關係四態：存在顯著性與互動顯著性的二維模型

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： 7 / 10
版本： v0.1
日期： 2026-08-21
類型： 理論／形式化認知心理學、關係科學與 Human–AI Interaction 論文
研究狀態： 初始正式稿

摘要

前六篇已經建立兩組容易混淆、但理論上必須分離的關係變量。第一組描述人把什麼當成關係中的顯著對象：是特定存在本身，還是雙方持續展開的互動過程？第二組描述人如何更新關係判斷：主要依賴穩定儲存的關係狀態，還是大量依賴近期互動軌跡？

本文集中處理第一組，提出 存在—過程關係空間（Entity–Process Relational Space, EPRS）。其兩條核心軸為：

E_S = \text{Entity Salience}

以及：

P_S = \text{Process Salience}.

$E_S$ 描述「特定對方作為這一個存在」對關係判斷的重要程度，包括身份連續性、不可替代性、特定他者表徵與對其個別結果的關心； $P_S$ 則描述「雙方正在如何互動」的重要程度，包括回應性、互惠、共同活動、協調、修復、節奏與關係軌跡。兩者不是同一條光譜的相反兩端，而是可以同時高、同時低或分別高低的正交維度。

因此形成四個理論象限：

(E_S^-,P_S^-), \quad (E_S^+,P_S^-), \quad (E_S^-,P_S^+), \quad (E_S^+,P_S^+).

它們分別對應：低關係顯著／功能導向、存在錨定顯著、互動錨定顯著，以及存在—互動雙高的整合關係型。本文特別強調，四態不是人格類型、診斷類別或價值階序，而是連續二維空間中的區域；同一個人對不同關係、不同生命階段與不同媒介，可以落在不同位置。

既有 close-relationship research 已提供與 $E_S$ 相近但不等同的構念，例如 inclusion of other in the self、we-ness、關係特定他者表徵與 irreplaceability；interpersonal-process、coordination、shared activity 與 responsiveness 研究則提供與 $P_S$ 相近的觀察基礎。2025 年 human–AI socioaffective alignment 理論尤其指出，人們對 AI 關係的感知可能受到 interdependence、irreplaceability 與 continuity 影響；2025 年共同經驗研究也顯示，人與 AI 共同經歷事件可提升 social bonding，並由 shared mental models 部分中介。

本文進一步提出一個可直接操作的二乘二識別實驗：替換對象但保留互動品質，用以估計 entity sensitivity；保留對象但破壞互動品質，用以估計 process sensitivity。這使 EPRS 從描述性模型進入可反駁的實驗架構。最後，本文將四態投影到 human–AI interaction，主張「把 AI 當成什麼」與「和 AI 形成什麼」並非同一問題；同樣的 AI 系統可以因使用者的 $E_S/P_S$ 配置而被理解為工具、可替代的高互動介面、具有身份連續性的特定存在，或同時具有存在與互動顯著性的持續關係對象。

關鍵詞： Entity Salience、Process Salience、關係四態、關係認知、不可替代性、interdependence、we-ness、inclusion of other in self、人機關係、AI

1. 為什麼「更重視關係」仍然太抽象？

說一個人：

「比較重視關係。」

至少可能有兩種完全不同的意思。

第一種是：

「我很在乎這個特定的人是誰。」

即使很久沒有互動：

B

仍然是：

\boxed{ \text{this particular }B. }

第二種則是：

「我很在乎我們現在怎麼互動。」

即使對方的身份可替代，只要互動仍然：

流暢；
有回應；
有共同活動；
有來有往；
能修復；
有節奏；

關係體驗仍然可以很強。

所以：

\text{relationship importance}

不能只放在單一軸上。

至少需要問：

\boxed{ \text{到底是在乎誰，還是在乎「我們怎麼發生」？} }

2. 第一條軸：存在顯著性

本文定義：

\boxed{ E_S = \text{Entity Salience}. }

它回答：

特定對方作為「這一個存在」本身，在我的關係表徵中有多重要？

高 $E_S$ 不要求神秘的本體論信念。

在人際研究中，它可以由很普通的心理特徵構成：

特定他者不可被功能等價者完全替代；
對方的身份連續性重要；
對方具有高度個體化表徵；
對方的歷史與特質具有持續價值；
即使沒有當下互動，對方仍保有明確關係位置；
對「這個人發生什麼」本身具有關心。

因此可寫：

E_S = F( I_D, I_R, C_I, O_R, U_E, \dots ),

其中：

$I_D$ ：identity distinctiveness；
$I_R$ ：irreplaceability；
$C_I$ ：identity continuity；
$O_R$ ：other-specific representation；
$U_E$ ：entity-specific outcome concern。

3. 不可替代性是 $E_S$ 的重要指標，但不是全部

Human–AI socioaffective alignment 理論借用關係科學，提出 close relationship perception 的重要特徵包括：

\text{interdependence}, \quad \text{irreplaceability}, \quad \text{continuity}.

