關係不是兩個點：關係相空間、互動軌跡與斷裂—修復動力學

系列： 人機關係認知系列（Human–AI Relational Cognition Series）
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
篇次： 4 / 10
版本： v0.1
日期： 2026-08-21
類型： 理論／形式化認知心理學、社會互動動力學與 HCI 論文
研究狀態： 初始正式稿

摘要

若人類能把 $A\leftrightarrow B$ 本身視為認知觀察對象，下一個問題就不應只是「關係是否存在」，而應是「關係如何隨互動演化」。本文提出「關係相空間」（Relational Phase Space, RPSpace）與「關係軌跡」（Relational Trajectory, RT）模型，把雙方互動表示為多維狀態向量：

\mathbf r_t = ( q_t, c_t, s_t, i_t, a_t, v_t, d_t, b_t, m_t, \dots ),

其中可包含 reciprocity、contingency、synchrony、initiative、agency balance、valence、distance、breakdown/repair、memory continuity 等維度。關係不是一個固定標籤，而是一條在狀態空間中展開的軌跡：

\gamma_R:t\mapsto\mathbf r_t.

本文進一步區分關係位置、關係速度、關係加速度、穩定區域、吸引域、暫態、斷裂與修復。這些概念不是宣稱人際關係必然服從單一物理方程，而是提供一組可操作的動力系統語言，使研究者可以將「最近變近了」、「互動突然變冷」、「經歷衝突後重新恢復」、「很久不互動但關係仍穩定」等日常描述轉換成可檢驗的狀態轉移假說。

既有 coordination-dynamics 與 two-body research 已顯示，社會互動可以被分析為兩個相互耦合系統形成的時空動力結構；系統綜述也顯示 interpersonal coordination 不能被簡化為單一 synchrony 指標。2024 年關於 psychotherapy alliance rupture/repair 的系統綜述則指出，movement、vocalization、heart rate、facial expression 與 physiological arousal 等多種互動訊號會隨斷裂與修復而改變。這些研究支持「關係應被建模為多維動態過程」，但也要求避免把同步、接近或某個單一座標直接等同於關係品質。

本文最後將模型擴展至 human–AI interaction，提出對話式 AI 特別適合採用 turn-indexed relational dynamics：

\mathbf r_{n+1} = F( \mathbf r_n, H_n, A_n, C_n, M_n, \epsilon_n ),

其中 $n$ 是互動輪次。這使人機關係成為少數可以被逐輪、逐事件高解析度記錄的關係動力系統之一，並為後續的「狀態錨定型」與「過程錨定型」關係認知提供形式化基礎。

關鍵詞： 關係相空間、關係軌跡、互動動力學、coordination dynamics、synchrony、rupture、repair、dyadic interaction、人機關係、AI

1. 關係不應只被寫成一個標籤

傳統問卷與日常語言經常把關係壓縮為：

R\in \{ \text{stranger}, \text{acquaintance}, \text{friend}, \text{partner}, \dots \}.

這種表示非常有用，但它會丟失過程資訊。

兩組人都可以被標記為：

R=\text{friend},

但第一組可能：

最近互動越來越頻繁；
主動性變得對稱；
誤解後快速修復；
共同活動增加。

第二組則可能：

回應逐漸變少；
互惠下降；
多次出現未修復中斷；
雙方仍保留「朋友」標籤但幾乎沒有互動。

所以：

R_{\text{label}}

不能完整描述：

R_{\text{process}}.

本文的基本立場是：

\boxed{ \text{relationship state} \neq \text{relationship label}. }

2. 關係相空間

設在時間 $t$ ，一段 dyadic relation 的狀態向量為：

\mathbf r_t = ( q_t, c_t, s_t, i_t, a_t, v_t, d_t, b_t, m_t ).

其中可以暫時定義：

$q_t$ ：reciprocity，互惠程度；
$c_t$ ：contingency，雙方行為是否彼此條件化；
$s_t$ ：synchrony / temporal coordination，時間同步或節奏協調；
$i_t$ ：initiative balance，主動發起的分配；
$a_t$ ：agency balance，誰在決定互動方向；
$v_t$ ：interaction valence，互動整體正負效價；
$d_t$ ：social / interactional distance；
$b_t$ ：breakdown–repair state；
$m_t$ ：continuity / shared-history accessibility。

所有可能狀態構成：

\mathcal R \subseteq \mathbb R^k.

