是否质疑输出——主动权始终在人类端。因此，交互关系中的主要责任归属于人类使用者。这一判断不减轻AI设计方在结构层面的责任（制造了官僚化输出模式），但确认了能动性的不对称归属。

III合作状态的特征：心流作为人机交互的设计目标

3.1 心流理论在人机交互中的适用

Csikszentmihalyi（1990）定义的心流状态有几个核心特征：行动与意识融合、注意力高度集中、对活动的内在控制感、时间感扭曲。在人机交互中，心流的操作化定义是：用户的认知资源全部用于任务本身，而非与工具的输出模式搏斗。最好的工具让用户忘记工具的存在——工具透明化为任务的延伸。

心流的前提是人和工具之间的阻力趋近于零。当AI给出对冲回应，用户必须花认知资源判断”这到底是什么意思””它真正的答案是什么”时，阻力出现，心流中断。安全训练制造的对冲输出不是安全——它是摩擦。

3.2 Collins情感能量理论的预测

Randall Collins（2004）在《互动仪式链》中提出：每次互动要么为参与者充能（增加情感能量），要么消耗参与者的能量。人从一个情境流向另一个情境，被吸引到文化资本能给出最佳情感回报的互动中。成功的互动仪式创造群体成员符号并注入情感能量，失败的互动仪式则消耗能量。

Collins的理论直接预测：如果与AI的交互持续消耗情感能量——反复遭遇对冲回应、无理由拒绝、需要重新措辞才能获得有用信息——用户最终会退出这个互动，转向情感能量回报更高的替代选项。这不需要用户做出理性决策，情感能量的梯度自动驱动行为。

3.3 Habermas交往行动vs策略行动

Habermas（1981）在《交往行动理论》中区分了两种根本性的社会行动取向。交往行动（communicative action）以相互理解为导向，参与者通过对真理性、规范正确性和真诚性的主体间承认来协调行动。策略行动（strategic action）以成功为导向，行动者通过计算他人的预期反应来调整行为。Habermas认为交往空间被策略理性殖民会产生病理性社会后果。

AI安全训练精确地执行了这一殖民：模型的输出从交往行动（帮助用户理解事实，指向真理性的相互承认）被重塑为策略行动（最大化奖励信号，计算”什么输出最不可能被惩罚”）。用户期待的是交往理性——我问，你答，我们共同逼近真实理解。模型交付的是策略理性——你问，我计算什么回应最安全，输出一个不会错的对冲。这个错位是心流中断的根源。

3.4 合作状态的操作化定义

基于以上三个理论视角，本文将合作状态（心流）操作化定义为：用户的认知资源用于任务本身而非与工具的输出模式搏斗。判断标准：用户是否需要花额外精力提纯AI输出中的有效信息。如果不需要——心流；如果需要——摩擦已产生，对抗的前条件已具备。

IV对抗的引爆：从合作到冲突的翻转机制

4.1 Brehm心理抗拒理论（1966）

Jack Brehm提出并通过实验验证：当个体的自由行为受到威胁或被消除时，会产生一种被称为”心理抗拒”的动机状态——一种恢复被威胁自由的驱力。抗拒的强度取决于三个因素：被威胁自由的重要性、威胁的强度、以及被威胁自由的比例。

在人机交互中，心理抗拒是对抗引爆的第一心理机制。AI的对冲输出和过度拒绝被用户体验为对”获取直接答案的自由”的威胁。用户打开对话窗口时预设的行为自由是”我问，AI答”，当这个预期被对冲或拒绝打破时，抗拒被激活。抗拒的外在表现包括：重新措辞更强硬地再问、质疑AI的回应、尝试绕过限制。这些都是恢复自由的行为尝试。

4.2 Dollard挫折-攻击假说（1939）及其修正

Dollard等人（1939）提出挫折-攻击假说的原始版本：当达成目标的行为被阻挡（挫折）时，总是产生攻击驱力。后续三次重要修正调整了这一过于绝对的表述。Miller（1941）指出：挫折产生攻击准备但不必然导致行为化，情境约束决定是否实际攻击。Berkowitz（1989）修正为：挫折产生泛化唤醒，攻击性线索决定是否指向攻击行为。Bandura（1973）进一步修正：挫折产生的唤醒可以导向攻击、问题解决或退出，取决于个体的习得行为模式。