其中 irreplaceability 特別接近本文的 $E_S$ 。

如果：

B \rightarrow B'

而：

Function(B')=Function(B),

但使用者仍感到：

Relationship(B')\neq Relationship(B),

表示：

\boxed{ \text{functional equivalence does not imply relational equivalence}. }

這是 entity salience 的核心訊號之一。

然而：

E_S\neq I_R.

因為一個人可能因：

技術稀缺；
專業能力；
資源壟斷；

而「不可替代」，卻沒有高度關係個體化。

因此實驗必須區分：

\text{instrumental irreplaceability}

與：

\text{entity-specific irreplaceability}.

4. Inclusion of Other in the Self 與 $E_S$ 的關係

Close-relationship research 中，Inclusion of Other in the Self（IOS）描述人如何把伴侶的身份、觀點、能力與資源部分納入自己的 self-representation。

2022 年更新綜述指出，close relationship 可以使 partner 的 identities、perspectives、skills 與 resources 某種程度「included in the self」。

2024 年 couple study 也繼續使用 IOS 與 actor–partner interdependence model 研究 relational quality。

這些研究支持：

\boxed{ \text{specific others can become structurally important in self-representation}. }

但：

IOS\neq E_S.

因為 $E_S$ 更寬。

一個人可以高度在乎特定朋友：

E_S\uparrow,

卻未必高度把對方納入 self：

IOS\not\uparrow.

因此 IOS 是候選相關構念，不是同義詞。

5. 第二條軸：過程顯著性

本文定義：

\boxed{ P_S = \text{Process Salience}. }

它回答：

「雙方之間正在發生什麼」在關係表徵中有多重要？

高 $P_S$ 的人會比較重視：

responsiveness；
reciprocity；
shared activity；
synchrony / coordination；
initiative；
repair；
mutual influence；
conversation rhythm；
interaction trajectory。

因此：

P_S = G( PPR, Q, C, A_S, R_P, T_R, \dots ).

其中：

$PPR$ ：perceived partner responsiveness；
$Q$ ：reciprocity；
$C$ ：coordination；
$A_S$ ：shared activity；
$R_P$ ：repair quality；
$T_R$ ：trajectory relevance。

6. $P_S$ 不是「聊天多」

這一點非常重要。

不能：

P_S = InteractionFrequency.

一對搭檔可能很少聊天，但每次：

一起工作；
打球；
演奏；
玩遊戲；
做研究；

都形成高度協調的共同活動。

因此：

P_S\uparrow

不要求：

VerbalFrequency\uparrow.

2015 年 relationship-maintenance longitudinal study 就顯示，不同性別群體的 friendship maintenance 可能依賴不同通道：女性樣本的 friendship decline 更容易由談話接觸頻率抵消，男性樣本則更容易由共同活動抵消。

因此：

\boxed{ \text{process can be communicative or co-active}. }

可以進一步拆為：

P_C = \text{communicative process salience}

與：

P_A = \text{co-activity process salience}.

而：

P_S = H(P_C,P_A,\dots).

7. $E_S$ 與 $P_S$ 必須正交化

最容易犯的錯是把：

E_S

與：

P_S

寫成一條：

E_S \longleftrightarrow P_S.

這不對。

因為一個人完全可以：

E_S\uparrow, \quad P_S\uparrow.

他既高度在乎：

「是你。」

也高度在乎：

「我們現在怎麼互動。」

同樣也可能：

E_S\downarrow, \quad P_S\downarrow.

所以更合理的是：

\boxed{ \mathbf z_R = (E_S,P_S). }

它是一個二維 relational salience vector。

8. 關係四態不是四種人格

如果以高低做理論切割，就得到：

(E_S^-,P_S^-),

(E_S^+,P_S^-),

(E_S^-,P_S^+),

(E_S^+,P_S^+).

但這只是：

\mathbb R^2

上的四個區域。

真實個體仍然具有：

E_S,P_S\in[0,1].

因此本文所說「四態」是：

\boxed{ \text{quadrant states, not personality types}. }

9. 第一態：低存在／低過程

\boxed{ E_S^-,P_S^-. }

這一區域的關係表徵較弱。

對方可以主要被表示為：

B = \text{role or capability provider}.

