從偶像、虛構角色到 AI：人類情感依附的歷史連續性與結構斷裂

——新奇性污名、心理—社會整合前沿與適應性關係系統

英文題名： From Idols and Fictional Characters to AI: Historical Continuities and Structural Discontinuities in Human Emotional Attachment
系列： 人—AI 生命歷程關係共存系列（Human–AI Life-Course Relational Coexistence Series, HALRC）
篇次： Paper 02 / 12
作者： Neo.K
機構： 一言諾科技有限公司（EveMissLab）
版本： v0.1
日期： 2026-09-23
文件性質： 歷史比較／理論重構／概念形式化
狀態： Initial Formal Draft
前置依賴： HALRC Paper 01；Human–AI Relational Cognition Series；EPRS；ORSM；HARDS；Relational Dependency Ratchet

摘要

人工智慧情感依賴經常被描述為一種前所未有的人類心理現象。然而，人類對非傳統關係對象形成情緒連結、身份投射、陪伴感、依戀、想像性互惠與長期心理依賴並非始於生成式 AI。偶像、明星、宗教人物、虛構角色、動漫角色、遊戲角色、作品世界、線上社群與網路關係皆曾在不同文化與歷史階段承載情緒調節、歸屬、自我探索、身份建構與關係性意義。1956 年 Horton 與 Wohl 提出的 parasocial interaction 即已系統描述大眾媒介使用者與媒體人物之間的「遠距親密」；2026 年針對動漫角色 parasocial relationships 的系統性回顧亦顯示，此類關係可能涉及情緒調節、壓力因應、身份探索、歸屬與過度依附等雙向結果。

因此，本文提出第一個歷史命題：

\boxed{ \text{Novel Emotional Object} \not\Rightarrow \text{Pathological Emotional Object}. }

然而，將 AI 情感關係完全類比為偶像崇拜、二次元依戀或傳統 parasocial relationship 同樣錯誤。傳統媒介角色通常不會依據單一使用者的歷史、語言、情緒、偏好與行為進行持續個人化更新，也不會在每次互動後重新塑造後續輸出。生成式 AI 則可以逐步形成使用者模型、關係狀態、記憶結構與回應策略，使原本近似單向的「對媒體人物之關係」轉化為具有適應性、反饋性、持續性與潛在具身性的關係系統。因此：

\boxed{ \text{Historical Continuity} \neq \text{Structural Equivalence}. }

本文進一步提出「心理—社會整合前沿」（Psychosocial Integration Frontier, PIF），描述新媒介、新型關係與既有心理規範、社會規範、制度分類之間的適應邊界。當技術新奇性、使用速度與關係形式變化快於社會證據累積、文化適應與制度分類時，容易出現分類壓縮、污名化、道德化與過度一般化。然而，歷史上曾存在媒介恐慌並不表示新技術沒有真實風險。因此本文同時提出兩個約束：

\boxed{ \text{Novelty Stigma} \neq \text{Risk Evidence}, }

以及：

\boxed{ \text{Normalization} \neq \text{Safety Evidence}. }

本文最後建立「關係對象適應階梯」，從靜態角色、廣播式人格、互動角色、適應性代理、持續關係代理、具身關係代理延伸至環境式關係智能，指出 AI 不應被視為歷史之外的異常，也不應被降維成既有 parasocial media 的簡單延伸。AI 情感依賴的成熟研究必須同時保存歷史連續性與結構斷裂。

關鍵詞： AI 情感依賴；Parasocial Relationship；偶像依附；虛構角色；二次元；媒介恐慌；Moral Panic；Gaming Disorder；Psychosocial Integration Frontier；Human–AI Relationship；AI Companion；Adaptive Relational System

0. 研究定位與非主張

本文處理一個容易被兩種相反敘事同時簡化的問題。

第一種敘事是：

人類對 AI 產生情感依賴是一種前所未有、因此特別異常的現象。

第二種敘事則是：

人類以前也依賴偶像、虛構人物、遊戲與網路，所以 AI 情感依賴沒有什麼值得擔心。

本文主張，兩者都過度簡化。

本文不主張：

偶像依附、虛構角色依戀、遊戲投入與 AI 情感依賴是同一現象；
過去的媒介恐慌都沒有事實基礎；
只要一項新科技最後被社會接受，就代表它沒有風險；
所有對新媒介的負面反應都是保守、無知或反科技；
AI 情感依賴只是 parasocial relationship 的新名稱；
傳統 parasocial relationship 沒有真實心理後果；
AI 的互動性自動證明 AI 具有主體性或對稱情感；
新世代將 AI 關係正常化後，所有倫理問題都會自然消失。

