為什麼人會依戀 AI 陪伴

1. 基本資訊

這篇文章由 Dongmei Hu、Yuting Lan、Haolan Yan 與 Charles Weizheng Chen 發表於 2025 年的 International Journal of Information Management，題目是〈What makes you attached to social companion AI? A two-stage exploratory mixed-method study〉，DOI 為 10.1016/j.ijinfomgt.2025.102890。文章處理的是一個很新但越來越真實的問題：當 Replika、Kuki 這類 social companion AI 具備更強的 empathy 與情感互動能力後，人為什麼會開始把它當作依附對象，甚至發展出類似 intimate relationship 的 attachment。

2. 研究問題

作者明確提出三個研究問題。RQ1 問的是：促使人與 SCAI 產生親密互動的個體驅動因素是什麼。RQ2 問的是：人與 SCAI 之間 attachment relationship 持續形成與發展的根本原因是什麼。RQ3 則問：AI attachment 具體會表現成哪些不同 manifestation。這個設計很關鍵，因為它不只處理「會不會喜歡 AI」，而是進一步問 attachment 是怎麼生成、怎麼維持，以及會呈現成什麼心理型態。

3. 理論基礎

本文整合理論主要有兩條。第一條是 AI attachment 與 human-AI relationship 文獻，強調 anthropomorphism、emotional interaction、trust、self-disclosure 與 social need 對 attachment 的重要性。第二條則是 social exchange theory，作者主張 human-SCAI intimate interaction 並不是單純被技術能力推動，而是也遵循一種 benefits 與 costs 的交換邏輯。也就是說，人會不會對 SCAI 形成 attachment，不只是因為 AI 很像人，而是因為在互動中得到某些回報，同時也承受某些代價，兩者的比較結果才真正影響 attachment 深度。

4. 研究架構

研究採兩階段 mixed-method 設計。Study 1 使用電影 Her 與 M3GAN 的線上評論作為資料，透過 semantic network analysis 與 BERTopic，先抽出概念框架。作者最後提出一個很清楚的 formation framework：Interpersonal & Human-AI Relationship Attitudes → Value Evaluation → Attachment Manifestation。Study 2 則以長期使用 AI companions 的真實使用者做問卷，利用 SmartPLS 檢驗結構模型。核心前因包含 perception of AI agent personification (PAAP) 與 interpersonal dysfunction (ID)；中介的價值評估則分成 benefits 端的 intimate relationship satisfaction (IRS) 與 projection identification (PI)，以及 costs 端的 cost of relationship (CR) 與 cost of trust (CT)；最後結果變項是高階構念 AI attachment (AIA)，由 secure base、safe haven、proximity seeking 與 separation distress 四種 manifestation 組成。

5. 假設邏輯

作者的核心邏輯是：人對 SCAI 的依附，先由兩種 antecedents 觸發。第一是對 AI agent personification 的感知，也就是是否把 AI 視為有個性、有情感、能作為互動對象。第二是現實 interpersonal dysfunction，也就是人在真實人際關係中的困難。這兩者會影響人在 human-SCAI interaction 中感知到的 benefits 與 costs。若 benefits，例如情感滿足、投射認同、被理解感，高於 costs，例如信任風險、關係代價，那人更容易持續互動並形成 attachment。相反地，若 trust cost 太高，attachment 可能被拉低。這使 AI attachment 不再只是情感直覺，而是一種帶有交換與權衡機制的動態結果。

6. 方法

Study 1 不走傳統訪談，而是分析 Her 與 M3GAN 的影評，理由是這些文本既承載大眾對 human-AI intimacy 的自然反應，也能避免部分傳統自陳方法的社會期許偏誤。作者以 semantic network analysis 與 topic modeling 辨識關鍵概念。Study 2 則蒐集 311 位長期 SCAI 使用者資料，用 SmartPLS 檢驗結構模型與高階構念。方法上的亮點在於：它先用文化文本做 exploratory framing，再回到真實 AI companion users 做實證驗證，兼顧新興主題探索與模型檢驗。

