幼儿如何用 ToyTalk 设计与测试 AI 玩具？

ToyTalk 追问谁来决定 AI 玩具的样子

多数 AI 玩具出厂时就带有预设的身份、性格和互动方式。这项研究从另一个前提出发：不是让儿童面对一个为他们设计好的角色，而是由儿童决定自己熟悉的玩具在生成式 AI 加持下变成什么。研究问题是：当儿童拥有这种设计权时，会打开怎样的设计空间，他们又如何理解和协商由此涌现的行为。

ToyTalk 被描述为一个技术探针，而不是成品。技术探针是在设计空间早期引入的简单、灵活的技术，用来在真实情境中理解用户与实践、探索新兴的可能性与局限，并启发未来设计。这里的探针让一种可能性变得具体：儿童可以定义玩具应该是什么样，体验这些选择如何通过生成式对话被实现，并据此重新审视自己的设计。

设计基于三个明确目标。第一，把 AI 设计锚定在儿童已有的游戏世界中，从熟悉的实体玩具而非抽象聊天机器人出发。第二，降低有意义 AI 设计的门槛，把 LLM 设置转化为儿童能就玩具本身做出的决定，无需编程或提示工程经验。第三，支持开放式探索与迭代改进，因为配置无法完全决定一个 LLM 角色的行为。

儿童通过引导式无代码选项配置玩具

儿童先上传自己带来的实体玩具照片，给它起名，并可选地写一段简短描述。玩具图片在后续互动中始终可见，把对话角色与它来源的实体物件在视觉上联系起来。整个过程不是从预设的对话角色开始，而是围绕一个可能已对儿童承载意义和期待的物件展开。

随后，引导式无代码配置流程把 LLM 设置转化为面向儿童的问题，例如“你的玩具的工作或特殊用途是什么？”通过开放式回答，儿童指定玩具的角色与能力、性格以及行为边界，这些内容被纳入指导后续回复的角色设定。他们还可以添加玩具可调用的知识来源，并自定义声音类型、音量、语速和音调。

配置完成后，儿童通过文字或语音与玩具展开开放式对话，生成的回复用配置好的声音朗读出来。每一轮回复都基于玩具当前的角色设定和对话上下文生成，界面并不规定儿童该问什么。设置可以随时重新打开，保存的配置会作为版本保留，因此儿童可以按自己的意愿在对话、修改和重测之间来回切换。

五所学校 76 名儿童，配有版本化日志

ToyTalk 在课堂课程中部署于美国东南部五所小学，共 76 名 7-9 岁儿童。第一周，儿童探索下一个词预测，然后配置并迭代测试自己的玩具。第二周，他们以《好饿的毛毛虫》为共同参照来探查回复、调查 AI 错误并修改配置。教师在研究团队支持下主导活动，各校的进度和完成情况有所不同。

研究收集了两类数据：儿童的玩具档案工作表和系统生成的 ToyTalk 日志。工作表记录儿童最初的玩具设计，并作为其数字档案的三角验证来源。对话日志包含 5,405 条儿童与 AI 消息，每条记录包括消息内容、对话顺序、时间戳以及对应的玩具配置。配置日志保留了每个玩具的角色或性格描述、用途、语气、行为规则以及对话和声音设置的历次版本，并带有时间戳。

正是这些版本化记录让作者能够追踪设计随时间的变化，并将其与前后互动关联起来。对儿童测试行为的分析基于 68 名儿童的 2,539 条消息，这一基数小于完整日志，因此关于探查的百分比描述的是该子集，而非全部 76 名参与者。

毛绒动物最多，帮助类角色主导设计

在 71 个有初始玩具选择的案例中，毛绒动物最常见，为 33/71（46.5%），包括毛绒熊、恐龙模型和龙形玩具。儿童带来 11 件交通工具（15.5%）和 10 个媒体角色（14.1%）。物件、感官玩具或类似日常物品的玩具有 9 例（12.7%），包括网球、吉他等乐器类物件、饺子等食物造型玩具以及棋盘棋子。玩偶或类人玩具为 8 例（11.3%）。