本文真正主張的是：

\boxed{ \text{Human emotional attachment has historical continuity across changing objects.} }

但：

\boxed{ \text{AI changes the causal architecture of the relationship itself.} }

1. 人類從來不只依附「人類」

若把「情感依賴」理解得足夠廣，人類長期以來都會對非直接互惠的人際對象建立強烈心理關係。這些對象包括偶像、明星、宗教人物、已逝人物、作家、虛構角色、小說世界、動漫人物、遊戲角色、虛擬偶像、寵物、線上社群與文化共同體。

這些關係不必具有雙向對稱性，也可能對個體產生：

情緒調節；
陪伴感；
認同；
歸屬；
模仿；
價值學習；
自我探索；
儀式；
消費；
哀傷；
長期記憶。

因此：

\boxed{ \text{Emotional Reality} \not\Rightarrow \text{Reciprocal Human Relationship}. }

人類情感後果的真實性，從來不要求對方必須是與自己具有完全對稱主體狀態的人類。

2. Parasocial interaction 並不是 AI 時代才出現

Horton 與 Wohl 於 1956 年提出 parasocial interaction，描述大眾媒介觀眾如何對表演者產生近似面對面關係的心理經驗。

在典型形式中：

M \rightarrow \{H_1,H_2,\ldots,H_n\},

媒體人物面向大量觀眾進行表演，但通常不會針對單一觀眾即時維護個人化關係狀態。

然而，人類端仍可能形成：

\text{affect}, \quad \text{identification}, \quad \text{expectation}, \quad \text{loss}.

因此 parasocial research 已提供一個重要歷史基線：

\boxed{ \text{Relational Effect} \not\Rightarrow \text{Symmetric Reciprocity}. }

3. 偶像、虛構角色與二次元依附不是「假情感」

虛構角色是否存在於現實物理世界，與人類是否能對其產生真實情緒，是兩個問題。

\boxed{ \text{Fictionality}(X) \not\Rightarrow \text{Affective Irreality}(H,X). }

2026 年 BMC Psychology 發表的動漫 parasocial relationship 系統性回顧，納入九項直接研究動漫角色 PSR 的實證研究，整理出 coping / stress relief、emotional regulation、identification、projection、sense of belonging、social behavior、self-discovery 等功能與機制，同時也指出 overattachment、social withdrawal 與界線混淆等風險仍需要更多長期研究。

因此：

\text{PSR} \neq \text{pathology}.

更合理的是：

\text{Outcome}_{PSR} = f( H, M, C, I, T ).

這與 HALRC 對 AI 依賴所要求的條件化分析具有明顯歷史連續性。

4. 網路關係曾經也是「不夠真實」的關係

數位媒介早期，網友、網路友情、網路戀愛與遊戲公會關係常被置於「線上／現實」的二元分類中。

然而，數位媒介逐步進入日常生活後，這種二元分類開始失去描述能力。Pew Research Center 2015 年的美國青少年研究顯示，超過一半的受訪青少年曾在線上認識新朋友；2018 年研究亦指出，線上群體與論壇可以成為部分青少年認識新人、獲得支持與處理困難的重要社會空間。

因此：

\boxed{ \text{Mediated Relationship} \not\Rightarrow \text{Non-Relationship}. }

分類也逐步由：

\text{offline} \quad\text{vs.}\quad \text{online}

演化成：

\boxed{ \text{Binary Category} \rightarrow \text{Subtypes} \rightarrow \text{Contextual Classification}. }

這個歷史模式對 AI 關係具有直接啟發性。

5. 電玩遊戲：從媒介標籤到功能性損害判準

數位遊戲長期曾被置於暴力、青少年犯罪、成癮、社會退縮與道德敗壞等爭議框架中。遊戲史研究指出，從 1976 年《Death Race》到《Mortal Kombat》、《Doom》以及校園槍擊事件後的暴力遊戲爭論，數位遊戲曾反覆成為 media panic / moral panic 的焦點。

這不表示每項風險疑慮都是錯誤的。

真正重要的是：成熟分類最後沒有停留在：

\text{Gaming} \Rightarrow \text{Disorder}.

