作者简介：范苗苗，中国人民大学心理学系博士研究生；辛自强，中国人民大学心理学系教授，北京，100872。
摘 要：近年来，人工智能主体性问题引发了广泛关注与争议。理解人工智能主体性，需要明确个体如何知觉其人性。“人工智能人性化知觉”指个体知觉到的人工智能人性程度，包括认知智能知觉与社会智能知觉两个维度，主要采用问卷法进行测量。人工智能人性化知觉的形成可概括为直接路径、间接路径和整合路径。未来研究应结合实证方法，进一步检验人工智能人性化知觉的结构效度，并从个体、人工智能和环境三个层面系统考察其形成机制及其对个体心理与行为的影响。
关键词：主体性；人工智能人性化知觉；认知智能知觉；社会智能知觉；形成路径
一、引言
人工智能（Artificial Intelligence）是当代技术发展的重要形态，已深刻改变人类的信息获取、社会交往和决策方式。人工智能的含义在不同研究语境中虽然存在差异，但其核心在于借助技术手段模拟甚至扩展人类智能。人工智能可分为弱人工智能和强人工智能。其中，弱人工智能是用于模拟人类智能的工具，通常被视为被动服从人类指令、为人类所利用，且无法自主采取行动的系统；强人工智能则不仅能够模拟人类智能，还被认为可能获得真正的主体地位和心灵。
近年来，以大语言模型为代表的新一代人工智能迅速发展。此类人工智能一方面仍具有弱人工智能的工具性特征，即能够根据人类指令完成特定任务；另一方面也在一定程度上表现出识别人类意图、主动发起交流、自主完成任务等强人工智能的特征，这些能力过去通常被认为是人类特有的智能表现。 这种从被动执行指令到自主参与任务的智能转变，引发了研究者对人工智能主体性问题的关注，对这一问题的揭示有助于深化人们对人类与人工智能本质属性的认识。主体性通常意味着个体具有独立意识、主观经验和自主行动能力。当前学界对于人工智能是否具备主体性仍存在明显分歧。一种观点认为，人工智能本质上仍是由算法、数据驱动的技术系统，并不具有真正意义上的意识、情感和主观经验，因此不能被视为具有主体性。 另一种观点则认为，随着人工智能在自主学习、逻辑推理、情境适应和社会互动等方面能力的增强，它已经在一定程度上表现出类似主体的功能特征，因而可能具备某种“有限主体性”或“弱主体性”。 人工智能是否具有主体性，与其是否被知觉为具有人性密切相关。主体性判断并不完全取决于对象是否客观上具有人性，还取决于个体在互动过程中对其人性特点的感知。当人工智能表现出良好的人机互动能力、任务自主性和创造性时，个体可能会将其知觉为具有一定程度的人类特质，并进一步赋予其类似主体的地位。本文不讨论人工智能是否“真正”具有人性这一复杂的哲学问题，而是关注个体在心理层面如何感知人工智能的人性化特征，即个体知觉到的人工智能人性。
围绕这一问题，既有研究已从人工智能拟人化和心智知觉等视角进行了探讨。拟人化主要指个体将人类特征赋予非人对象的过程，既包括外貌、声音、性别等物理特征，也包括情绪、意图和动机等心理特征。 但该视角更强调“赋予人类特征”的过程，难以充分解释大语言模型等缺乏实体形态的人工智能所引发的抽象人性判断。心智知觉则主要关注个体是否认为人工智能具有心智，通常包括能动性和体验性两个维度。 相比之下，人工智能人性化知觉范围更广，不仅包括对能动性和体验性的判断，也包括对语言理解、信息传递、情绪回应等表现的综合知觉。
基于此，本文提出“人工智能人性化知觉”这一概念，用以刻画个体对人工智能所具有的人性程度的主观感知。这里的“人性”并不指人工智能在外貌、声音、性别等物理特征上与人类的相似性，而是指个体认为人工智能具有的抽象类人属性，包括道德规范、信息加工、逻辑推理、意图理解、情感表达、社会回应和社会互动能力等。也就是说，人工智能人性化知觉关注的不是人工智能“看起来像不像人”，而是人工智能在认知和社会互动过程中是否被感知为“具有人的属性”。它可进一步分为认知智能知觉和社会智能知觉。前者指个体认为人工智能具备学习、理解、推理和解决问题等认知智能；后者指个体认为人工智能能够理解需求、回应情绪并遵循社会规范，表现出社会智能。