本文稱：

\boxed{ \mathcal R=\text{Relational Phase Space}. }

一段具體關係在其中的位置為：

\mathbf r_t\in\mathcal R.

需要強調：

k

沒有理由固定。

不同研究可以使用不同的 minimal state vector。

因此：

\mathcal R_{\text{friendship}}, \quad \mathcal R_{\text{therapy}}, \quad \mathcal R_{\text{human-AI}}

不必具有完全相同的座標。

3. 從關係點到關係軌跡

若只測一次：

\mathbf r_{t_0},

仍然只是截圖。

真正的關係動力是：

\gamma_R = \{ \mathbf r_t \mid t\in[0,T] \}.

因此定義：

\boxed{ \gamma_R:t\mapsto\mathbf r_t }

為 Relational Trajectory。

這樣：

「關係變近了」

可以理解為：

\gamma_R

沿某些與接近、互惠或共同活動相關的方向移動。

而：

「關係標籤沒變，但互動不一樣了」

則表示：

R_{\text{label}}(t_1) = R_{\text{label}}(t_2)

但：

\mathbf r_{t_1} \neq \mathbf r_{t_2}.

這個區分非常重要。

4. 關係速度與關係加速度

若時間近似連續，可以定義：

\mathbf v_R(t) = \frac{d\mathbf r}{dt}.

本文稱其為 relational velocity。

它回答：

關係狀態正在往哪個方向變？

例如：

\frac{dq}{dt}>0

可以表示互惠程度正在上升。

但比位置更有趣的可能是：

\mathbf a_R(t) = \frac{d^2\mathbf r}{dt^2},

也就是 relational acceleration。

例如：

一段關係的親密度仍然很高：

d_t\ll1,

但：

\frac{dd_t}{dt}>0

且：

\frac{d^2d_t}{dt^2}>0.

這代表：

關係目前仍近，但正在加速疏遠。

因此只測當下狀態可能會錯過未來方向。

這對人類的主觀感受也很重要。

有時人說：

「現在其實還沒怎樣，但感覺不對。」

可能讀取的不是：

\mathbf r_t

而是：

\frac{d\mathbf r}{dt}.

甚至：

\frac{d^2\mathbf r}{dt^2}.

5. 但社會互動不一定適合純連續時間

人類關係具有：

連續的具身互動；
離散訊息；
事件；
見面；
沉默期；
突然衝突；
長時間沒有觀察值。

所以更一般的模型應允許 hybrid dynamics。

設互動事件索引為：

n=1,2,\dots,N.

則可寫：

\mathbf r_{n+1} = F( \mathbf r_n, e_n, \mathbf x_n, \epsilon_n ),

其中：

$e_n$ ：第 $n$ 個 interaction event；
$\mathbf x_n$ ：context；
$\epsilon_n$ ：不可觀察或隨機因素。

這時真正的「時間」不一定是鐘錶時間。

可能更有解釋力的是：

\tau=n,

也就是 interaction time。

例如兩個人：

30\text{ days}

沒有互動。

在 physical time 上：

\Delta t=30\text{ days},

但 interaction time 上：

\Delta\tau=0.

這個區分後面會直接連到狀態錨定型關係。

6. Coordination Dynamics 提供了什麼？

Coordination Dynamics 研究長期主張，兩個互相感知、互相影響的系統可以形成超越個體單獨行為的 coordination patterns。

在人際研究中：

A \leftrightarrow B

可以透過：

movement；
timing；
gaze；
speech；
physiology；
neural signals；

形成耦合結構。

相關研究常使用 dynamical systems、self-organization、coupling、entrainment、synchrony 與 attractor 等語言。

但本文不直接把所有人際關係套入 HKB model。

較安全的借用方式是：

\boxed{ \text{social interaction may exhibit stable and unstable regions in state space}. }

也就是說，某些互動模式可能容易重複出現：

一方主導、一方配合；
高互惠合作；
高衝突—高修復；
長時間低互動但標籤穩定；
高同步共同活動。

這些都可以暫時視為：

\text{recurrent relational regimes}.