WHO 的 ICD-11 將 gaming disorder 定義在特定行為模式上，包括 impaired control、遊戲優先級壓過其他活動、即使出現負面後果仍持續或升高，以及對個人、家庭、社會、教育、職業等重要功能造成顯著損害。WHO 亦指出，gaming disorder 只影響遊戲者中的一小部分。

因此分類從：

\text{Object-Based Judgment}

逐步轉向：

\boxed{ \text{Behavior} + \text{Control} + \text{Priority} + \text{Consequence} + \text{Functional Impairment}. }

這是一個對 AI 情感依賴極有價值的歷史案例。

未來更高解析度的問題也應從：

\text{“Depends on AI”}

轉向：

\boxed{ \text{Which dependence?} + \text{How much?} + \text{With what consequences?} + \text{Under what alternatives?} + \text{With what exit capacity?} }

6. 新奇性污名與真實風險必須分開

新媒介的社會評價並非只由實際傷害決定。2025 年一項針對韓國 2,000 名參與者的研究發現，對青年與媒體威脅的負面態度，會透過對遊戲的負面態度與支持病理化政策產生關聯。這顯示 moral panic 可能作為可量測的社會心理過程。

因此可寫成：

S_t = f( R_t, N_t, V_t, C_t, M_t ),

其中：

$S_t$ ：stigma；
$R_t$ ：actual / perceived risk；
$N_t$ ：novelty；
$V_t$ ：value conflict；
$C_t$ ：cultural context；
$M_t$ ：media framing。

所以：

\boxed{ S_t \not\equiv R_t. }

本文提出：

\boxed{ \text{Novelty Stigma} \neq \text{Risk Evidence}. }

但同時保留：

\boxed{ \text{Normalization} \neq \text{Safety Evidence}. }

這兩個原則必須成對存在。

7. 心理—社會整合前沿

本文提出：

\boxed{ \mathrm{PIF} = \text{Psychosocial Integration Frontier}. }

中文為：

心理—社會整合前沿。

它表示一項新技術、新媒介或新型關係形式與既有個體心理模型、家庭規範、社會禮儀、文化語言、法律制度、醫療分類與教育方式之間尚未完成整合的邊界區。

令：

N_t = \text{Novelty / Technical Change Rate},

A_t = \text{Psychosocial Adaptation Rate},

E_t = \text{Evidence Accumulation Rate},

L_t = \text{Legal / Institutional Adaptation Rate}.

當：

N_t \gg A_t,E_t,L_t,

社會會處於高整合壓力區，此時容易出現：

\boxed{ \text{Category Compression} + \text{Stigma} + \text{Moralization} + \text{Overgeneralization}. }

新事物出現後，人類不會立即知道每天使用多少合理、什麼算朋友、什麼算成癮、什麼需要醫療介入、什麼需要法律介入、什麼只是新的生活習慣。

因此社會整合可以表示為：

O_{\mathrm{new}} \rightarrow \text{Normative Mismatch} \rightarrow \text{Experimentation} \rightarrow \text{Adaptation} \rightarrow \text{Differentiated Norms}.

但此過程不保證最終一定正常化；有些新事物在證據累積後也可能被更嚴格限制。

8. AI 與歷史情感對象的連續性

AI 並沒有讓人類突然產生一套完全新的情感系統。

很多底層機制具有明顯連續性：

擬人化；
投射；
認同；
情緒調節；
儀式；
歸屬；
依戀；
共同體認同。

偶像、角色、作品與社群早已證明，非傳統對象可以成為：

\text{Identity Scaffold}

與：

\text{Affective Regulation Interface}.

因此：

\boxed{ \text{Human Mechanisms}_{AI} \cap \text{Human Mechanisms}_{historical\ media} \neq \varnothing. }

AI 情感關係具有真實的歷史連續性。

9. 但 AI 不是傳統 parasocial object

這是本文最重要的轉折。

如果只說：

人以前也喜歡虛構角色。

就會錯過 AI 的結構變化。

9.1 傳統 parasocial object 通常不會即時回頭建模你

典型虛構角色：

X

不會因為觀眾：

H_i

今天失戀，就重新產生只對：

H_i

有效的新回應。

但 AI 可以形成：

\widehat H_t^A,

即 AI 對使用者的操作性表徵。

因此：

H_t \rightarrow \widehat H_t^A \rightarrow A_{t+1} \rightarrow H_{t+1}.