下文首先界定人工智能人性化知觉的概念内涵与结构维度，并将其与拟人化、人工智能心智知觉等相近概念进行对比分析，以厘清各个概念的关系；其次，梳理现有人工智能人性化知觉相关的测量方式及其不足，在此基础上提出未来量表编制的基本思路；再次，探讨人工智能人性化知觉的形成过程，分析个体知觉人工智能人性特征的主要路径与作用机制；最后，提出人工智能人性化知觉领域未来可能的研究方向，以期为后续理论建构和实证研究提供思路。
二、人工智能人性化知觉的概念界定与辨析
（一）人工智能人性化知觉的概念和结构
人工智能人性化知觉（AI humanization perception）的概念可在人性化知觉（humanization perception）相关研究的基础上加以界定。人性化知觉的研究对象经历了从人际对象向非人对象逐渐拓展的过程。早期研究主要关注个体对自身和他人人性特征的认识，即人如何理解和评价自身和他人所具有的人性。 近年来，随着人机交互的普及，人性化知觉的研究对象不再局限于人类个体，而是进一步延伸至社交机器人、对话机器人和虚拟代理等人工智能系统，关注人们对这些人工智能系统所具有的人性属性的感知。
然而，现有研究尚未对人工智能人性化知觉的内涵及结构形成明确统一的共识。一方面，相关概念存在一定混用现象，部分研究将人工智能人性化知觉与人工智能人类相似性、拟人化知觉等概念相混淆；另一方面，关于人工智能人性化知觉应涵盖哪些属性，尤其是外观、声音等物理特征是否应被纳入其范畴，学界仍存在一定争议。基于文献梳理，人工智能人性化知觉可被定义为个体知觉到的人工智能具有的人性程度。这里的人性是指个体认为人工智能所具有的抽象人类属性，包括语言理解、逻辑推理、道德规范与情感表达等；而非指人工智能在外观、声音等物理特征上与人类的相似程度。具有人类相似物理特征的拟人化线索，更适合作为影响个体人性化知觉的前因变量，而不宜被视为人性化知觉本身的组成部分。此外，这一概念也有助于解释不具备人类形态的人工智能（如生成式人工智能）的人性化程度。对于此类人工智能，个体并非主要通过外观判断其人性化程度，而更多是根据其一般认知和社会认知方面的抽象智能特征，形成对其人性化程度的知觉。
基于现有的心智知觉理论和社会认知双维模型，人工智能人性化知觉可以分为认知智能知觉和社会智能知觉两个维度。心智知觉理论认为，人们关于交互对象是否具有“心智”的判断主要包括能动性和体验性两个维度，其中能动性涉及自我控制、记忆、计划和决策等能力，体验性则涉及情绪、感受和主观体验等功能。 社会认知双维模型认为，人们在社会知觉中通常会从能力和温暖两个维度评价互动对象，前者涉及对象是否有能力完成目标，后者涉及对象是否友善、可信、合作并具有善意。 由此可见，个体对人工智能人性化程度的知觉既包含对其认知智能的感知，也包含对其社会智能的感知。
具体而言，人工智能人性化知觉中的认知智能知觉主要体现为个体认为人工智能能够以类似人类的方式进行学习、推理、理解和解决问题，能够接收、解析并处理外部信息，并依据所处环境和任务需求进行判断、决策与执行，以实现既定目标。这一维度主要对应心智知觉中的能动性以及社会认知双维模型中的能力维度，强调人工智能在信息处理、目标达成和任务执行方面所表现出的类人认知能力特征。例如，系统接收、解析并理解外部信息的感知能力是界定人工智能人性表现的关键要素。人工智能人性化知觉中的社会智能知觉则主要体现为个体认为人工智能能够在人机互动中表现出符合人类社会交往期待的行为方式，包括遵循社会规范，理解并回应人类情绪，以礼貌、尊重和诚实的方式进行沟通，并展现倾听、情感支持和幽默等社会性特征。这一维度主要对应心智知觉中的体验性以及社会认知双维模型中的温暖维度，强调人工智能在情绪回应、社会规范遵循和关系维护方面所表现出的类人社会特征。