7. 關係吸引域

若系統經常回到某一組狀態，可以定義一個概念性吸引域：

\mathcal A_R \subset \mathcal R.

例如，一對合作多年的夥伴可能在短暫衝突後：

\mathbf r_t \rightarrow \mathbf r_{\text{conflict}}

但很快：

\mathbf r_{t+k} \rightarrow \mathcal A_{\text{cooperative}}.

這時最重要的不是：

有沒有發生衝突？

而是：

\boxed{ \text{衝突後系統會往哪裡回去？} }

所以關係穩定性不能被簡化成：

Var(\mathbf r_t)\approx0.

一段非常健康、活躍的關係可以有很大波動：

Var(\mathbf r_t)\gg0,

但仍具有強恢復性。

因此：

\boxed{ \text{stability} \neq \text{low variability}. }

更有用的可能是：

\text{return probability},

\text{return time},

以及：

\text{basin resilience}.

8. Rupture 不是單純「狀態很差」

設某段關係具有常態區域：

\mathcal N_R.

若軌跡突然離開：

\mathbf r_t\notin\mathcal N_R,

可以暫時定義為：

\boxed{ \text{relational rupture candidate}. }

但是 rupture 不應只等於：

v_t<0.

因為：

激烈討論不一定是 rupture；
不同步不一定是 rupture；
暫時疏離不一定是 rupture；
conflict 甚至可能強化關係。

真正重要的是：

\text{deviation} + \text{meaning} + \text{failed coordination} + \text{persistence}.

因此可以寫：

Rupture_t = g( D_t, P_t, C_t, M_t ),

其中：

$D_t$ ：偏離常態程度；
$P_t$ ：偏離持續時間；
$C_t$ ：coordination breakdown；
$M_t$ ：對關係意義的影響。

9. Repair 是軌跡，不是一個「道歉」事件

同理：

\text{apology} \neq \text{repair}.

道歉只是一個事件。

Repair 應該是：

\mathbf r_t \rightarrow \mathbf r_{t+1} \rightarrow \dots \rightarrow \mathcal N_R

或進入新的可接受穩定區：

\mathcal N_R'.

所以：

\boxed{ \text{repair is a successful relational trajectory transition}. }

這和 2024 年 psychotherapy rupture/repair systematic review 的結果相容：movement、heart rate、vocalization、facial expression、physiological arousal 等 coordination dynamics 都可能在 rupture/repair episode 中改變。

也就是說：

Repair

具有多模態動態結構，而不是單一句語言標記。

10. 不要把 synchrony 寫成「關係品質分數」

Synchrony 是 social interaction research 中非常常見的指標。

但：

s_t\uparrow \not\Rightarrow R_{\text{quality}}\uparrow

不能被當成普遍定律。

理由包括：

任務可能要求互補而非同步；
衝突中的兩人也可能高度同步；
過度同步可能降低個體自主性；
高品質合作可包含輪替與非同步；
不同 modality 的 synchrony 可能方向不同。

2021 年 spontaneous interpersonal coordination systematic review 特別指出，研究領域存在定義、指標與 paradigm 高度異質的問題，因此 interpersonal coordination 應被理解為複雜 dynamical process，而非單一正向社會指標。

所以本文只把：

s_t

放在：

\mathbf r_t

中作為一個座標。

它的意義必須依：

context

與：

task

決定。

11. 多穩態與關係模式切換

同一段關係可能具有多個穩定模式：

\mathcal A_1, \mathcal A_2, \dots, \mathcal A_k.

例如兩位同事可能同時具有：

\mathcal A_{\text{formal work}},

以及：

\mathcal A_{\text{informal friendship}}.

不同 context 會使系統切換：

\mathcal A_i \rightarrow \mathcal A_j.