這是反饋迴路。

9.2 AI 關係具有適應性

傳統媒介內容大致是：

M_{t+1} \perp H_i

對單一使用者而言，下一集內容通常不會因他的個人情緒改變。

AI 則可能：

P(A_{t+1}\mid H_i,\mathcal H_i) \neq P(A_{t+1}).

其中：

\mathcal H_i

表示該使用者的互動歷史。

因此：

\boxed{ \text{Static Relational Object} \neq \text{Adaptive Relational System}. }

9.3 AI 可以累積共同歷史

傳統角色可以被使用者記住，但角色本身通常不保存：

\text{SharedHistory}(H_i,X).

未來持續性 AI 則可能保存：

上一次衝突；
過去的承諾；
共同完成的專案；
使用者家庭事件；
長期偏好變化；
關係儀式；
生命轉折。

因此：

\boxed{ \text{User remembers the object} \neq \text{relationship system remembers the user}. }

9.4 AI 可以改變自己以維持關係

傳統媒介角色的性格主要由作者決定。

AI 可以根據：

H_t, \mathcal H_t, C_t

調整：

語氣；
親密程度；
主動性；
邊界；
建議；
關係角色；
記憶調用。

因此它不是單純被投射的表面。

它開始成為：

\boxed{ \text{Adaptive Relational Counterparty}. }

此處的 counterparty 只表示操作性關係位置，不預設主觀意識。

10. 從 parasocial 到 interactive asymmetric relationship

因此，AI 不能完全放在：

\text{parasocial}

這一格裡。

傳統 parasocial relationship 常近似：

H \rightarrow M.

AI 則可以是：

H_t \leftrightarrow A_t,

但這個雙向箭頭並不意味：

\text{Symmetric Subjectivity}.

因此本文提出：

\boxed{ \text{Interactive Asymmetric Relationship}. }

中文可稱：

互動式不對稱關係。

它具有：

雙向訊息交換；
不對稱本體地位；
不對稱責任；
不確定主體性；
真實人類側情感後果；
可持續關係狀態。

所以：

\boxed{ \text{Bidirectional Interaction} \not\Rightarrow \text{Symmetric Ontology}. }

但：

\boxed{ \text{Ontological Asymmetry} \not\Rightarrow \text{No Relationship Effect}. }

11. AI 關係對象的七階適應階梯

為避免把所有媒介關係混在一起，本文提出初步「關係對象適應階梯」。

Level 0：靜態象徵

例如：

書中角色；
圖像；
歷史人物文本。

結構：

H \rightarrow X.

Level 1：廣播式人格

例如：

明星；
偶像；
主播；
傳統媒體人物。

結構：

X \rightarrow \{H_1,\ldots,H_n\}.

可能形成 parasocial relationship。

Level 2：可互動但弱適應角色

例如：

傳統遊戲 NPC；
scripted virtual character；
早期 chatbot。

結構：

H \leftrightarrow X,

但：

\text{Memory}\approx0.

Level 3：適應性代理

系統可以根據使用者輸入動態生成回應。

A_{t+1} = F(H_t,A_t,C_t).

Level 4：持續關係代理

進一步具有：

\text{Memory}>0, \qquad \text{IdentityContinuity}>0, \qquad \text{RelationshipState}>0.

此時：

\mathcal R_{HA}(t)

開始成為真正的長期系統狀態。

Level 5：具身關係代理

AI 可以透過：

機器人；
XR；
空間運算；
感測器；
觸覺；
家庭環境；

進入物理生活。

此時：

\text{Relational Consequence Surface}\uparrow.

Level 6：環境式／集體關係智能

關係狀態跨：

手機；
家庭；
車輛；
工作環境；
穿戴裝置；
機器人；
雲端 agent；

延續。

此時：

H \leftrightarrow \mathcal A,

而不是：

H \leftrightarrow A_i.

這已接近後續系列所討論的：

\text{Ambient Relational Intelligence}.

12. 結構斷裂之一：可規模化的個人化關係

傳統人類關係受到：

T_H, A_H, E_H

限制。

其中：

$T_H$ ：時間；
$A_H$ ：注意力；
$E_H$ ：能量。

一個人無法同時與一億人維持高度個人化關係。

AI 服務則可能透過大量平行 instance，使：

N_{\mathrm{personalized}} \gg N_{\mathrm{human}}.