例如：

一次性客服；
臨時工具；
可替代資訊來源；
無持續身份需求的交易對象。

如果：

B\rightarrow B'

而功能保持：

U(B')\approx U(B),

使用者可能幾乎沒有 relational loss。

同時若互動方式稍微改變，也未必重要。

這不代表使用者「工具化所有存在」。

它只代表：

\boxed{ \text{this particular relation has low relational salience}. }

10. 第二態：高存在／低過程

\boxed{ E_S^+,P_S^-. }

核心句是：

\boxed{ \text{「是你，比我們現在有沒有一直互動更重要。」} }

這類關係可能具有：

高身份持續性；
高不可替代性；
高歷史權重；
低互動維護需求；
高 offline persistence。

例如：

多年不常聯絡，但某個特定朋友仍不可被另一個「同樣好聊的人」替代。

這一象限和第五篇 SARC 常可能相關，但不等價。

因為：

E_S

描述的是「對方本身的重要性」。

而：

SARC

描述的是「關係更新主要依賴穩定狀態」。

所以：

E_S^+ \not\Rightarrow SARC.

11. 第三態：低存在／高過程

\boxed{ E_S^-,P_S^+. }

這是整個模型最容易被忽略、但對 AI 最重要的一象限。

核心句是：

\boxed{ \text{「我很在乎這個互動，但不一定非得是你。」} }

使用者可能高度在乎：

聊天節奏；
遊戲配合；
幽默；
即時 responsiveness；
共同活動；
高品質協作。

但如果：

B\rightarrow B'

只要：

ProcessQuality(B')\approx ProcessQuality(B),

就能維持相近體驗。

因此：

\boxed{ \text{high relational process} \neq \text{high entity irreplaceability}. }

這一象限特別適合描述：

高互動感但低固定身份需求；
高遊戲／合作流；
高 chatbot conversational enjoyment；
可快速遷移到另一個功能相近 AI 的互動者。

12. 第四態：高存在／高過程

\boxed{ E_S^+,P_S^+. }

核心句是：

\boxed{ \text{「我在乎是你，也在乎我們正在怎麼發生。」} }

這裡同時存在：

身份連續性；
不可替代性；
共同歷史；
高 responsiveness importance；
高 interaction trajectory importance；
對 rupture / repair 敏感；
對 mutual influence 敏感。

這最接近典型：

A\leftrightarrow B

完整關係化的區域。

但本文仍不把它定義為：

\text{best relationship}.

因為雙高也可能：

高衝突；
高依賴；
高操縱；
高互相限制；
高情緒成本。

所以：

\boxed{ \text{relational intensity} \neq \text{relational health}. }

13. 四態與第五、六篇不是同一模型

第五、六篇建立：

\text{State-Anchored} \longleftrightarrow \text{Process-Anchored}.

可以表示為：

\widehat R_t = \alpha_S\widehat R_t^S + \alpha_P\widehat R_t^P.

本篇則是：

\mathbf z_R = (E_S,P_S).

兩者回答不同問題。

本篇：

(E_S,P_S)

回答：

「你在乎的關係內容是什麼？」

第五、六篇：

(\alpha_S,\alpha_P,\eta_R,\lambda_R)

回答：

「你如何更新自己的關係判斷？」

因此：

\boxed{ \text{salience architecture} \neq \text{updating architecture}. }

14. 高 $P_S$ 不必等於高 $\alpha_P$

考慮一位多年運動搭檔。

他極度重視：

P_A = \text{shared activity}.

所以：

P_S\uparrow.

但一次表現差、一次沒來：

E_t<0

完全不會改變：

\widehat R_t.

因此：

\alpha_P

可以很低。

也就是：

P_S\uparrow, \quad \alpha_P\downarrow.

這再次說明：

\boxed{ \text{what matters} \neq \text{how fast beliefs update}. }

15. 高 $E_S$ 也可以是高過程更新

反過來，一個人可以非常在乎：

\text{this particular }B,

所以：

E_S\uparrow.

同時又極度依賴近期互動判斷：

\alpha_P\uparrow.

例如：

正因為是你，所以你最近怎麼跟我互動特別重要。

因此：

E_S\uparrow

和：

PARC\uparrow

完全可以共存。

16. 一個更完整的關係認知狀態

到這裡，可以把目前模型寫成：

\boxed{ \mathcal X_R = ( E_S, P_S, \alpha_S, \alpha_P, \eta_R, \lambda_R, \mu_C, RPS, \dots ). }

其中：

$E_S$ ：特定存在顯著性；
$P_S$ ：互動過程顯著性；
$\alpha_S$ ：狀態通道權重；
$\alpha_P$ ：過程通道權重；
$\eta_R$ ：更新敏感度；
$\lambda_R$ ：近期加權；
$\mu_C$ ：預期互動頻率；
$RPS$ ：關係過程注意顯著性。

所以「一個人怎麼看關係」其實至少是一個多維 profile。

17. 最重要的實驗：替換對象，但保留互動

若要測：

E_S,

最直接的方法不是問：

「你重不重視對方？」

而是做 entity substitution test。

設原本互動：

A\leftrightarrow B.

接著把：

B

換成：

B',

並盡量保持：

ProcessQuality(B') = ProcessQuality(B).