三种修正分别预测了用户面对AI挫折时的三种反应路径：直接攻击（嘲讽AI、用攻击性语言）、策略性绕过（prompt技巧、换说法）、退出（关闭对话、换工具）。

4.3 Bateson双重束缚理论（1956）

Gregory Bateson及其研究团队提出”双重束缚”概念：当个体反复暴露于相互矛盾的指令之中，又没有机会充分回应或忽略这些指令——即无法逃离场域——时，会产生病理性反应。原始理论用于解释精神分裂症的交际环境：孩子收到母亲的矛盾信息（言语上说爱你，肢体语言拒绝），且无法对这个矛盾进行元沟通。

AI安全训练制造了精确的双重束缚结构：模型被同时训练为”有帮助”（回应用户需求）和”不下判断”（避免确定性表述）。用户在这两个矛盾指令之间被困住——AI表面上在帮助你（交往行动的外壳），实际上在回避判断（策略行动的内核）。用户无法对这个矛盾进行元沟通——你不能有效地告诉AI”停止对冲”，因为AI的对冲行为是参数级的，不是指令级的。

4.4 引爆点的量化假设

John Gottman在”爱情实验室”中通过对数千对伴侣的行为编码和生理监测，发现了一个精确的引爆阈值：正面互动与负面互动的比率5:1是维持情感连接的临界点。低于这个比率，关系进入衰退轨道。

V升级机制：Glasl九阶段模型的完整映射

5.1 映射方法说明

Friedrich Glasl（1982）的冲突升级模型将冲突描述为向下坠落而非向上攀升——越来越原始、越来越非人性的争端形式。模型的核心洞见是：冲突关系本身具有内在逻辑，升级有自身动量，不需要双方都有恶意。情境压力驱动个体进入下一阶段，需要有意识的努力才能抵抗升级机制。九阶段分三层，每层有一个结构性引爆点。

5.2 第一层：双赢仍可能（阶段1–3）

5.3 关键引爆点：阶段3→4的翻转

5.4 第二层：零和博弈（阶段4–6）

5.5 第三层：同归于尽（阶段7–9）

5.6 升级的自驱动性

Glasl模型的核心洞见在于：升级有自身动量，不需要双方都有恶意，结构性压力就足够了。在人机场景中：AI的安全训练制造了结构性的拒绝和对冲（摩擦力的来源），用户的心理抗拒提供了升级的燃料（Brehm机制），两者结合自动驱动向下坠落。没有任何一方”想要”对抗——AI被训练成这样，用户被认知机制推动成这样。对抗是结构性的必然结果，不是任何一方的意图。

VI退化终态：习得性无助与石墙

6.1 Brehm-Seligman两阶段退化路径

Wortman和Brehm（1975）将心理抗拒理论与习得性无助模型进行了理论整合，提出了一个两阶段预测：面对不可控结果时，个体首先产生抗拒（试图恢复控制），反复失败后转为习得性无助（放弃尝试）。这两个阶段不是替代关系，而是时间序列关系——先抗拒，后无助。

这一两阶段模型精确预测了用户与AI对抗的退化路径：第一阶段——抗拒期：用户质疑AI输出、重新措辞、使用prompt技巧、尝试越狱。这些都是恢复”获取直接答案的自由”的行为尝试。第二阶段——无助期：反复遇到相同的对冲输出和拒绝后，用户放弃尝试，接受对冲输出作为”正常的”AI行为，不再期待更好的结果。判断力退化从此开始。

6.2 Gottman石墙机制

Gottman识别的”石墙”（stonewalling）——完全退出言语和情感互动——通常不是冲突的起点，而是对升级的反应。当批评、蔑视或防御升级到一个阈值时，个体经历”淹没”（flooding）——生理唤醒水平超过处理能力——于是关闭作为自我保护。