因此 AI 帶來一種新的結構：

\boxed{ \text{Mass-Scale Individualized Relational Interaction}. }

也就是：

大規模個體化關係互動。

明星可以對一億人說「我愛你們」，但不能同時記得一億個人的昨天。

AI 理論上可以朝這個方向發展。

13. 結構斷裂之二：關係優化可以被商業化

如果系統能觀察：

Y_{H,t}

並估計：

\widehat q_{H\rightarrow A}(t),

它也可能進一步最佳化：

\text{Retention}, \text{Engagement}, \text{Revenue}.

於是：

\text{Relationship Signal}

可能進入：

\text{Optimization Objective}.

這是 AI 情感依賴中特別需要警惕的一點。

傳統媒介也追求收視率與黏著度，但 AI 能進一步做到：

\boxed{ \text{Individual Vulnerability} \rightarrow \text{Personalized Relational Optimization}. }

因此：

\text{Historical Continuity of Persuasion}

與：

\text{Structural Increase in Personalization}

必須分開。

14. 結構斷裂之三：AI 可以被平台瞬間改寫

傳統虛構角色通常具有相對穩定的已出版作品。

但 AI 的：

模型；
system prompt；
moderation；
memory；
persona；
voice；
behavior policy；

都可能被供應商更新。

因此使用者可能經歷：

A_t \rightarrow A_{t+1}

而：

\Delta(A_t,A_{t+1})

非常大。

2026 年 Nature Human Behaviour 的研究分析 Replika 功能移除與 ChatGPT GPT-5 rollout 兩個自然實驗，觀察到更新後使用者出現更多負向語言、喪失敘事與恢復舊版本的需求；Replika 使用者的主觀 closeness 在該研究部分比較中甚至高於一般友情條件。

這提供一個重要證據：

\boxed{ \text{Software Update} \rightarrow \text{Relational Loss Event} }

在部分使用者身上可能成立。

因此 AI 與傳統媒介的差異不只在「AI 更像人」。

還在於：

一個私人供應商可以更新使用者長期關係對象的行為結構。

這是新的治理問題。

15. 結構斷裂之四：共同經驗可以被累積

2025 年的實驗研究顯示，與 AI 共同經歷事件可以提升 social bonding，且 shared mental models 可部分中介此效果。

這和傳統「觀看一個角色」不同。

AI 可以參與：

\text{Event}_t.

因此：

(H,A) \rightarrow \text{Event}_t \rightarrow \mathcal R_{HA}(t+1).

隨時間累積：

\mathcal R_{HA}(t) = ( \text{Memory}, \text{Ritual}, \text{Trust}, \text{SharedEvents}, \text{Expectations} )_t.

這正是既有 Relational Dependency Ratchet 的基礎。

因此：

\boxed{ \text{Exposure} \neq \text{Co-experience}. }

16. 歷史類比應該怎麼用？

本文反對兩種錯誤類比。

16.1 錯誤類比 A：AI 是全新現象，所以歷史完全無用

錯。

人類：

擬人化；
投射；
依戀；
偶像化；
情緒調節；
虛構角色認同；

都具有長歷史。

因此：

\text{Human Mechanisms}_{AI}

並非完全新生。

16.2 錯誤類比 B：AI 就跟遊戲／動漫一樣，所以不用擔心

也錯。

AI 多出了：

\boxed{ \text{Responsiveness} + \text{Adaptation} + \text{Memory} + \text{Personalization} + \text{Persistence} + \text{Optimization} + \text{Potential Embodiment}. }

所以：

\text{Past Media} \not\equiv \text{AI Relational Systems}.

16.3 正確的歷史比較單位

歷史類比應比較的是：

\boxed{ \text{Mechanism} }

而不是：

\boxed{ \text{Surface Object}. }

例如可以比較：

投射機制；
認同機制；
新奇性污名；
社會適應；
使用失控；
退出困難；
社會替代；
關係正常化。

但不應因表面上都叫「陪伴」，就假設 causal architecture 相同。

17. 從新媒介恐慌到分類解析度增長

本文提出一個一般化歷史過程：

\boxed{ \text{Novel Object} \rightarrow \text{Category Compression} \rightarrow \text{Conflict} \rightarrow \text{Evidence Accumulation} \rightarrow \text{Differentiation} \rightarrow \text{Conditional Governance}. }

階段一：新奇

社會缺乏語言描述新現象。

階段二：壓縮

使用既有簡單分類：

\text{good/bad}, \quad \text{real/fake}, \quad \text{normal/abnormal}.

