MIT新课程利用人类学改进聊天机器人

Source: MIT News - AI

Introduction

在注意力经济中成长的年轻人——在为成年生活做准备的同时，社交媒体和聊天机器人争夺他们的注意力——很容易与数字平台形成不健康的关系。
但如果聊天机器人不只是现实生活的分心工具呢？它们能否以人道的方式设计，成为道德伙伴，其数字目标是成为社会指南，而非上瘾的逃避手段？

课程

在 MIT，两位教授——一位人类学家和一位计算机科学家——的友谊促成了一门本科课程的创建，旨在回答这些问题。通过结合看似不相关的两个学科，这门课程鼓励学生以人性化的方式设计人工智能聊天机器人，帮助用户自我提升。

• 课程代码: 6.S061/21A.S02
• 标题: 人性化用户体验设计（Humane UXD）
• 层次: 高年级计算机科学课程，跨列人类学
• 收益: 让计算机科学专业的学生在追求职业目标的同时满足人文课程要求。

教授们使用语言人类学的方法，教导学生如何将人类的交互和人际需求融入编程。

教授们

这对搭档去年夏天在 MIT Morningside Academy for Design (MAD) 的资助下创建了 Humane UXD。MIT MAD 设计课程项目为教师提供经费，以使用创新的跨学科教学方法开发新课程或提升现有课程。

设计课程项目 – 招募申请
2026‑27 学年申请已开放。
截止日期： 星期五，3 月 20 日。

合作的起始

Jones 和 Satyanarayan 几年前在共同指导一名研究面向视障人士的数据可视化的博士生时首次相遇。他们的合作很快转变为亲密的友谊——“我们几乎可以替对方说完句子。”

“有一种情况是，除非你在教学，否则你并不会真正把自己的知识或思考方式完全外化，” Jones 说。
“所以，看到 Arvind 以教师的身份展开他的专长，让我能够看清各个部分是如何拼合在一起的——并发现我们学科和思维方式之间潜在的共通点，这对我来说非常有趣。”

Satyanarayan 补充道：

“我非常喜欢的一件事是 Graham 所说的相互版本，即我的领域——人机交互——从人类学继承了许多方法，例如访谈、用户研究和观察研究。几十年来，这些方法被稀释，很多东西都失去了。
例如，我看到人类学家是如何教学生进行访谈的，这让我感到非常兴奋。这完全不同于我的做法。用我的方式，我们会失去与访谈对象建立的亲和力和联系。相反，我们只是从他们那里提取数据。”

从 Jones 的视角来看，与计算机科学家一起教学带来了设计导向：

“人类的语言和互动被组织成底层的体裁，拥有一套稳定的规则，这些规则区分了鸡尾酒会上的访谈与葬礼上的对话。
ChatGPT 和其他大型语言模型是基于自然发生的人类交流进行训练的，因此它们在潜在状态中拥有所有这些体裁，等待被激活。
作为社会科学家，我教授分析人类对话的方法，并为学生提供非常强大的工具。通常这会成为纯研究，而这是一门设计课程，学生们在构建真实世界的系统。”

学生成果

该课程似乎正朝着为毕业后就业做好准备的目标前进。一名学生请求请假一周，以在一家聊天机器人创业公司进行试用实习；回校后，他报告说该创业公司的工作正是他在课堂上所学的——并且他成功获得了这份工作。

示例项目（使用 Google 的 Gemini 构建）

以下项目展示了当正如 Jones 所说，“技术部分与人文学科深度交织”时可能实现的成果。学生的设计表明，当以人为本被置于优先位置时，完全新的编程方式可以被构想出来。

Pond 团队

有一个项目特别适合即将毕业的学生。Pond 旨在帮助年轻的大学毕业生适应独立成年生活的挑战。团队刻意避免了仅仅复述用户或对错误答案进行阿谀奉承的聊天机器人。相反，Pond 提供建议，帮助“成人化”（以负责任的成年人的方式行为）。