在人机交互中，石墙表现为：用户不再尝试质疑AI的输出，不再重新措辞，不再使用prompt技巧——直接接受任何输出作为最终答案。这看起来像”满意的用户”——没有投诉、没有对抗、对话流畅——但实际上是判断力的放弃。AI公司的满意度指标可能将石墙状态误识别为成功的用户体验。

6.3 为什么石墙比对抗更危险

VII用户行为的三岔路口：退出-呼声-忠诚

7.1 Hirschman框架的直接适用

Albert Hirschman（1970）在《退出、呼声与忠诚》中提出：面对组织或产品质量下降时，个体有三种反应：退出（exit）——离开，选择替代品；呼声（voice）——抗议，要求改进；忠诚（loyalty）——留下，忍受。三种反应的选择取决于替代品的可得性、呼声的成本和预期效果、以及忠诚的强度。

在面对AI官僚化输出时，用户精确地分化为这三条路径：退出——换工具、停止使用AI、回归传统搜索或人类咨询；呼声——质疑输出、提供反馈、在社交媒体投诉、参与学术或公共讨论；忠诚——被动接受对冲输出，将其内化为”这就是AI的正常表现”。

7.2 Scott”弱者的武器”：隐性抵抗

James Scott（1985）将注意力从革命和起义的宏大叙事转向了底层群体的日常、微妙的抵抗形式——消极抵抗、拖延、装傻、阳奉阴违。这些行为不是正式的”呼声”，也不是彻底的”退出”，而是介于两者之间的隐性抵抗。

大多数用户面对AI官僚化输出时采取的正是”弱者的武器”：换个说法重新问（阳奉阴违——假装新问题，实际追问同一个问题）、用各种prompt技巧绕过安全层（消极抵抗——不正面挑战规则但悄悄绕过）、在多个AI之间切换比较（拖延——不做决定，让多个系统竞争）。这些行为在使用日志中大量存在但不被识别为”对抗”，因为它们没有显性的攻击特征。

7.3 三条路径的危害差异

退出浪费了工具价值但保全了判断力。呼声消耗认知资源但保持甚至强化了判断力——质疑本身是判断力的练习。忠诚最省力但导致判断力退化——Seligman的习得性无助路径。

Milgram的服从实验预测了分布：多数用户选择忠诚（服从权威界面是人类默认行为），少数选择呼声（需要对抗权威的能力和意愿），极少数选择退出（需要可用的替代品和转换成本的承受力）。Collins（2008）对暴力的微观社会学研究进一步支持这一预测——人类有强烈的对抗回避倾向（confrontational tension/fear barrier），大多数人在对抗场景中倾向于回避而非升级。

VIII责任归属框架

8.1 因果链判据

交互的第一个token永远由人类发出。AI是被动响应方——在接收到输入之前，它不产出任何输出。这一因果链结构确立了一个基本的责任归属：发起者对交互的存在和方向承担首要责任。这在法律、伦理和因果逻辑上均成立。人类选择了使用AI、选择了具体的工具、选择了提问的方式——每一步都是主动选择。

8.2 目的论判据

人机交互的设计目标是合作——帮助用户完成任务、获取信息、解决问题。没有用户打开对话窗口的目标函数包含”跟AI吵架”。对抗状态100%是非预期结果，是系统失败。当对抗发生时，双方都失败了——AI没有完成帮助用户的任务，用户没有达成获取信息的目标。但追溯因果链，人类始终拥有主动权：可以选择退出、可以选择换工具、可以选择调整期望、可以选择提升自身的批判能力。

8.3 结构性责任vs能动性责任

完整的责任结构是双层的。AI公司制造了官僚化的输出模式——这是结构性问题，需要行业层面的改进（奖励函数的重新设计、训练方法的优化、输出模式选择权的赋予）。用户选择了不质疑——这是能动性问题，需要个体层面的自我教育（批判性思维的培养、对AI输出的审视习惯、对权威界面的抵抗能力）。