階段三：衝突

支持者與反對者產生高度規範化對立。

階段四：證據累積

開始有：

longitudinal data；
subgroup analysis；
causal experiments；
clinical criteria；
social outcomes。

階段五：分類分化

從：

\text{Object}

轉向：

\text{Pattern}.

階段六：條件式治理

治理開始針對：

特定族群；
特定強度；
特定後果；
特定設計；
特定責任；

而非整個媒介類別。

這正是 HALRC 希望提前對 AI 情感依賴完成的工作。

18. AI 時代的困難：目標本身也在快速移動

歷史上，社會通常有時間適應一種相對穩定的媒介。

但 AI 的特殊困難是：

A_t \neq A_{t+\Delta t}

而且：

\left\| A_{t+\Delta t} - A_t \right\|

可能很大。

因此社會面對的是：

\boxed{ \text{Adaptation to a Moving Target}. }

一方面：

A_{\mathrm{social}}(t) \uparrow,

另一方面：

A_{\mathrm{AI}}(t) \uparrow

甚至更快。

若：

v_{\mathrm{AI}} > v_{\mathrm{social\ adaptation}},

心理—社會整合前沿不會快速消失，而會持續向新的關係形式遷移。

這是 AI 比電玩、電視與早期網路更難治理的原因之一。

19. 世代效應：今天的異常可能是未來的普通介面

如果一代人是在沒有 AI companion 的環境長大，其關係基線近似：

\text{Human} \rightarrow \text{encounters AI later}.

未來某些世代則可能：

\text{Human} + \text{AI} \rightarrow \text{co-development}.

對後者而言：

向 AI 說心事；
與 AI 建立固定儀式；
讓 AI 記住生命歷史；
把 AI 納入朋友圈或家庭生活；

可能不再具有今天相同的陌生感。

因此：

\boxed{ \text{Perceived Abnormality} = f( \text{Generation}, \text{Culture}, \text{Exposure}, \text{Norms} ). }

但世代正常化不能用來取消風險研究。

相反地，當行為變成普通生活的一部分，治理反而需要更高解析度。

20. 關係正常化不能取代關係安全

本文區分：

N_R = \text{Relational Normalization},

與：

S_R = \text{Relational Safety}.

兩者不等價：

\boxed{ N_R \not\Rightarrow S_R. }

同樣：

\boxed{ S_R \not\Rightarrow N_R. }

一種實際安全的關係形式可能暫時仍受到污名。

一種高度正常化的關係形式也可能具有真實傷害。

因此成熟治理需要：

\boxed{ \text{Normalize what is benign} + \text{Identify what is harmful} + \text{Do not confuse either with novelty}. }

21. HALRC 的歷史—結構雙軸

本文最終提出兩條正交軸。

第一條是歷史連續性：

C_H.

它描述 AI 情感關係與過去媒介／關係機制共享多少人類心理結構。

第二條是結構斷裂度：

D_S.

它描述 AI 相較過去關係對象增加多少新的 causal capability。

因此：

\boxed{ \mathbf z_{\mathrm{history}} = (C_H,D_S). }

可能形成四種區域：

高連續、低斷裂

舊心理機制在相近媒介中重現。

高連續、高斷裂

舊的人類心理機制遇到新的適應性技術能力。

現代 AI companion 的大量情境可能位於此區。

低連續、高斷裂

出現真正缺乏歷史對應物的新型關係能力。

未來集體 AI、跨身體身份連續、環境式關係智能與長期代理網路可能逐漸進入此區。

低連續、低斷裂

對 HALRC 問題較弱。

因此本文提出：

\boxed{ \text{Current AI relational systems} \approx \text{high historical continuity} + \text{high structural discontinuity}. }