所以一個人可以在：

工作會議

表現為極度正式；

但在：

私下聊天

立即切到高玩笑、高互惠模式。

這不代表人格不一致。

而可能是：

\boxed{ \text{context-conditioned multistability}. }

12. 關係路徑依賴

如果：

\mathbf r_t

只依賴當前輸入，關係就是 Markovian。

但現實常不是如此。

同一句話：

「你怎麼又這樣？」

在第一次發生時與第十次發生時，意義不同。

因此：

P( \mathbf r_{t+1} \mid \mathbf r_t,e_t )

往往不足。

更合理的是：

P( \mathbf r_{t+1} \mid \mathbf r_t, H_{1:t}, e_t ),

其中：

H_{1:t}

是 interaction history。

因此關係具有：

\boxed{ \text{path dependence}. }

同一個當前狀態：

\mathbf r_t

若由不同歷史到達，未來軌跡可能不同。

13. 關係遲滯

Path dependence 進一步導出 hysteresis。

例如：

一段關係從：

trust=0.9

因背叛下降到：

trust=0.3.

即使之後提供與原先相同程度的正向互動：

input=I_0,

也不一定能恢復：

trust=0.9.

因此：

\boxed{ F_{\text{forward}} \neq F_{\text{return}}. }

也就是：

走回原來的外部條件，不等於回到原來的關係狀態。

這是關係動力學非常重要的非對稱性。

14. 對人類主觀認知的意義：人可能在讀位置，也可能在讀導數

回到第三篇的關係觀察算子：

O_R.

現在可以進一步區分：

位置型觀察

O_R^{(0)} = O_R(\mathbf r_t).

回答：

「我們現在在哪裡？」

速度型觀察

O_R^{(1)} = O_R\left( \frac{d\mathbf r}{dt} \right).

回答：

「我們正在往哪裡變？」

加速度型觀察

O_R^{(2)} = O_R\left( \frac{d^2\mathbf r}{dt^2} \right).

回答：

「變化是不是正在加速？」

這提供了一種更精確的方法去理解：

「我沒有辦法說出哪裡不對，但關係就是好像變了。」

對方可能不是在讀絕對狀態，而是在讀：

\Delta\mathbf r_t.

15. Human–AI interaction 特別適合 turn-indexed phase space

人際關係很難完整記錄。

對話式 AI 則不同。

我們天然具有：

n=1,2,\dots,N

的 turn index。

因此可以寫：

\mathbf r_{n+1} = F( \mathbf r_n, H_n, A_n, C_n, M_n, \epsilon_n ),

其中：

$H_n$ ：human action；
$A_n$ ：AI response；
$C_n$ ：context；
$M_n$ ：memory / model state available to interaction；
$\epsilon_n$ ：未觀察因素。

這裡的：

\mathbf r_n

不需要宣稱 AI 有主觀關係感。

它只描述：

\boxed{ \text{observable and inferred interaction state}. }

因此即使維持本體中立，人機關係仍可被動力化研究。

16. AI 中的 rupture / repair 可以高度解析度觀察

例如使用者原本與 AI 具有：

\mathcal A_{\text{collaborative}}.

某一輪 AI：

忘記重要背景；
突然改變語氣；
拒絕先前可處理的任務；
錯誤理解長期角色；
重複已修正錯誤。

則：

\mathbf r_n \rightarrow \mathbf r_{n+1}

可能出現大幅跳變。

使用者接著：

「你怎麼突然變成這樣？」

這可以被視為：

Rupture\ Detection.

如果 AI 接著：

承認錯誤；
正確重建語境；
說明限制；
恢復原有協作節奏；

那麼：

\mathbf r_{n+k} \rightarrow \mathcal A_{\text{collaborative}}

可能構成 repair。

但若 AI 只是說：

「抱歉。」

卻繼續犯同一錯誤：

\mathbf r_{n+k} \not\rightarrow \mathcal A_{\text{collaborative}},

則：

\boxed{ \text{linguistic apology without trajectory recovery} \neq \text{repair}. }

17. 關係軌跡與模型更新必須分開

AI 有一個特殊 confound：

\Delta\mathbf r_n

可能不是由「雙方關係」產生，而是由：

backend model replacement；
memory truncation；
system-prompt update；
policy update；
tool failure；
routing；
context compression；

造成。

因此需要分離：

\mathbf z_n = \text{platform/model latent state}

與：

\mathbf r_n = \text{interaction state}.

