# 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： 1. 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； 2. 過去的媒介恐慌都沒有事實基礎； 3. 只要一項新科技最後被社會接受，就代表它沒有風險； 4. 所有對新媒介的負面反應都是保守、無知或反科技； 5. AI 情感依賴只是 parasocial relationship 的新名稱； 6. 傳統 parasocial relationship 沒有真實心理後果； 7. AI 的互動性自動證明 AI 具有主體性或對稱情感； 8. 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 1. 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 2. 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 3. *Characterising the Influence of Parasocial Experience on the Media Figures’ Audiences: A Scoping Review*. (2026). 4. Anderson, M. (2015). *6 key takeaways about teen friendships in the digital age*. Pew Research Center. 5. Anderson, M., & Jiang, J. (2018). *Teens, friendships and online groups*. Pew Research Center. 6. Karlsen, F. (2014). *Analysing the history of game controversies*. Proceedings of DiGRA 2014. https://doi.org/10.26503/dl.v2014i1.629 7. 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 8. World Health Organization. (2018). *Inclusion of “gaming disorder” in ICD-11*. 9. World Health Organization. *Gaming disorder*. ICD-11 Questions and Answers. 10. World Health Organization. *New instruments for addictive behaviours*. WHO programme materials distinguishing regular and otherwise healthy gaming behaviours, hazardous gaming and gaming disorder. 11. 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 12. *Moral panic and gaming disorder: focused on the mediation role of negative attitudes toward digital games*. (2025). 13. Hwang, A. H.-C., Li, F., Anthis, J. R., & Noh, H. (2025). *How AI Companionship Develops: Evidence from a Longitudinal Study*. arXiv:2510.10079. 14. 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 15. Skjuve, M., Følstad, A., Fostervold, K. I., & Brandtzaeg, P. B. (2022). *A longitudinal study of human–chatbot relationships*. **International Journal of Human–Computer Studies**. 16. *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 17. 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 18. *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 19. 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. 20. 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. 21. 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. 22. 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： $$ \boxed{ \text{Human--AI dependence is vector-valued}. } $$