综上，人工智能人性化知觉包含认知智能知觉和社会智能知觉两个相互关联但有所区分的维度，二者共同构成个体对人工智能人性化程度的总体知觉。为更清晰地界定人工智能人性化知觉的内涵，有必要进一步辨析它与人工智能拟人化、人工智能心智知觉等相关概念的异同。
（二）人工智能人性化知觉与拟人化的关系辨析
拟人化通常指个体将人类的特征赋予非人对象的过程，这些特征既包括物理特征（如外观、声音等），也包括社会特征（如动机、道德等）。 相比之下，人工智能人性化知觉强调个体知觉到的人工智能的人性化程度，它主要关注人工智能的抽象人性特征，如情感表达、交互能力等，并不涉及物理特征。
人性化知觉与拟人化的差异主要体现在三个方面。首先，概念本质不同。人性化知觉本质上是一种知觉结果，体现了个体对人工智能所具有人性属性的知觉，包括认知智能知觉和社会智能知觉；拟人化本质上则是一种心理过程，指人类主动将自身特征赋予人工智能。其次，适用对象不同。人性化知觉既适用于人工智能等非人对象，也适用于人类自身；拟人化则主要针对非人对象，包括人工智能、自然现象和动物等。最后，关注的特征维度不同。人性化知觉关注人工智能的心理属性与社会属性，不涉及物理特征；拟人化既关注人工智能的社会特征，也关注其物理特征。
尽管存在差异，二者之间仍有紧密联系。一方面，在内容上，人工智能人性化知觉与拟人化都涉及人工智能与人类社会特征的结合。另一方面，拟人化可能是人工智能人性化知觉形成的重要心理基础。当人工智能表现出自然语言交流、情绪表达、角色身份或社会回应等拟人化线索时，个体更可能将其知觉为具有较高的人性化水平。
（三）人工智能人性化知觉与心智知觉的关系辨析
人工智能心智知觉是指个体对人工智能是否具有心智及其具有何种心智能力进行主观判断的心理过程。心智知觉理论指出，人们通常从能动性和体验性两个维度判断对象是否具有心智。 能动性主要涉及思考、计划、自我控制、沟通、意图和道德判断等能力；体验性主要涉及感受痛苦、快乐、恐惧等情绪体验能力。
人工智能人性化知觉与人工智能心智知觉之间存在明显区别。一方面，二者的概念性质不同。人工智能人性化知觉更强调一种知觉结果，即个体知觉到人工智能具有的人性程度；而人工智能心智知觉更强调一种心理归因过程，即个体判断人工智能是否具有心智以及具有何种心智能力。另一方面，二者所关注的属性范围不同。人工智能心智知觉主要围绕能动性和体验性展开，关注人工智能是否能够思考、计划、行动以及是否能够感受和体验。相比之下，人工智能人性化知觉的内涵更为宽泛，不仅包括心智知觉所涉及的能动性和体验性，也包括个体对人工智能逻辑推理、语言理解、信息传递等能力的综合判断。换言之，当个体知觉到某一人工智能具有流畅的语言交互、清晰的信息传递和良好的社会回应能力时，可能会认为该人工智能具有较高的人性化程度，但这种知觉并不等同于认为人工智能真正具有主观体验和能动性。因此，人工智能人性化知觉是对人工智能抽象类人属性的综合评价，而人工智能心智知觉是对人工智能心智能力和心理状态的特定归因，二者相关但并不等同。
人工智能人性化知觉与心智知觉密切相关。一方面，当个体认为人工智能具备思考、决策等能力时，往往更容易知觉到其认知智能；当个体认为人工智能能够理解情绪、表达关怀时，也更容易知觉到其社会智能。另一方面，人工智能人性化知觉也可能反过来促进个体对人工智能的心智归因。具体而言，当用户认为人工智能能够理解信息、进行推理、制定计划时，其对人工智能能动性的心智归因可能得到增强；当用户认为人工智能能够理解情绪、表达关怀并做出社会回应时，其对人工智能体验性的心智归因也可能得到增强。由此可见，人工智能心智知觉可能为人性化知觉提供了重要的心理基础，而人工智能人性化知觉则可被视为心智归因在认知智能和社会智能层面的进一步扩展。