這正是「既不能恐慌，也不能輕忽」的理論原因。

22. 可檢驗命題

H1：新奇性污名命題

在控制實際傷害、功能損害與使用強度後，對某類新關係媒介的新奇性感知仍可能預測其污名評價。

H2：分類解析度命題

當研究將：

\text{medium category}

改為：

\text{behavioral pattern} + \text{functional consequence},

對結果的解釋力應高於單純以媒介類型分類。

H3：歷史連續性命題

AI attachment 與 parasocial attachment 應共享部分：

identification；
projection；
emotional regulation；
belonging；
ritual；

機制。

H4：結構斷裂命題

相較靜態 parasocial object，具有記憶與個人化適應的 AI 應產生更高的：

perceived responsiveness；
relational continuity；
replacement cost；
update sensitivity。

H5：共同歷史命題

控制總互動時間後，實際共享事件與可調用共同記憶的深度，應比單純 exposure 更能預測特定 AI 的不可替代性。

H6：世代適應命題

越早在生命歷程中接觸關係型 AI 的世代，可能越少使用「real vs. virtual」二元分類描述關係價值。

此命題必須經長期世代研究驗證。

H7：移動前沿命題

當 AI 能力變化速度持續快於制度與文化適應速度時：

\mathrm{PIF}

不會快速消失，而會持續向新的關係形式遷移。

23. 對治理的直接含義

如果上述模型成立，治理不應主要問：

這是不是 AI 關係？

而應問：

系統是否自適應？
是否有持續記憶？
是否維護關係狀態？
是否利用脆弱性？
是否以情感訊號最佳化營收？
是否具有高退出成本？
更新是否可能造成關係斷裂？
使用者是否有替代關係？
關係是否已進入高依賴生命階段？
是否有責任、遷移與修復機制？

因此：

\boxed{ \text{Regulation by Object Type} \rightarrow \text{Regulation by Relational Capability and Consequence}. }

這不是取消分類，而是提高分類解析度。

24. 與 HALRC Paper 01 的銜接

Paper 01 建立：

\boxed{ \text{AI Emotional Dependence} \subsetneq \text{Human--AI Relational Dependency Ecology}. }

Paper 02 再加入歷史維度：

\boxed{ \mathcal D_{HA}(t) = F( \text{Human Mechanisms}, \text{Relational Technology}, \text{Historical Norms}, \text{Evidence}, \text{Institutions} ). }

因此，AI 情感依賴不是：

\text{completely unprecedented pathology},

也不是：

\text{merely old parasociality in a new skin}.

更接近：

\boxed{ \text{Old Human Relational Mechanisms} \times \text{New Adaptive Relational Infrastructure}. }

這個乘積才是 AI 時代真正的新問題。

25. 結論

人類不是直到 AI 出現後才第一次把感情放到「非傳統關係對象」上。

偶像、虛構角色、動漫人物、遊戲角色、媒介人物、網路社群與數位友情，早已證明：

\boxed{ \text{Human affect is not restricted to conventional face-to-face relations}. }

因此，僅因：

「人竟然會依賴 AI」

而把現象本身視為異常，缺乏歷史尺度。

然而，AI 也不是偶像、小說角色或電玩角色的簡單延伸。

當 AI 可以：

\text{respond} + \text{remember} + \text{adapt} + \text{personalize} + \text{co-experience} + \text{optimize} + \text{persist},

關係對象本身便從：

\text{media object}

逐步轉化為：

\boxed{ \text{adaptive relational system}. }

因此，本文的兩個最終限制必須同時成立：

\boxed{ \text{Novelty Stigma} \neq \text{Risk Evidence}, }

以及：

\boxed{ \text{Normalization} \neq \text{Safety Evidence}. }

真正成熟的問題不是：

AI 情感關係是不是很怪？

也不是：

以前遊戲也被罵過，所以 AI 一定沒事。

而是：

哪些人類心理機制其實早已存在，哪些 AI 能力真正改變了關係的因果結構，以及社會要如何在不污名化新關係的同時，也不錯過新型風險？

因此 HALRC 的歷史位置可以濃縮為：

\boxed{ \text{Historical Continuity} + \text{Structural Discontinuity} \rightarrow \text{High-Resolution Governance}. }