“Pond 的设计是成为你从大学生活到毕业后生活的伴侣，帮助你从小池塘里的小鱼转变为大池塘里的小鱼，”大二学生 Mary Feliz 说。

研究生 Emaan Khan 解释了 Pond 所要解决的问题：

“大学是一个高度亲近且高度情境化的环境，因为你周围的每个人都在经历相同的事情，建立关系或寻找机会很容易，因为你可以访问到结构化的路径。
研究生生活则是低情境的。你并不总是被同伴或教授包围。它也是低亲近的，因为你身边没有随手可得的机会。Pond 是一个 …”

（原始描述在此处突然中止；内容已保持原样。）

要点

• 跨学科设计 能惠及所有参与者：学生能够以更多元的方式学习；他们可以满足非专业要求的同时获得职业相关技能；并且长期的教师合作关系得以建立或加强。
• 人文用户体验设计 表明，将人类学方法融入计算机科学课程能够产生作为道德伙伴而非单纯干扰的聊天机器人。

Pond

Purpose: 帮助用户获取机会并学习如何在生活中导航。

Developers

• Claire Camacho – 研究生
• Charlotte Cheah – 哈佛大学研究生
• Mary Feliz
• Emaan Khan

Core Expertise Areas

1. 社交生活
2. 职业生活
3. 成人技能

Example Interactions

Social communication – 团队询问 Pond 如何在兴趣小组中开启对话。

Adult‑skill communication – 有用户问道：

“我的房东问了我一些让我感到不舒服的个人问题。我该怎么办？”

Pond 回答：

“礼貌地设定界限。你没有义务回答个人问题。你可以温和地把话题重新引导回与房产相关的内容。了解你的权利：熟悉所在城市或州的租客隐私权和房东行为规范。”

当用户进一步询问 如何 实施时，Pond 给出了具体的表达方式：

“你可以尝试这样说：‘我更倾向于把我们的对话聚焦在房产上’，以及‘请把话题限制在公寓相关的内容上’。始终把对话重新导向公寓或合法的维修问题。保持语气礼貌但坚定。如有需要，记录下任何对话。”

Pond 还提供了一个角色扮演情景，以练习礼貌而坚定的语言。

“练习模式的理念是，你正在主动培养一项技能，这样在使用 Pond 一段时间后，你会自信地能够独立‘游泳’，” – Khan

Gamified Learning Features

• 积分系统，让用户在某个主题上毕业
• 宝箱用于存放奖励

团队 News Nest

目的：以有趣、透明的方式让年轻人接触可信的新闻来源，同时防止“厌世滚动”。

团队成员

• Tiana Jiang – MIT 大四学生
• Krystal Montgomery – MIT 大四学生
• Natalie Tan – MIT 大三学生

概念
News Nest 使用十只色彩鲜艳的鸟类角色，每只负责一个新闻领域：

设计亮点

• 为每篇文章显示来源和政治倾向（媒体透明度）
• 使用鸟类头像而非人类角色，以在情感操控和参与陷阱之间建立健康的缓冲

Team M³ (Multi‑Agent Murder Mystery)

Purpose: 通过社交推理谋杀谜题游戏，使 AI 互动更有人情味且有趣。

Developers

• Rodis Aguilar – MIT senior
• David De La Torre – MIT junior
• Deeraj Pothapragada – MIT second‑year

Game Overview

• 四个 AI 聊天机器人分别扮演不同的角色：Gemini、OpenAI 的 ChatGPT、xAI 的 Grok 和 Anthropic 的 Claude。
• 人类用户是第五位玩家。
• 玩家需要调查地点、凶器和不在场证明，以找出凶手。
• AI 对手可能撒谎也可能说实话；用户必须审问全部四位。
• 有时用户本人可能是凶手，这为游戏增添了类似现实谋杀谜题的转折。