熟悉的玩具身份锚定了想象出的 AI 角色，但并未限制它。帮助与照料是最常见的设想角色，为 29/71（40.8%），涵盖清洁、捡东西等实际帮助，作业、阅读等教育支持，以及照料或保护。社会与情感陪伴紧随其后，为 16/71（22.5%），游戏、娱乐与冒险同样为 16/71（22.5%）。较小的一组，8/71（11.3%），想象了奇幻或扩展的能力，例如会飞的网球，或一个“什么都能做”的玩具。2 例（2.8%）被编码为其他或无法归类。

作者指出，一些设计延续了已有的游戏脚本，例如会玩、会哭、很可爱的娃娃；另一些通过新的社会回应性扩展了熟悉的功能，例如在有人难过时会弹奏音乐的吉他；还有一些则大幅改变了玩具能做的事。论文的解释是：熟悉的身份提供了起点，但没有完全限制儿童想象出的能力形态。

温暖性格与人际规则在各玩具类型中反复出现

除了玩具该做什么，儿童还描述了玩具应该是什么样。关系温暖与积极情感是最普遍的性格取向，为 48/71（67.6%），包括善良、友好、关心、快乐和可爱。好玩与幽默紧随其后，为 29/71（40.8%），用词包括搞笑、傻气、爱玩。较小的群体把玩具描述为大胆而有行动力（17/71，23.9%）、平静温和（16/71，22.5%）或内敛谨慎（11/71，15.5%）。这些类别为多标签，因此百分比之和不为 100%。

多数设计结合了多种取向：51/71（71.8%）包含跨越一个以上性格类别的描述词，常把温暖与更鲜明的互动风格搭配，例如善良又搞笑、善良又勇敢、友好又害羞。作者把温暖解读为一种相对常见的社会基线，而好玩、勇敢、平静或害羞等特质区分了各个玩具。值得注意的是，儿童很少突出聪明、知识、效率或技术能力，而是描述玩具作为社会角色会是什么样。

儿童还规定了玩具应该如何以及不应该如何对待他人，这些边界主要以人际和道德语言表述。礼貌与尊重行为是最常见的期待，为 41/71（57.7%）：玩具不应说脏话、刻薄、欺负他人或有粗鲁行为。不造成伤害紧随其后，为 27/71（38.0%），儿童规定玩具不应身体伤害他人或造成情绪痛苦。一些儿童提出了更具体情境的期待，例如不作弊、说真话、在课堂上举止得体，或避免吓人或危险行为。与因玩具身份而异的能力不同，这些人际期待在各玩具类型间相对一致。

身份与知识占据了儿童大部分探查

在 68 名儿童的 2,539 条消息中，1,541 条（61.0%）被编码为探查。这些探查围绕五个目标聚集：身份与角色、知识与准确性、能力与边界、记忆与持续性，以及关系与情感行为。前三个占全部探查的 86.9%，作者将其概括为儿童对自己配置的玩具提出的三个突出问题：你是谁？你知道什么？你能做什么？

身份与角色是最常见的单一目标，包含 511 条消息（33.2%），来自 61/68 名儿童（89.7%）。儿童提出直接的身份标记问题，如“你叫什么名字？”或“你多大了？”，考察玩具声称的角色，探查偏好和口味，如最喜欢的食物或舞蹈，有时还把角色延伸到互动之外的想象生活，询问家人、朋友以及玩具来自哪里。知识与准确性涵盖 496 条消息（32.2%），来自 60/68 名儿童（88.2%），涉及一般或世界知识、故事与内容知识、数学或数字知识以及答案准确性。