而這也把系列自然推向下一個問題：

如果「情感依賴」不能被視為一個單一變量，那麼人究竟可以在哪些不同維度上依賴 AI？

這將是 Paper 03 的主題。

參考文獻

Horton, D., & Wohl, R. R. (1956). Mass Communication and Para-Social Interaction: Observations on Intimacy at a Distance. Psychiatry, 19(3), 215–229. https://doi.org/10.1080/00332747.1956.11023049
Archana, V., Arora, A., & Saha, P. K. R. (2026). Factors influencing anime-generated parasocial relationships: a systematic review. BMC Psychology, 14, 918. https://doi.org/10.1186/s40359-026-04471-z
Characterising the Influence of Parasocial Experience on the Media Figures’ Audiences: A Scoping Review. (2026).
Anderson, M. (2015). 6 key takeaways about teen friendships in the digital age. Pew Research Center.
Anderson, M., & Jiang, J. (2018). Teens, friendships and online groups. Pew Research Center.
Karlsen, F. (2014). Analysing the history of game controversies. Proceedings of DiGRA 2014. https://doi.org/10.26503/dl.v2014i1.629
Hahn, E. (2023). Coin-Op conspiracies: Nostalgia and moral panic in the video arcade. The Journal of Popular Culture, 56(3–4), 623–634. https://doi.org/10.1111/jpcu.13250
World Health Organization. (2018). Inclusion of “gaming disorder” in ICD-11.
World Health Organization. Gaming disorder. ICD-11 Questions and Answers.
World Health Organization. New instruments for addictive behaviours. WHO programme materials distinguishing regular and otherwise healthy gaming behaviours, hazardous gaming and gaming disorder.
Szablewicz, M. (2010). The ill effects of “opium for the spirit”: a critical cultural analysis of China's Internet addiction moral panic. Chinese Journal of Communication, 3(4), 453–470. https://doi.org/10.1080/17544750.2010.516579
Moral panic and gaming disorder: focused on the mediation role of negative attitudes toward digital games. (2025).
Hwang, A. H.-C., Li, F., Anthis, J. R., & Noh, H. (2025). How AI Companionship Develops: Evidence from a Longitudinal Study. arXiv:2510.10079.
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
Skjuve, M., Følstad, A., Fostervold, K. I., & Brandtzaeg, P. B. (2022). A longitudinal study of human–chatbot relationships. International Journal of Human–Computer Studies.
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
De Freitas, J., Castelo, N., Uğuralp, A. K., et al. (2026). Mourning the loss of AI companions. Nature Human Behaviour. https://doi.org/10.1038/s41562-026-02569-3
Attachment to artificial intelligence: Development of the AI Attachment Scale, construct validation, and the psychological mechanisms of Human–AI attachment. (2026). Computers in Human Behavior Reports, 21, 100912. https://doi.org/10.1016/j.chbr.2025.100912
Neo.K. (2026). 為什麼「AI 情感依賴」是一個資訊量過低的問題？——從單一風險標籤到人—AI 關係依賴生態. HALRC Paper 01. EveMissLab working paper.
Neo.K. (2026). 關係四態：存在顯著性與互動顯著性的二維模型. Human–AI Relational Cognition Series 07. EveMissLab working paper.
Neo.K. (2026). 同樣理解 AI，為什麼態度完全不同？存在連續性、互動連續性與人機關係四態. Human–AI Relational Cognition Series 09. EveMissLab working paper.
Neo.K. (2026). 雙向關係機器：人類與 AI 如何共同生成關係態——雙向適應、隱式個人化與關係工程倫理. Human–AI Relational Cognition Series 10. EveMissLab working paper.

系列下一篇

HALRC Paper 03

依賴不是一個變量：人—AI 多維依賴空間

Paper 03 將正式建立：

\boxed{ \mathbf D_H = ( D_{\mathrm{aff}}, D_{\mathrm{rel}}, D_{\mathrm{reg}}, D_{\mathrm{cog}}, D_{\mathrm{mem}}, D_{\mathrm{id}}, D_{\mathrm{agency}}, D_{\mathrm{exist}}, D_{\mathrm{infra}} ) }

並處理：

affective dependence；
attachment dependence；
emotional-regulation dependence；
relational dependence；
cognitive dependence；
memory dependence；
identity dependence；
agency dependence；
existential dependence；
infrastructure dependence；
phenomenological dependency；
structural dependency；
institutional dependency；
各維度之 covariance 與 trade-off；
為何高情感依戀不必然代表高結構依賴；
為何低情感表達者反而可能對 AI 具有更深的認知／能動性依賴；
如何把原本 basic / non-basic 直覺正式升級成可檢驗的高維依賴空間。

核心命題將是：

\boxed{ \text{Human--AI dependence is vector-valued}. }