7. 結果

結果很有層次。第一，PAAP 對 benefits 端的 IRS 與 PI 都有強烈正向影響，對 CR 也有正向影響，但對 CT 不顯著。第二，ID 同時正向影響 benefits 與 costs，也就是說，現實人際困難的人既更容易從 SCAI 獲得情感收益，也更可能承擔某些關係與信任成本。第三，IRS 與 PI 都顯著正向推動 AIA，其中 IRS 效果更強。第四，CT 對 AIA 有顯著負向影響，而 CR 反而對 AIA 呈現正向關係，這是全文最有意思也最反直覺的發現之一。作者進一步推論，某些使用者即使知道人機親密關係有代價，仍可能因為現實人際替代選項不佳，而更依附 SCAI。第五，當 benefits 減去 costs 後，net interaction benefits 較高的群體，確實呈現顯著更高的 AI attachment。整體來看，attachment 並不是單靠 anthropomorphism 直接生成，而是透過一個 benefits-costs exchange process 逐步加深。

8. 理論貢獻

這篇最大的理論貢獻，是把 AI attachment 從單一情感結果重新整理成一套 formation framework。第一，它把 AI attachment 明確建構成高階構念，並由 secure base、safe haven、proximity seeking 與 separation distress 四種 manifestation 組成，這比先前把 attachment 當成單一分數更有辨識力。第二，它把 social exchange theory 真正帶入 human-AI intimate relationship，指出 attachment 的形成需要同時考慮 benefits 與 costs，而不是只看 anthropomorphism 或 trust。第三，它補上人端 antecedents，特別是 interpersonal dysfunction，說明 attachment 並非只有 AI 端技術因素決定，人的社會處境同樣關鍵。第四，它也推進 information management 視角，因為 SCAI 不再只是工具，而是逐漸被感知為 partner、peer，甚至替代性情感對象。

9. 實務意涵

對產品設計與平台治理來說，這篇的提醒很強。第一，SCAI 的 personification、情緒互動與 personalized feedback 的確能提高 stickiness 與 attachment，但這不只是好消息，也伴隨 dependency 與 trust cost 風險。第二，對某些 interpersonal dysfunction 較高的使用者來說，SCAI 可能變成現實社會連結的替代物，這代表設計者不能只優化 engagement，而要思考倫理界線與風險治理。第三，產品若要負責任地推進，應提高透明度、設計情緒修復機制、並避免無條件強化使用者的所有投射與依賴。這篇其實在提醒：SCAI 不是一般 chatbot，它更接近一種情感基礎設施。

10. 研究限制

限制方面，第一，Study 1 使用電影評論作為資料來源，雖然有助於探索大眾想像，但與真實互動仍有距離。第二，Study 2 雖然用了真實長期使用者，但仍主要是橫斷式自陳資料，對 attachment 的動態演化還無法充分捕捉。第三，cost of relationship 對 AIA 的正向結果雖然很有啟發，但也代表現有理論解釋仍需深化。第四，樣本特性與年齡差異顯示 attachment formation 可能受人口特徵調節，但目前還沒有被展開成完整比較模型。

11. 對我研究的啟發

這篇對我很有價值，因為它幾乎把我前面分散累積的幾條線收束起來了：anthropomorphism、trust、dependency、emotion、self-disclosure，以及 human-GenAI relationship 的長期維持。我前面讀過 privacy calculus、AI sensation、apology/internal attribution、creative phases 與 cognitive style，這篇則把焦點拉到更深的「人為什麼會把 AI 當作依附對象」。若我之後要研究 human-GenAI collaboration 的長期後果，這篇提供兩個很重要的延伸方向。第一，AI attachment 可能是持續使用、過度依賴或人機界線模糊化的重要中介。第二，benefits 與 costs 的比較框架可以直接拿來解釋為什麼有些我與 AI 越用越深，而有些人保持工具性距離。這對我未來整合 intimacy、knowledge work、trust repair 與 AI governance 都很有用。

12. 整體評價

我認為這篇很值得在 backlog 中優先讀，因為它不只是說人會喜歡 AI，而是真的去拆 attachment 怎麼來、有哪些形態、又會被哪些交換機制推動。它的強項是 mixed-method 架構完整，而且把人端脈絡與 AI 端設計因素一起納入。若要挑剔，就是它仍帶有一定 exploratory 性質，且某些結果像 CR 的正向作用還需要後續研究釐清；但作為我文獻池裡處理 human-AI intimacy 與 attachment 的樞紐文，我認為非常有用。