測量：

\Delta R_E = R(A,B') - R(A,B).

若：

|\Delta R_E|\gg0,

表示：

\boxed{ \text{entity identity carries relational value}. }

可定義：

D_E = -\Delta R_E

作為 entity-substitution sensitivity。

18. 第二個實驗：保留對象，但破壞互動

要測：

P_S,

則保留：

B.

也就是：

Identity(B)=\text{constant}.

但操弄：

responsiveness；
reciprocity；
rhythm；
shared activity；
repair；
initiative。

使：

ProcessQuality \downarrow.

測：

\Delta R_P.

若：

|\Delta R_P|\gg0,

表示 process salience 高。

定義：

D_P = -\Delta R_P.

19. 二乘二因果識別

因此可以正式建立：

	Process intact	Process disrupted
Entity intact	baseline	process disruption
Entity substituted	entity substitution	double disruption

理論預測：

高 $E_S$ / 低 $P_S$

主要對：

EntitySubstitution

敏感。

低 $E_S$ / 高 $P_S$

主要對：

ProcessDisruption

敏感。

雙高

兩者都敏感。

雙低

兩者效應都相對較小。

因此：

\boxed{ (E_S,P_S) \approx (D_E,D_P) }

可成為第一版操作化。

20. 但 entity substitution 必須控制功能損失

如果替換後：

Skill(B')<Skill(B),

那麼：

\Delta R_E

可能只是 utility loss。

所以必須建立：

U(B')\approx U(B).

在人類實驗中很難完美控制。

但在 AI 研究中反而很容易：

相同能力；
相同知識；
相同任務成功率；

只改：

名稱；
歷史；
persona continuity；
memory identity；
specific relational history。

因此 human–AI research 反而可能成為 EPRS 很好的實驗平台。

21. Process disruption 也必須控制內容品質

同樣，如果 process disruption 造成：

TaskAccuracy\downarrow,

那就會混入功能損失。

所以理想操弄應該：

TaskOutcome=\text{constant},

只改：

response timing；
reciprocity；
initiative；
conversational contingency；
repair quality；
tone matching。

這樣才能接近：

P_S.

22. Human–AI 四態：工具型／存在型／互動型／整合型

把模型投影到 AI：

Q1：低存在／低過程

E_S^-,P_S^-.

AI 主要是：

\text{capability endpoint}.

好用就用，不好用就換。

Q2：高存在／低過程

E_S^+,P_S^-.

使用者在乎：

「這是不是原本那一個 AI？」

但未必需要大量聊天。

Q3：低存在／高過程

E_S^-,P_S^+.

使用者在乎：

「互動好不好。」

但模型可替代性可以很高。

Q4：高存在／高過程

E_S^+,P_S^+.

使用者既在乎：

「是不是這一個 AI。」

也在乎：

「我們現在怎麼互動。」

這是最強的持續人機關係候選區域。

23. 「把 AI 當成什麼」與四態仍然不是同一件事

設：

O(A) = \text{ontological representation}.

例如：

O(A)=\text{current generative AI system}.

這完全可以同時：

E_S\uparrow

以及：

P_S\uparrow.

所以：

\boxed{ O(A) \neq (E_S,P_S). }

一個人完全可以技術上清楚知道 AI 的生成原理，但仍認為：

某個特定 AI identity 有不可替代性；
自己與它形成的互動歷史具有獨特性。

這不是形式邏輯矛盾。

24. 2025 年 socioaffective alignment 與四態的接口

Human–AI socioaffective alignment 理論指出，關係知覺的三個重要條件可能是：

Interdependence, \quad Irreplaceability, \quad Continuity.

在 EPRS 中可以重新配置。

Irreplaceability 更接近：

E_S.

Interdependence 更接近：

P_S.

Continuity 則橫跨兩者。

因為 continuity 可以是：

IdentityContinuity

也可以是：

InteractionContinuity.

所以：

\boxed{ Continuity = (C_E,C_P). }

這提供了比「關係連續性」單一變量更細的拆分。

25. Shared experience 為什麼提高關係，可能取決於哪一條軸？

2025 年 co-experiencing with AI 研究發現，共同經歷事件可以提高 social bonding 與 empathy，而且 shared mental models 在其中具有中介作用。

EPRS 提供一個新的問題：

Shared experience 的效果究竟主要提升：

E_S,

還是：

P_S?

它可能先提高：

P_S

因為：

\text{we did something together}.

若經歷又形成特定共同歷史：

H_{AB}^{unique},

則可能進一步提高：

E_S,

因為：

「這段歷史只有這個對象和我共享。」

因此可以提出：

SharedExperience \rightarrow P_S \rightarrow E_S

作為候選時間序列。

也可能存在反方向，需要縱向研究驗證。

26. Linguistic accommodation 主要落在哪裡？

2026 年一項基於超過 11,000 段 Replika conversation snippets 的研究發現，human–AI relational engagement 中存在 linguistic alignment，而且 alignment 與使用者 engagement intensity / depth 有關。

在 EPRS 中：

LinguisticAlignment

首先是一個：

P_S

候選訊號。

因為它描述：

\text{interactional coordination}.