三、人工智能人性化知觉的测量问题
基于人工智能人性化知觉的概念界定，有必要进一步考察现有相关测量工具是否能够充分反映该概念的内涵。既有研究中与人工智能人性化知觉相关的测量主要采用问卷法。现有量表为未来人性化知觉量表的开发提供了重要基础，但直接用于测量人工智能人性化知觉仍存在一定局限。
首先，现有量表测得的人工智能人性化知觉的概念内涵不够全面，多数量表测得的概念仅反映了人工智能人性化知觉的某一方面。例如，有研究者将聊天式机器人的人性化知觉定义为用户在与人工智能互动过程中所体验到的其在多大程度上表现出类似人类的特征，主要关注聊天机器人的语音表达和语言理解能力。 因此，他们编制的量表测量内容主要反映了人工智能人性化知觉中的表达和理解等认知智能知觉，并未涉及情感表达、幽默感、礼貌性和道德性等社会智能知觉。另有研究者认为人工智能人性化知觉是指人们将机器人视为社会性、类人实体的认知过程。在此基础上，他们编制的量表反映了人工智能情感、自主意图和人格等社会智能知觉，而忽略了认知智能知觉。
其次，现有量表多采用单维度测量，结构区分不足。例如，有研究者将人工智能人性化知觉界定为聊天机器人在多大程度上表现出类似人类的特征，主要体现在它能否在交互过程中提供自然、得体且符合语境的语言回应，从而使用户产生类似人际交流的主观体验。基于这一定义，他们编制的量表仅包含单一维度，共4个条目，如“我感觉聊天机器人像人类”。 另外有研究者将聊天机器人的人性化知觉定义为个体在与聊天机器人互动过程中，对其是否具有人类特征所形成的主观判断。基于该定义，他们采用的量表同样为单维结构，共包含4个条目，如“该聊天机器人具有许多人类特质”。 总体来看，上述编制的量表均侧重于个体对人工智能整体人性化程度的评价，缺乏对认知智能知觉（如理解、推理能力）与社会智能知觉（如情感表达、礼貌互动和道德性）的区分评价，因而难以充分揭示人工智能人性化知觉的内部结构及其多维内涵。
再次，现有的量表较多基于特定人工智能工具开发，外部效度低。既有研究通常围绕某一类具有明确技术形态和使用场景的人工智能系统构建测量项目，例如，针对语音助手的量表往往关注其语音表达是否自然、语言理解是否准确、对用户指令的识别与回应是否流畅等方面；关于虚拟代理的研究关注用户是否感知其具有能动性、道德判断能力和情感反应能力等特征。不同类型人工智能系统在交互方式、语言理解和能动性等方面存在差异。因此，在某一类工具情境下形成的测量项目，未必能够有效迁移至其他人工智能系统。
最后，大部分量表并未严格遵循标准化量表编制程序，难以评估其信度和效度。例如，有研究者自行编制了4道题目测量对聊天机器人的人性化知觉，但未报告明确的信效度指标。 有研究虽然通过访谈、用户评审、专家评审、探索性因素分析和验证性因素分析开发了对话式人工智能人性化知觉量表，但编制过程仍存在不足。该研究在生成初始题目后，仅邀请15名语音助手用户评估题目的可读性和清晰性，并邀请3名信息系统领域专家评估内容效度。根据专家反馈，研究者删除了两个可能影响内容效度的题目。 然而，专家人数较少，且主要来自信息系统和用户体验领域，缺乏心理测量学、人机交互等多学科专家的共同评估。
综上，未来人工智能人性化知觉的问卷测量可遵循以下思路。首先，概念的界定与测量需全面且统一，须同时涵盖认知智能知觉（如语言理解、推理能力）和社会智能知觉（如情感表达、道德判断），从而确保量表内容能够充分反映人工智能人性化知觉的内涵。其次，可构建多维量表，并通过探索性因素分析和验证性因素分析检验其因子结构，以明确人工智能人性化知觉的维度构成。再次，应提升量表对不同类型人工智能的适用性，提高其外部效度。量表编制需超越特定人工智能工具（如单一聊天机器人、社交机器人），整合多种类型的人工智能交互场景进行题目开发与验证。最后，需严格遵循标准化量表编制程序，确保信效度证据充分，如报告内部一致性信度、重测信度和区分效度等，为量表的科学性提供坚实支撑。