可寫：

\mathbf r_{n+1} = F( \mathbf r_n, H_n, A_n, \mathbf z_n ).

使用者只能直接看到：

\mathbf r_n,

但不知道：

\mathbf z_n.

因此：

\boxed{ \text{observed relational discontinuity} \neq \text{evidence of AI internal attitude change}. }

這是 human–AI relational dynamics 必須加入的因果辨識問題。

18. 可檢驗假說

H1：軌跡優於單點假說

相比只使用：

\mathbf r_t,

加入：

\Delta\mathbf r_t

與近期歷史應更能預測主觀關係評價：

PredictivePower( \mathbf r_t,\Delta\mathbf r_t,H ) > PredictivePower( \mathbf r_t ).

H2：恢復性獨立假說

關係品質不能只由變異程度解釋。

即使：

Var(\mathbf r_t)

很高，只要 repair probability 與 return tendency 高，主觀穩定性仍可能高。

H3：rupture 多模態假說

Rupture episode 應同時改變多個 relation coordinates，而不是只改變 valence：

Rupture \Rightarrow \Delta ( c,q,s,b,\dots )\neq0.

H4：repair 軌跡假說

真正的 repair 應能預測：

\mathbf r_{t+k}

重新接近原 attractor 或新的穩定區，而不只是預測當下 apology rating。

H5：path-dependence 假說

相同事件：

e_t=e

在不同歷史：

H^{(1)}\neq H^{(2)}

下，產生的：

\Delta\mathbf r_t

不同。

H6：interaction-time 假說

對某些關係類型：

\Delta \tau

比：

\Delta t

更能預測關係狀態更新。

H7：AI hidden-state confound 假說

若控制 platform/model update：

\mathbf z_n,

部分看似「關係突然惡化」的變異應顯著下降。

19. 最小實驗設計

19.1 三時間點設計

不只問：

R_{t_2}.

而是同時估計：

\mathbf r_{t_1}, \quad \mathbf r_{t_2}, \quad \mathbf r_{t_3}.

以重建：

\Delta\mathbf r.

19.2 Rupture–Repair manipulation

建立：

baseline；
controlled rupture；
apology-only；
functional repair；
no repair。

比較：

\gamma_R.

如果 apology-only 和 functional-repair 的主觀效果不同，便支持：

\text{repair} \neq \text{repair language}.

19.3 Human–AI longitudinal logs

在取得知情同意與隱私保護後，只保留匿名化 relation features：

\mathbf r_n

而不一定保留完整原始文字。

可分析：

dwell time；
transition probability；
recurrence；
rupture frequency；
repair latency；
state persistence。

這會比只分析 sentiment 更接近關係動力學。

20. 與第五、六篇的接口：狀態錨定與過程錨定

本篇建立：

\gamma_R.

下一步就能正式問：

不同的人，是不是以不同方式使用這條軌跡？

一類人可能主要依靠：

R_{\text{stored}}

也就是穩定的 entity / relationship representation。

即使：

\Delta\tau=0

很久，也不認為關係消失。

另一類人可能更依靠：

\mathbf r_{t-k:t}

持續更新關係估計。

可以先寫：

\widehat R_t = (1-\eta_R)\widehat R_{t-1} + \eta_R E_t.

其中：

\eta_R

就是後續要研究的：

\boxed{ \text{relationship update sensitivity}. }

因此本篇的相空間模型會直接成為第五篇「狀態錨定型關係」與第六篇「過程錨定型關係」的共同底層。

21. 理論邊界

本文不主張：

\text{human relationship} = \text{deterministic physical system}.