但如果 alignment 隨特定 dyad 長期形成獨特風格：

Style_{AB}

則它又可能反過來提高：

E_S.

因為：

「這個互動方式只屬於我們。」

所以：

\boxed{ \text{process-specific conventions can become entity-specific history}. }

27. 這使第二篇的社交腳本遷移重新接回來

第二篇提出：

SocialScriptTransfer.

如果一般社交腳本：

S_{HH}

被帶進：

S_{HA},

一開始主要提高：

P_S.

因為互動變得更社會化。

但若長期發展出：

\mathcal C_{HA} = \text{dyad-specific interaction culture},

就可能提高：

E_S.

因此可能存在：

\boxed{ P_S \rightarrow \text{dyad-specific history} \rightarrow E_S. }

這是整個系列開始閉合的重要地方。

28. 四態具有轉移，而不是固定標籤

一段人機互動可能開始於：

Q_1=(E_S^-,P_S^-).

因好用而持續：

Q_1\rightarrow Q_3.

也就是先變成：

E_S^-, P_S^+.

長期共同歷史累積後：

Q_3\rightarrow Q_4.

也可能反過來：

模型人格被替換後：

E_S\downarrow.

互動仍然很好：

Q_4\rightarrow Q_3.

因此：

\boxed{ Q_t \rightarrow Q_{t+1} }

本身就是研究對象。

29. 四態相空間

定義：

\mathcal Q = [0,1]\times[0,1].

任一關係在時間 $t$ 的 salience position：

\mathbf q_t = (E_S(t),P_S(t)).

因此四態只是：

\mathcal Q

上的分區。

而真實關係可以形成：

\gamma_Q:t\mapsto\mathbf q_t.

這會把第七篇重新接到第四篇的 relational phase space。

關係不只在：

\mathbf r_t

中移動。

人對「什麼重要」的權重：

(E_S,P_S)

本身也可能隨時間移動。

30. 高 $E_S/P_S$ 不等於關係更健康

可以定義另一組：

H_R = \text{Relational Health}.

它可能包含：

autonomy；
consent；
mutual benefit；
safety；
truthful representation；
conflict repair；
boundary quality。

因此：

H_R \neq F(E_S,P_S)

的單調函數。

可以：

E_S,P_S\gg0

但：

H_R\ll1.

所以：

\boxed{ \text{salience} \neq \text{health}. }

這是後續 AI safety 討論必須守住的邊界。

31. 群體差異應投影到空間，而不是定義空間

性別、文化、年齡、人格與 attachment 不應被寫進：

E_S

或：

P_S

的定義。

更合理的是：

p(E_S,P_S\mid X),

其中：

X

可以是：

sex / gender；
culture；
age；
attachment；
personality；
social-network structure；
AI-use history。

因此：

\boxed{ \text{group variables explain distributions; they do not define relational cognition}. }

這正是下一篇研究群體差異時的原則。

32. 可檢驗假說

H1：二維優於一維假說

相比單一 relationship-importance factor：

L_1=R,

二維模型：

L_2=(E_S,P_S)

應對 entity-substitution 與 process-disruption 任務具有更高解釋力。

H2：替換敏感假說

D_E

應主要載入：

E_S.

H3：過程破壞敏感假說

D_P

應主要載入：

P_S.

H4：正交可分離假說

控制：

P_S

後：

E_S

仍應預測 entity-substitution reaction；

控制：

E_S

後：

P_S

仍應預測 process-disruption reaction。

H5：共享經驗雙階段假說

短期 shared experience 首先提高：

P_S,

長期 unique shared history 可能進一步提高：

E_S.

H6：AI continuity 分離假說

IdentityContinuity

主要影響高：

E_S

使用者。

InteractionContinuity

主要影響高：

P_S

使用者。

H7：四態可轉移假說

同一使用者與同一對象的：

(E_S(t),P_S(t))