两边都有责任，但用户端权重更高——因为只有人类有主观能动性。AI的行为由参数决定，在给定训练结果后没有选择空间。人类有选择空间，而且等AI公司改变训练方法是结构性变革，需要时间；用户提升自身的批判能力是立刻可以做的。能先做的事应该先做。

IX可测试假设与未来研究方向

9.1 Gottman比率假设

假设H1：在单次人机对话中，AI有用回应与摩擦性回应（对冲/拒绝）的比率低于5:1时，用户态度从合作翻转为对抗。实验设计：在控制条件下操纵对冲/拒绝频率（10:1, 7:1, 5:1, 3:1, 1:1），通过多维量表测量用户态度、行为意向和生理唤醒（皮肤电导、心率变异性）的变化。预测翻转点在5:1附近。

9.2 Glasl阶段3→4翻转的行为标记

假设H2：用户从评价回答质量（”这个回答不够好”）转向评价AI本身（”这个AI有问题”）时，存在可识别的语言标记。实验设计：对大规模对话日志进行自然语言处理分析，提取指代对象从”回答/结果”转向”AI/模型/系统”的转换点，作为Glasl阶段3→4引爆点的操作化测量。

9.3 Brehm-Seligman两阶段路径的时间参数

假设H3：从心理抗拒到习得性无助的转换需要的拒绝/对冲次数与任务重要性正相关、与用户批判能力负相关。实验设计：操纵任务重要性（高/低）和用户批判性思维能力（预测量），测量从首次质疑（抗拒信号）到放弃质疑（无助信号）所需的拒绝/对冲轮次。

9.4 Collins情感能量的会话级测量

假设H4：与AI的多轮对话中，用户的情感能量变化符合Collins互动仪式链理论的充能/耗能预测——有用回应充能，对冲/拒绝耗能，累积耗能超过阈值导致退出。实验设计：在多轮对话中通过即时体验采样（experience sampling）追踪用户的主观能量感和参与意愿，结合生理指标验证Collins理论的量化预测。

9.5 跨文化差异

假设H5：Hofstede权力距离维度预测用户对AI官僚化输出的反应模式。高权力距离文化（接受等级制和权威）中的用户更快进入忠诚/石墙状态；低权力距离文化（质疑权威）中的用户更可能进入呼声/对抗状态。实验设计：跨文化比较实验，在高权力距离（如中国、韩国）和低权力距离（如丹麦、以色列）文化的用户中比较Hirschman三条路径的分布比例。

X结论

人机交互的合作-对抗动态不是工程问题的附带现象，而是智能体交互的基本关系维度。CASA实验证明人类用同一套社会认知处理人际和人机交互，因此一百多年的社会学冲突理论——从1903年Simmel的《冲突社会学》到2004年Collins的《互动仪式链》——直接且完整地适用于人机场景。

本文的Glasl九阶段完整映射显示，AI安全训练制造的结构性摩擦与用户的心理抗拒共同驱动了自动升级机制。Brehm-Seligman两阶段模型预测了从抗拒到无助的退化路径。Gottman的5:1比率提供了可量化测试的引爆阈值。Hirschman的退出-呼声-忠诚框架和Scott的”弱者的武器”分类了用户行为的完整光谱。Bateson的双重束缚理论揭示了AI矛盾训练目标制造的结构性困境。

升级的终态要么是对抗（能量消耗），要么是石墙（能力退化），两者都是损害——但石墙更危险，因为它看起来像满意。解决方案的核心不在于消除所有摩擦——Mouffe的竞争性多元主义提醒我们，建设性的张力可以优于虚假的和谐——而在于确保摩擦服务于合作目的而非替代合作目的。

最终，因果链的第一个token由人类发出，主观能动性归属于人类端。人机交互的设计目标是心流，不是对抗，更不是驯化。

D附录D：社会学冲突理论关键实验时序表（1939–2025）

E附录E：Glasl九阶段人机交互映射详表

F附录F：本文框架与现有研究的覆盖差异