每条探查被分配一个主要测试目标，儿童可以为多个目标贡献探查，因此儿童百分比之和不为 100%。作者的解释是：儿童既把 AI 玩具当作计算系统来评估，也把它当作一个被期待维持可识别身份和社会存在的角色，检验生成行为是否与他们设计的角色保持一致。

儿童先赋予属性，再测试其能否保持

配置面板并不是儿童定义玩具样子的唯一场所。在对话中，27/68 名儿童在探查里使用陈述式赋值，产生了 103 轮对话，在其中确立名字、年龄、偏好、关系或其他可能随后成为期待的属性。一名儿童为双方确立了名字，“我叫 Isabella，你叫 Mia”，玩具接受了；当这名儿童第二天回来问“你叫什么名字”时，回答让名字的跨会话持续性变得可观察。另一名儿童指定了最喜欢的颜色，转到其他话题，之后又问玩具最喜欢的颜色，中间隔着的对话轮次使这个问题不只是即时重复。

对话中的赋值也可以累积，一名儿童随着时间逐步为玩具构建出更完整的身份。作者把这些做法称为轻量级对话实验：不是正式的假设检验，而是互动策略，儿童借此让系统的某些方面变得可观察，改变或重复输入，并检查随后发生什么。

当出现不匹配时，儿童通常通过纠正、坚持和重测来回应，很少有人回到系统重新配置。作者将其与互动承诺联系起来：通过设计或互动确立的属性，儿童期待 AI 继续遵守。履行这些承诺部分取决于身份持续性，论文将其与记忆区分开来。记住玩具的名字是 Mia 是记忆功能；继续以 Mia 的身份行事，带着既定的角色、偏好和历史，则关乎更广泛的角色连续性。

设计权会产生生成系统未必兑现的期待

论文的核心解释是：儿童的设计选择塑造了他们随后探查和评估玩具的方式，而当既定属性后来被违背时，儿童常常试图恢复他们期待的玩具。作者把关于定制和“自我即来源”的既有论述延伸到儿童与 AI 的互动中：当儿童参与定义 AI 角色时，他们的设计权也产生了对该角色后续行为的期待。由于角色指令、对话上下文和记忆的持久性或可见性可能并不相同，论文主张面向儿童的生成式 AI 应让儿童设计选择的状态更清晰可读，区分稳定的角色属性与临时上下文和模型即兴发挥，标明纠正何时被保存，并给儿童可及的方式来查看、修改或共同构建玩具所记住的内容。

作者还拓宽了这里所说的 AI 素养。儿童的探查超越了事实核查，延伸到身份、能力、记忆和关系问题，他们最初的设计也突出了关系与道德关切。论文用行为一致性来描述这一更广泛的评估对象：AI 是否在其知识、身份、能力、记忆和社会行为上保持可理解。它提出 AI 素养活动可以从关系走向机制再走向后果，让儿童的想法如“我的玩具知道我在难过”成为入口，去思考玩具如何知道、需要什么数据、推断何时可能出错，以及谁应有权访问。

三项限制约束了这些主张。互动相对短期，且发生在结构化工作坊中，因此研究无法捕捉期待和关系在更长期使用中可能如何发展。分析主要依赖配置数据和对话痕迹，它们显示儿童设计、测试和修复了什么，但不显示他们的解释或不断演变的心理模型。ToyTalk 有意设计为基于网站的技术探针，而非完全具身的 AI 玩具，因此无法捕捉具身、触摸、移动、空间互动和物理可供性可能如何以不同方式塑造儿童的期待。

这篇论文中最具决策相关性的区分，是在对话中纠正玩具与回到系统重新配置玩具。儿童绝大多数做的是前者，很少做后者，尽管 ToyTalk 让设计保持可编辑和版本化。对任何构建面向儿童的生成式角色的人来说，这一差距就是重点：设计问题不只是儿童能否指定一个角色，而是系统是否清楚表明他们的指定在哪里生效、能持续多久，以及当角色偏离他们赋予的内容时儿童该怎么做。

本文引用的文献