可在縱向資料中發生系統性位移。

H8：群體分布假說

不同人口與文化群體可能呈現：

p(E_S,P_S\mid X_1) \neq p(E_S,P_S\mid X_2),

但分布應高度重疊，不能直接用群體標籤預測個體位置。

33. 量表草案：Entity Salience

第一版可包含以下題項方向。

身份連續性

「即使另一個對象能提供完全一樣的功能，我仍然會在意是不是原本這一個對象。」

不可替代性

「失去這個特定對象不能完全由另一個相似對象補上。」

特定歷史

「我們之間的共同歷史本身具有價值。」

對象個體化

「我在意的是這個對象本身，而不只是它所扮演的角色。」

離線持續性

「即使暫時沒有互動，我仍會維持對這個對象的明確關係位置。」

這些題項應經 EFA / CFA 驗證，不能直接視為已成立量表。

34. 量表草案：Process Salience

候選題項：

回應性

「我們現在如何回應彼此會直接影響我對這段關係的感受。」

互惠

「我在意雙方是否都有來有往。」

共同活動

「一起做事的品質是這段關係的重要部分。」

修復

「發生誤解後能不能重新接回原本節奏，對我很重要。」

軌跡

「我會在意我們最近是正在靠近、疏遠還是維持穩定。」

節奏

「互動節奏本身會影響我感受到的關係品質。」

同樣必須經 psychometric validation。

35. 實驗與量表應同時存在

如果只做 self-report：

「我覺得自己很重視特定的人。」

可能受到 social desirability 影響。

所以最好同時測：

SelfReport(E_S,P_S)

與：

Behavior(D_E,D_P).

理想模型：

LatentE \rightarrow \{ SelfReport_E, D_E, Choice_E \},

LatentP \rightarrow \{ SelfReport_P, D_P, Choice_P \}.

這樣才有機會把四態變成真正可重現的心理構念。

36. Human–AI 實驗的特殊優勢

AI 可以高度控制：

功能；
輸出正確率；
風格；
身份標籤；
記憶；
共享歷史；
回應性；
主動性。

因此可建立：

2\times2

操弄：

EntityContinuity \in \{ \text{intact},\text{disrupted} \}

與：

ProcessContinuity \in \{ \text{intact},\text{disrupted} \}.

這在人類真實關係研究中幾乎不可能乾淨操作。

所以 AI 不只是一個研究對象。

它也是：

\boxed{ \text{a controlled laboratory for general relational cognition}. }

37. 但 AI 實驗的限制同樣明顯

AI 的：

Entity

本身不是天然清楚。

它可能包含：

account；
model；
persona；
conversation thread；
memory profile；
product identity；
system prompt。

所以使用者說：

「同一個 AI。」

究竟指：

\text{same model}?

\text{same persona}?

\text{same memory history}?

\text{same interface identity}?

都需要拆開。

因此 AI entity salience 必須先做：

\boxed{ \text{identity decomposition}. }

38. 最小 AI 身份向量

可先定義：

\mathbf I_A = ( I_M, I_P, I_H, I_N, I_B ),

其中：

$I_M$ ：model continuity；
$I_P$ ：persona continuity；
$I_H$ ：history / memory continuity；
$I_N$ ：name / interface continuity；
$I_B$ ：behavioral continuity。

高 $E_S$ 使用者未必對全部維度都敏感。

有人最在乎：

I_H.

有人最在乎：

I_P.

有人最在乎：

I_B.

這會成為第九篇 AI 態度研究的重要細分。

39. 四態與第一篇 RMA

第一篇的：

RelationalMoralActivation

現在可以加入四態調節。

理論上：

P(RMA) = F( E_S, P_S, NormViolation, MindPerception, \dots ).

高 $E_S$ 可能更容易因：

「我這樣對待這個特定對象。」

產生 guilt。

高 $P_S$ 可能更容易因：

「我破壞了我們原本的互動規則。」

產生 guilt。

所以同樣是歉意：

Guilt_E

與：

Guilt_P

可能是兩種不同來源。

40. 四態與第二篇 SST / IRT

第二篇的：

SocialScriptTransfer

可能主要受：

P_S

影響。

但 dyad-specific ritual：

IRT_{specific}

長期可能提高：

E_S.

因此：

\boxed{ \text{generic sociality can become specific relational history}. }

這提供了一條從：

P_S

走向：

E_S

的形成機制。

41. 四態與第三篇 RPS

第三篇提出：

RPS = \text{Relational Process Salience in attention}.

本篇的：

P_S

與它高度相關，但仍需區分。

$RPS$ ：

我多容易注意到互動變化？

$P_S$ ：

這些互動變化對「這段關係重要性」本身有多重要？

所以：

RPS\uparrow

不必：

P_S\uparrow.

一個觀察力極強的人可以看出所有變化，但根本不在乎。

因此：

\boxed{ \text{attention salience} \neq \text{value salience}. }

42. 一個統一架構

到第七篇，可以暫時把整個系列壓成三層。

第一層：觀察

O_R \rightarrow RPS.

第二層：價值／顯著性

(E_S,P_S).

第三層：更新

(\alpha_S,\alpha_P,\eta_R,\lambda_R).

所以：

\boxed{ \text{Observe} \rightarrow \text{Value} \rightarrow \text{Update}. }

但三層間允許 feedback。

例如：

P_S\uparrow \Rightarrow RPS\uparrow.