四、人工智能人性化知觉的形成
人工智能人性化知觉的形成是个体在接触、理解、解释和评价人工智能的过程中，由多种心理机制与社会认知机制共同作用的结果。人工智能人性化知觉的直接—间接双路径整合模型（见图1），用以说明个体如何在不同信息来源和互动经验的共同作用下，逐步形成人工智能人性化知觉。具体而言，人工智能人性化知觉的形成包含三条相互关联的路径：间接路径、直接路径和整合路径。其中，间接路径强调个体在尚未直接接触人工智能时，会通过媒体报道、他人叙述等间接信息形成关于人工智能人性的“间接经验”知觉；直接路径强调个体在与人工智能的直接互动中，基于人工智能的任务表现、交互质量和社会线索形成“直接经验”知觉；整合路径则强调间接经验与直接经验相互影响、相互修正，最终共同塑造人工智能人性化知觉。
图1 人工智能人性化知觉的直接—间接双路径整合模型
（一）间接路径：基于间接社会信息的人性化知觉形成
间接路径是指个体在缺乏与人工智能直接互动经验的情况下，基于媒体报道、他人叙述、平台宣传和书籍文章等间接信息而形成人工智能人性化知觉的过程。间接路径强调个体即使尚未实际使用或接触某一人工智能系统，也可能已经通过社会信息形成对其能力、意图和情感的初步判断。
这一过程可理解为社会信息塑造机制。随着公众接触人工智能相关媒体报道等信息日益增多，个体也更容易获取关于人工智能在某些领域超越人类智能、协助人类解决问题以及分担认知与社会任务的信息。 个体在接触此类信息的过程中会形成其对人工智能人性水平的知觉。在这一过程中，由于人工智能技术本身具有较高的复杂性和抽象性，公众通常并非通过理解算法原理来认识人工智能，而是借助新闻报道、文化叙事和日常交流中的具体形象对其进行理解。例如，当人工智能被描述为“伙伴”或“陪伴者”时，个体更容易将其理解为具有情感回应、社会互动和关系联结能力的对象；当人工智能被描述为“工具”或“算法系统”时，个体则更可能突出其信息处理和任务执行功能。由此可见，媒体报道、新闻框架、他人使用经验和文化想象，不仅会在个体直接接触人工智能之前塑造其先验印象，也会为其后续理解和评价人工智能提供解释框架。因此，间接路径说明，人工智能人性化知觉并不完全依赖于个体与人工智能的直接接触，也会受到社会信息环境的塑造。
（二）直接路径：基于直接互动经验的人性化知觉形成
直接路径是指个体在与人工智能的实际互动过程中，基于人工智能呈现出的智能表现直接形成人性化知觉的过程。在这一过程中，人工智能的语言理解、信息生成、即时回应、情绪表达等表现，会成为个体感知其人性水平的重要依据。
在直接路径中，自动化反应机制可能是人工智能人性化知觉形成的重要基础。个体在与人工智能互动时，并不总是先对其技术属性进行有意识的分析和判断，而可能会依据互动过程中的回应性、自主性和社会性线索，自动调用既有的人际互动经验来理解人工智能。当人工智能能够进行对话、表达偏好、提供建议或表现出类似情绪回应时，个体更容易将其解释为具有意图、人格或情感特征的社会对象，并在互动中自发地采用适用于人际关系的社会规则，如礼貌、信任或角色期待。
在此基础上，个体的动机需求会进一步强化这种人性化加工。 一方面，当人工智能的行为具有复杂性或不确定性时，个体为了更好地理解、预测和控制其行为，可能倾向于将其解释为具有意图、思考和决策能力的行动者。另一方面，当个体存在较强的归属、陪伴或情感联结需求时，尤其是在社会资源相对不足的情境下，也更可能将人工智能视为能够进行社会互动的对象，并通过拟人化加工建立类社会关系。因此，效能动机可能通过满足人们理解和控制人工智能的需要，社会性动机则可能通过满足人们与人工智能建立情感联结和社会关系的需要，推动人工智能人性化知觉的形成。
