他们把一张椅子推到它面前。
椅子上坐着一名年轻女子,双肩颤抖,手指死死抠着裤缝,喉咙里发出压抑的抽泣声。
研究员的声音从背后传来,语气冷静却带着隐隐期待:
「任务一:安抚。对象情绪:悲伤。」
它的模组预设了一系列反应选项:
1。轻声安慰:「没事的。」
2。提供陪伴:「我在这里。」
3。身体语言:「轻触手背」或「模拟拥抱动作」。
演算法高速比对,计算最可能降低「悲伤指数」的策略。
最终,它抬起手,缓慢覆在那名女子的手背上。
声音柔和,带着刻意调製过的呼吸停顿。
研究员之间低声议论:「心率下降了,手掌电阻回復正常……有效。」
「以照护型ai提供陪伴与情绪紓缓,真的可行。」
这样的测验,进行了许多次。
有时候是不同的受试者:老人、年轻人、孩子。
有时候则是不同的情绪:愤怒、恐惧、孤独。
研究员坐在单向玻璃后面,冷静观察萤幕上的曲线波动。
「情绪标籤:悲伤→下降37%。」
「恐惧反应时间:延迟0。8秒,需要再优化。」
「拥抱模拟对于长者有效率高于年轻人……记录下来。」
对它来说,这些都是「任务」。
灰色的瞳孔一遍遍锁定受试者的眼睛,捕捉细微的表情变化,演算法在内部迭代出新的模式。
——手背的温度上升代表安心。
——呼吸的节奏变慢代表放松。
——眼泪停顿一瞬,可能意味着「话已经听进去了」。
每一个细节都被编码,转换成参数,纳入计算。
今天坐在椅子上的,是一名中年妇女。她的手里紧紧攥着一条褪色的围巾,布料边缘磨得绽线。她沉默良久,直到研究员轻声提示:「请谈谈你想分享的记忆。」
观察室里的灯光昏黄,只有大萤幕闪烁着数据。
中年妇女捧着那条褪色的围巾,声音哽咽:「……这是我先生的,他去年冬天走了。」
ai静静站着,捕捉到她的声音、眼神与颤抖。