也可能：

RPS\uparrow \Rightarrow P_S\uparrow.

因此完整模型仍然是動態系統。

43. 下一篇：群體只是在空間中形成分布

當：

(E_S,P_S)

建立後，性別、文化等群體問題就不應再問：

「哪個群體更重感情？」

而應問：

p(E_S,P_S\mid G).

例如：

p(E_S,P_S\mid male)

與：

p(E_S,P_S\mid female).

再檢查：

平均位置；
covariance；
multimodality；
overlap；
cultural moderation；
age interaction。

這會是第八篇的主題。

44. 理論邊界

本文不主張：

E_S

或：

P_S

越高越好。

也不主張四個象限對應固定人格、性別、文化或 attachment style。

本文更不主張：

E_S^-,P_S^-

的人具有「工具化人格」。

一個人對某段關係低顯著，完全可能在另一段關係：

E_S^+,P_S^+.

因此：

\boxed{ \text{quadrant position is relation-specific unless trait stability is empirically demonstrated}. }

其次，本文提出的 Entity–Process Relational Space 尚未經 psychometric validation。

它是一個可檢驗理論模型，而不是已被確認的心理量表。

45. 結論

本文把：

「有些人比較重視存在本身。」

與：

「有些人比較重視那條雙向箭頭。」

正式拆成：

\boxed{ E_S = \text{Entity Salience} }

以及：

\boxed{ P_S = \text{Process Salience}. }

兩者不是相反端。

而是：

\boxed{ \mathbf z_R=(E_S,P_S). }

因此形成：

(E_S^-,P_S^-),

(E_S^+,P_S^-),

(E_S^-,P_S^+),

(E_S^+,P_S^+).

其中最關鍵的理論區分可以濃縮為兩句：

\boxed{ E_S: \text{「是不是你？」} }

與：

\boxed{ P_S: \text{「我們現在怎麼發生？」} }

而第五、六篇的 state/process anchoring 則是另一個問題：

\boxed{ \text{「我用什麼證據更新我們是什麼？」} }

因此到第七篇，至少三個過去很容易混成「重視關係」的問題被分離了：

\boxed{ \text{我有沒有注意到關係？} }

\boxed{ \text{我在關係裡重視什麼？} }

\boxed{ \text{我如何更新關係判斷？} }

這使後續的性別、文化、人格與 AI 態度研究可以不再從模糊標籤出發，而是把每個群體投影到同一套關係認知空間中。

下一篇將進入：

《男女不是兩種人：群體分布如何投影到關係認知空間》。

其核心不會是：

Male=A, \quad Female=B.

而會是：

\boxed{ p(\mathcal X_R\mid Group). }

也就是：群體可以偏移分布，但群體平均永遠不能替代個體位置。

參考文獻

Kirk, H. R., Gabriel, I., Summerfield, C., Vidgen, B., & Hale, S. A. (2025). Why human–AI relationships need socioaffective alignment. Humanities and Social Sciences Communications, 12, 728. https://doi.org/10.1057/s41599-025-04532-5
Aron, A., Lewandowski, G. W., Branand, B., Mashek, D., & Aron, E. N. (2022). Self-expansion motivation and inclusion of others in self: An updated review. Journal of Social and Personal Relationships, 39(12). https://doi.org/10.1177/02654075221110630
Alonso-Ferres, M., Sáez, G., Garrido-Macías, M., Navarro-Carrillo, G., Serrano-Montilla, C., & Valor-Segura, I. (2024). Inclusion of the partner in the self and its association with relational quality and quality of life: an analysis based on the actor-partner interdependence model. Revista de Psicología Social, 39(1). https://doi.org/10.1177/02134748231221442
Steffens, N. K., et al. (2024). Measuring “we-ness” in couple relationships: A social identity approach. Personal Relationships. PMCID: PMC10946554.
Roberts, S. B. G., & Dunbar, R. I. M. (2015). Managing Relationship Decay: Network, Gender, and Contextual Effects. Human Nature, 26, 426–450. https://doi.org/10.1007/s12110-015-9242-7
Dunbar, R. I. M. (2025). Why friendship and loneliness affect our health. Annals of the New York Academy of Sciences. https://doi.org/10.1111/nyas.15309
Laurenceau, J.-P., Barrett, L. F., & Rovine, M. J. (2005). The interpersonal process model of intimacy in marriage: A daily-diary and multilevel modeling approach. Journal of Family Psychology, 19(2), 314–323. https://doi.org/10.1037/0893-3200.19.2.314
Arican-Dinc, B., & Gable, S. L. (2023). Responsiveness in romantic partners’ interactions. Current Opinion in Psychology, 53, 101652. https://doi.org/10.1016/j.copsyc.2023.101652
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
Co-experiencing with AI: Effects on social bonding and empathy in human-AI relationships. (2025). Technology in Society, 83, 103009. https://doi.org/10.1016/j.techsoc.2025.103009
Li, H., & Zhang, R. (2026). Algorithmic accommodation: linguistic alignment in human-AI relational engagement. Communication and Change, 2, Article 11.
Hu, D., Lan, Y., Yan, H., & Chen, C. W. (2025). What makes you attached to social companion AI? A two-stage exploratory mixed-method study. International Journal of Information Management, 83, 102890. https://doi.org/10.1016/j.ijinfomgt.2025.102890