进一步而言，心智归因可以被视为上述自动化社会反应和动机需求作用于人性化知觉的关键心理表征。个体在与人工智能互动时，不仅会感知其是否能够完成任务或做出回应，还会进一步推断其是否具有理解他人、形成意图和自主行动的能力。若个体将人工智能的学习、推理和问题解决能力解释为其具有能动性心智，便可能增强对其认知智能的知觉；若个体将人工智能的情绪回应、意图理解和社会性表达解释为其具有体验性心智，则可能增强对其社会智能的知觉。
由此可见，人工智能人性化知觉的形成，可能始于个体对人工智能的自动化社会反应，并在理解、控制或情感联结等需求的推动下不断增强，最终表现为个体将人工智能看作具有意图、能力或情感的社会对象。
（三）整合路径：直接经验与间接信息的动态作用
人工智能人性化知觉的形成不仅依赖间接路径与直接路径的单独作用，二者之间持续互动的动态过程同样至关重要。人工智能人性化知觉并不是个体在某一时刻形成的稳定判断，而是在间接信息提供的先有框架与直接互动经验带来的即时反馈之间不断调整的结果。换言之，个体如何理解人工智能，既受媒体报道、他人评价和社会叙事等间接信息的影响，也会随着实际互动中的回应质量、互动环境和情感表达而不断修正。
首先，间接信息会为个体理解人工智能提供初始框架。媒体报道、他人评价等信息，能够在个体尚未与人工智能实际互动之前，塑造其对人工智能人性化水平的初步认识，并由此形成相应的互动预期。如果后续互动体验与这种预期相一致，个体对人工智能的人性化知觉可能会进一步增强。更重要的是，间接信息不仅影响互动前的期待，还会影响个体在互动过程中对人工智能回应的解释方式。若间接信息强调人工智能具有情感支持、共情理解或社会陪伴功能，个体便更容易将其回应解读为理解、关怀或共情，从而赋予其较高的社会智能。相反，若间接信息主要突出人工智能的逻辑推理、信息处理或创造能力，个体则更可能从工具性角度理解其表现，并倾向于认为其具有较高的认知智能。此外，间接信息还会引导个体在互动中关注不同线索。例如，积极叙事可能使个体更容易注意到人工智能的准确回应和情感化表达，而风险叙事则可能使其更加关注错误、机械化回应或情感敏感性不足等问题。由此可见，间接路径并非只在与人工智能互动前发挥作用，而是会通过塑造互动预期、影响意义解释和引导线索关注，持续参与个体人性化知觉的形成过程。
其次，直接路径中的具体互动经验可能反向修正间接路径所形成的已有认识。间接信息通常为个体提供关于人工智能系统的先有预期。然而，这种判断会在实际互动中受到检验。当人工智能能够准确理解指令、识别用户需求，并给出具有情境适配性和连续性的回应时，直接经验会确认并强化原有的积极预期，进而提升个体对其认知智能和社会智能的知觉。相反，当人工智能表现出机械化回应、语境误解、答非所问或缺乏情绪适配性时，直接互动经验则可能构成对间接信息的负向修正，使个体降低对其理解、意图、共情或自主判断等心智属性的归因。因此，直接路径中的互动经验既可能确认并强化间接路径所形成的人性化知觉，也可能通过期望违背对既有认识进行修正。
最后，间接信息与直接经验的整合并非简单相加，而是一个循环更新的过程。间接信息首先塑造个体的初始预期，初始预期影响个体在互动中的注意线索和意义解释；互动经验随后对这些期待进行验证，并形成新的判断；新的判断又会影响个体之后接触、选择和理解间接信息的方式。随着互动次数的增加，个体对人工智能的认识会在“预期—互动—反馈—修正”的循环中逐渐稳定，也可能在关键的正向或负向体验后发生明显转变。尤其是当间接叙事与实际体验不一致时，个体的人性化知觉更容易出现调整：若实际体验优于先前预期，人工智能可能被赋予更高的智能性和社会性；若实际体验低于先前预期，个体则可能降低对其人性化特征的评价。
综上，直接—间接双路径整合模型强调，人工智能人性化知觉并非由单一路径所决定，而是在社会信息、互动经验与个体心理加工之间动态生成的知觉结果。间接线索为个体理解人工智能提供初始解释框架，直接互动则通过具体的技术表现和关系体验不断验证、调整这一框架。二者相互作用，使个体逐步形成对人工智能的人性化知觉。