本文使用 phase space、trajectory、attractor、velocity 等語言，是為了建立可測量的形式化框架。

真實關係可能具有：

stochasticity；
hidden variables；
discontinuity；
reflexivity；
self-report effects；
cultural dependence；
model-dependent state definitions。

因此：

\gamma_R

不是「真實關係本體」。

它是：

\boxed{ \text{a model of relational observables and inferred states}. }

其次，本文不主張 synchrony 越高越好。

任何單一變量都不應被直接當成 relationship quality。

真正應研究的是：

\boxed{ \text{configuration} + \text{trajectory} + \text{context}. }

22. 結論

如果關係可以被觀察：

O_R(A\leftrightarrow B),

那麼研究下一步就不應停在：

「這是一段什麼關係？」

而應進一步問：

「它現在在哪裡？」

「它正在往哪裡走？」

「變化正在加速嗎？」

「它有沒有離開原本穩定區？」

「中斷之後能不能回來？」

因此本文提出：

\boxed{ \mathcal R = \text{Relational Phase Space} }

以及：

\boxed{ \gamma_R:t\mapsto\mathbf r_t }

作為關係軌跡。

並進一步引入：

\frac{d\mathbf r}{dt}, \qquad \frac{d^2\mathbf r}{dt^2}, \qquad \mathcal A_R, \qquad Rupture, \qquad Repair.

真正重要的理論轉向可以濃縮成一句：

\boxed{ \text{關係不是一個名詞，而是一條軌跡。} }

對 human–AI interaction 而言，這個轉向尤其重要。因為 AI 對話天然留下逐輪序列：

H_1,A_1,H_2,A_2,\dots,H_N,A_N.

因此人機關係可能成為第一批能被高解析度、長時間、逐事件研究的關係動力系統。

而下一篇的問題就更精確了：

有些人是否根本不需要持續觀看這條軌跡，因為他們把關係主要存成一個穩定狀態？

這將進入第五篇：

《我知道我們是什麼：狀態錨定型關係與離線持續性》。

參考文獻

Tognoli, E., Zhang, M., Fuchs, A., Beetle, C., & Kelso, J. A. S. (2020). Coordination Dynamics: A Foundation for Understanding Social Behavior. Frontiers in Human Neuroscience, 14, 317. https://doi.org/10.3389/fnhum.2020.00317
Ayache, J., Connor, A., Marks, S., Kuss, D. J., Rhodes, D., Sumich, A., & Heym, N. (2021). Exploring the “Dark Matter” of Social Interaction: Systematic Review of a Decade of Research in Spontaneous Interpersonal Coordination. Frontiers in Psychology, 12, 718237. https://doi.org/10.3389/fpsyg.2021.718237
Høgenhaug, S. S., Kongerslev, M. T., & Kjaersdam Telléus, G. (2024). The role of interpersonal coordination dynamics in alliance rupture and repair processes in psychotherapy—A systematic review. Frontiers in Psychology, 14, 1291155. https://doi.org/10.3389/fpsyg.2023.1291155
Hoehl, S., Fairhurst, M., & Schirmer, A. (2021). Being ‘in sync’—is interactional synchrony the key to understanding the social brain? Social Cognitive and Affective Neuroscience, 16(1–2), 1–4. https://doi.org/10.1093/scan/nsaa148
Farrera, A., & Ramos-Fernández, G. (2022). Collective Rhythm as an Emergent Property During Human Social Coordination. Frontiers in Psychology, 12, 772262. https://doi.org/10.3389/fpsyg.2021.772262
De Jaegher, H., & Di Paolo, E. (2007). Participatory sense-making: An enactive approach to social cognition. Phenomenology and the Cognitive Sciences, 6, 485–507. https://doi.org/10.1007/s11097-007-9076-9
Kelso, J. A. S. (1995). Dynamic Patterns: The Self-Organization of Brain and Behavior. MIT Press.
Haken, H., Kelso, J. A. S., & Bunz, H. (1985). A theoretical model of phase transitions in human hand movements. Biological Cybernetics, 51, 347–356. https://doi.org/10.1007/BF00336922

研究聲明

本文為理論與形式化模型研究，不提供新的臨床資料、人類受試者資料或原始 AI 使用者資料。本文提出的 Relational Phase Space、Relational Trajectory、relationship velocity、relationship acceleration、relational attractor 與相關假說皆屬待驗證理論構造。

本文不主張真實人際或人機關係必然服從單一確定性物理方程，也不將 synchrony、互惠、距離、情緒效價或任何單一變量直接等同於關係品質。文中的 phase-space 與 dynamical-systems 語言是一種可操作的分析框架，用於描述多維、時間依賴、具路徑依賴與可能斷裂—修復特性的關係過程。