AI心理健康工具中安慰剂效应的强度有多大？
人工智能互动中的安慰剂效应出奇地强大且顽固。在2024年的一项研究中，参与者执行字母辨别任务时，被告知有人工智能正在调整界面以帮助他们或阻碍他们——但实际上，根本不存在任何人工智能。结果：无论人工智能被描述为有益还是有害，参与者的表现都描述性地更好，甚至在负面描述后，他们的期望依然保持高涨[2]。这表明，一旦人们相信有人工智能参与其中，他们的表现预期就会向上偏移，并且难以纠正——也就是说，仅仅贴上“人工智能”的标签，就能通过期望本身提升结果。
用户对AI伴侣的期望是否过高？
是的，用户对真人医生的期望始终高于聊天机器人，但这种差距反而为人工智能创造了意想不到的机遇。在2024年一项涉及364名参与者的实验中，研究人员发现，人们在心理健康沟通的几乎所有方面都对真人医生抱有更高期待，但在与真人医生互动时，这些期待反而更容易落空[3]。相比之下，采用情感温暖（情感化）方式的聊天机器人，不仅达到了用户较低的预期，甚至有所超越，这使得参与者更愿意转向聊天机器人寻求心理健康支持[3]。这意味着，尽管人工智能伴侣在绝对表现上可能不及真人医生，但它们能够超越用户的预期——而这种预期落差的逆转，正是驱动用户满意度和行为改变的关键因素。
AI心理健康工具是否会因期望而带来伤害？
是的，产生安慰剂效应的相同预期机制，也可能引发反安慰剂效应——即由负面预期导致的消极结果。一篇2025年的观点论文指出，在心理健康领域，生成式人工智能可能通过语气、准确性上的细微暗示，或自动化回复中人文细节的缺失，同时放大安慰剂与反安慰剂效应[1]。例如，若AI伴侣的措辞略显生硬或缺乏人情味，可能无意中加剧用户的焦虑或不信任感，从而削弱其治疗效果。该论文强调，这类效应在心理健康领域尤为显著，因为治疗结果与患者对服务提供者能力及共情力的感知紧密相关[1]。这意味着，同样的预期偏差既可能让AI显得更有效，也可能因用户预期与AI实际表现不匹配，使其显得效果不佳甚至有害。
关于这些来源
该回答基于3篇经同行评审的研究——发表于2024年至2025年，其中3篇为2024年或之后发表——这些研究是从3篇通过质量筛选的文献中选出的最具相关性的成果，而这三篇文献又源自一个包含超过5亿篇论文的数据库中所检索到的54篇论文。
本文引用的文献
安慰剂、反安慰剂与机器学习：生成式AI如何塑造心理健康护理中的患者感知。
这篇2025年的观点文章指出，生成式人工智能在临床沟通中可能通过语气、保证和响应速度，放大心理健康护理中的安慰剂效应和反安慰剂效应，并呼吁随着这些技术的发展，应加强透明度与伦理监管。
“AI提升了我们的表现，我毫不怀疑这一款也能做到同样的事”：安慰剂效应对AI的负面描述具有抵抗力。
在一项2024年进行的字母辨别任务实验中，当参与者相信有AI存在时（尽管实际上并没有），他们的表现更佳；即便AI被描述为负面的，这种安慰剂效应依然存在。这表明，人们对AI的表现预期存在偏差，且不易受负面口头描述的影响。
AI驱动的心理健康沟通：探究情感期望对健康行为意图的影响。
在一项2024年针对364名参与者的在线实验中，人们对人类医生的期望高于聊天机器人，但采用情感化（温暖）方式的聊天机器人比语气中立的人类医生更有可能满足期望，并提升用户转向使用该聊天机器人获取心理健康支持的意愿。