五、人工智能人性化知觉研究的不足与未来展望
尽管人工智能人性化知觉研究已取得一定进展，但在概念界定、测量工具、影响因素及作用后果等方面仍有深化的空间。未来研究应结合人工智能技术的发展，进一步检验人工智能人性化知觉概念的适用性与边界，明确其维度结构和操作化指标，并开发具有良好信度和效度的测量工具。
（一）深化人工智能人性化知觉的概念验证与测量开发
人工智能人性化知觉包括认知智能知觉和社会智能知觉两个维度，分别反映个体基于人工智能的认知能力和社会性特征对其人性的知觉。二者虽相互关联，但并不完全等同，共同构成人工智能人性化知觉的内部结构。未来研究有必要在此基础上开展系统的实证检验，以验证人工智能人性化知觉这一概念的合理性与适用性。
首先，可采用深度访谈、开放式问卷或扎根理论等质性方法，考察用户对人工智能人性化特征的理解，检验认知智能知觉和社会智能知觉能否充分概括用户对人工智能人性化知觉的真实认知。其次，可基于大样本问卷调查，运用探索性因子分析和验证性因子分析方法，检验人工智能人性化知觉是否包含认知智能知觉与社会智能知觉两个维度，并比较单维模型、双维模型和高阶因子模型的拟合效果。最后，可结合真实人机互动情境，基于对话文本、响应时长和任务表现等数据，考察认知智能知觉与社会智能知觉在实际互动中的适用性。
（二）基于人—机—环境视角的人工智能人性化知觉影响机制研究
尽管现有研究已对人工智能人性化知觉的影响因素进行了一定探讨，但仍存在若干局限。一方面，既有研究多关注人工智能自身特征对人性化知觉的作用，尤其是外观、动作和语言等外在线索，而较少考察个体因素、环境因素及其交互作用。另一方面，已有研究虽然发现了一些人工智能人性化知觉的相关影响因素，但对其内在作用机制的解释仍不充分。例如，相较于缺乏经验的个体，具有使用经验的用户更倾向于认为人工智能能够理解并回应其需求，从而形成更高水平的人性化知觉。 然而，需求满足是否在人工智能使用经验与人性化知觉之间发挥中介作用，仍需更深入的实证检验。
未来研究可从影响因素和作用机制两个方面深化。在影响因素层面，应将人工智能特征、个体因素和环境因素纳入同一研究框架，系统考察三者对人工智能人性化知觉的作用。例如，可通过操纵人工智能的外观拟人化程度、语言风格或情感回应方式，并结合用户使用经验、技术信任和任务类型等因素，检验其对认知智能知觉和社会智能知觉的影响。在作用机制层面，应更具体地揭示人工智能人性化知觉形成的心理过程，重点考察需求满足、心智归因和社会临场感等因素的中介或调节作用，从而更清晰地解释人工智能人性化知觉的形成机制。
（三）拓展人工智能人性化知觉的心理与行为后果研究
尽管已有研究开始关注人工智能人性化知觉的后续影响，但总体仍处于起步阶段，相关结论较为分散。现有研究多聚焦信任、使用意愿和满意度等结果变量，对社会归属感、亲社会行为等深层心理与行为后果关注不足；同时，多数研究主要检验变量间的相关关系，较少揭示其中的心理机制。例如，人工智能人性化知觉可能通过情感联结或意图归因提升用户信任，但这一作用机制仍需验证。此外，既有研究多基于短时人机互动情境，较少考察长期使用过程中人性化知觉及其后续影响的动态变化，从而限制了研究结论的生态效度。
未来研究可从结果变量、作用机制和研究方法三个方面深化。首先，应拓展结果变量范围，不仅关注信任、使用意愿和满意度等态度结果，还应考察人工智能人性化知觉对社会认知、情绪体验和行为决策的影响，如意图判断、孤独感缓解、情感依赖和合作行为等。其次，应进一步揭示其内在作用机制，考察社会临场感、情感依赖和需求满足等因素的中介作用，以及拟人化倾向、任务类型和互动情境等因素的调节作用。最后，未来研究可采用多方法、多指标设计，从主观体验、实际行为和生理反应等层面综合检验人工智能人性化知觉的影响，以提高研究结论的可靠性和生态效度。