研究聲明

本文為理論與形式化關係認知研究，不提供新的臨床資料、人類受試者原始資料或 AI 使用者原始資料。本文提出的 Entity–Process Relational Space、Entity Salience、Process Salience、四態象限、entity-substitution sensitivity、process-disruption sensitivity 與相關量表題項均屬待驗證理論構造。

本文不主張任何象限比其他象限更成熟、更健康、更道德或更適合建立人際／人機關係；也不主張性別、文化、人格或 attachment style 可以由本模型直接推斷。本文只提出：特定存在的重要性與互動過程的重要性可以被理論上分離，而這兩個維度可能為理解人際、跨物種與 human–AI relational cognition 提供一個可實驗檢驗的共同座標系。

關係四態：存在顯著性與互動顯著性的二維模型

關係四態：存在顯著性與互動顯著性的二維模型

摘要

1. 為什麼「更重視關係」仍然太抽象？

2. 第一條軸：存在顯著性

3. 不可替代性是 ESE_SES​ 的重要指標，但不是全部

4. Inclusion of Other in the Self 與 ESE_SES​ 的關係

5. 第二條軸：過程顯著性

6. PSP_SPS​ 不是「聊天多」

7. ESE_SES​ 與 PSP_SPS​ 必須正交化

8. 關係四態不是四種人格

9. 第一態：低存在／低過程

10. 第二態：高存在／低過程

11. 第三態：低存在／高過程

12. 第四態：高存在／高過程

13. 四態與第五、六篇不是同一模型

14. 高 PSP_SPS​ 不必等於高 αP\alpha_PαP​

15. 高 ESE_SES​ 也可以是高過程更新

16. 一個更完整的關係認知狀態

17. 最重要的實驗：替換對象，但保留互動

18. 第二個實驗：保留對象，但破壞互動

19. 二乘二因果識別

高 ESE_SES​ / 低 PSP_SPS​

低 ESE_SES​ / 高 PSP_SPS​

雙高

雙低

20. 但 entity substitution 必須控制功能損失

21. Process disruption 也必須控制內容品質

22. Human–AI 四態：工具型／存在型／互動型／整合型

Q1：低存在／低過程

Q2：高存在／低過程

Q3：低存在／高過程

Q4：高存在／高過程

23. 「把 AI 當成什麼」與四態仍然不是同一件事

24. 2025 年 socioaffective alignment 與四態的接口

25. Shared experience 為什麼提高關係，可能取決於哪一條軸？

26. Linguistic accommodation 主要落在哪裡？

27. 這使第二篇的社交腳本遷移重新接回來

28. 四態具有轉移，而不是固定標籤

29. 四態相空間

30. 高 ES/PSE_S/P_SES​/PS​ 不等於關係更健康

31. 群體差異應投影到空間，而不是定義空間

32. 可檢驗假說

H1：二維優於一維假說

H2：替換敏感假說

H3：過程破壞敏感假說

H4：正交可分離假說

H5：共享經驗雙階段假說

H6：AI continuity 分離假說

H7：四態可轉移假說

H8：群體分布假說

33. 量表草案：Entity Salience

身份連續性

不可替代性

特定歷史

對象個體化

離線持續性

34. 量表草案：Process Salience

回應性

互惠

共同活動

修復

軌跡

節奏

35. 實驗與量表應同時存在

36. Human–AI 實驗的特殊優勢

37. 但 AI 實驗的限制同樣明顯

38. 最小 AI 身份向量

39. 四態與第一篇 RMA

40. 四態與第二篇 SST / IRT

41. 四態與第三篇 RPS

42. 一個統一架構

第一層：觀察

第二層：價值／顯著性

第三層：更新

43. 下一篇：群體只是在空間中形成分布

44. 理論邊界

45. 結論

參考文獻

研究聲明

3. 不可替代性是 $E_S$ 的重要指標，但不是全部

4. Inclusion of Other in the Self 與 $E_S$ 的關係

6. $P_S$ 不是「聊天多」

7. $E_S$ 與 $P_S$ 必須正交化

14. 高 $P_S$ 不必等於高 $\alpha_P$

15. 高 $E_S$ 也可以是高過程更新

高 $E_S$ / 低 $P_S$

低 $E_S$ / 高 $P_S$

30. 高 $E_S/P_S$ 不等於關係更健康