随着人工智能（AI）越来越多地融入人类生活，一个悖论出现了：尽管AI被设计成具有人类特征，但用户往往否认其类似人类的特性。这种现象被称为AI去人格化，反映了人们对人工智能代理的这些特性的感知性否认，即使它们表现出高度拟人化的特征。通过这一过程，用户重新确认了人类与AI之间的界限，保持了人类的独特性。
在过去十年中，AI系统在思考、行动和以类似人类的方式互动方面的能力迅速提升（Sourati & Evans, 2023; Strachan et al., 2024; Yin et al., 2024）。通用AI、具身智能和大型语言模型的发展使AI能够模拟类似于人类的推理、适应和交流模式（Bergner et al., 2023; Hoffmann, 2022）。当AI的身份不被披露时，它可能会显得足够像人类，从而引发与人类互动相似的情感联系（Li et al., 2024; Yin et al., 2024）。因此，大量研究表明，用户倾向于通过将类似人类的特性赋予技术代理来拟人化AI（Song et al., 2026; Zhang & Sheng, 2026）。计算机是社会行动者（CASA）范式表明，人们经常像与社交实体互动一样与机器互动（Gambino et al., 2020）。例如，用户为AI代理赋予性别（Eyssel & Hegel, 2012），在与AI的互动中应用群体间过程（Collins et al., 2024; Fraune et al., 2020; Smith et al., 2021），甚至对具有类似人类特征的AI系统施加道德考量（Harris & Anthis, 2021; Ladak et al., 2024a, 2024b）。拟人化还可以引发信任、同情和亲社会反应，尤其是在情感支持或治疗性情境中（David et al., 2022; Ovsyannikova et al., 2025; Pentina et al., 2023; Wang & Krumhuber, 2018）。
以往的研究主要强调了拟人化的益处，而本研究关注的是个体即使在AI表现出类似人类的特性时也会去人格化的这一未被充分探索的逆过程。这种去人格化的感知在各种现实世界情境中都很明显。例如，尽管DeepMind AI已经展示了解决复杂数学问题的能力（Romera-Paredes et al., 2024），用户仍然认为AI缺乏类似人类的直觉理解（Davies et al., 2021）。在医疗保健领域，患者认为AI的诊断是机械的，忽略了个体差异（Longoni et al., 2019）。即使像ChatGPT这样的AI聊天机器人提供了情感支持（Li et al., 2024），用户仍然报告说AI缺乏真正的同情心和情感敏感性（De Freitas et al., 2024; Manoli et al., 2025a）。同样，在客户服务和教育互动中，人们本能地认为AI无法识别微妙的社会或情感线索（Luo et al., 2019; Yin et al., 2024）。最近的一项研究还表明，人们不再将传统计算机视为社交实体（Heyselaar, 2023）。这些例子一致表明，无论AI变得多么拟人化，它仍然被通过去人格化的视角来感知，这是本研究的核心问题。
随着AI在认知、情感和互动中越来越多地承担类似人类的角色，了解人们如何拟人化AI以及他们后来如何拒绝最初赋予它的类似人类的特性非常重要。研究表明，与人类相比，机器人和AI经常被否认具有道德能动性，并被认为缺乏心智或道德价值（Ladak et al., 2024b; Nijssen et al., 2019）。此外，一个AI系统的不道德行为可能会对所有AI的感知产生负面影响，表明人们将AI视为一个缺乏个体能动性的同质实体（Manoli et al., 2025b; Longoni et al., 2023）。虽然以往的研究主要关注人机差异（Holth?wer & van Doorn, 2023; Li et al., 2025; Reich et al., 2023），但随着AI变得更加类似人类，拟人化可以减少这些感知差异（Zhang & Sheng, 2026）。相反，AI去人格化发生在拟人化之后，反映了类似人类设计的一个关键后果。理解这一过程对于揭示尽管技术进步人们如何维持人机界限至关重要（Xiong et al., 2025; Yin et al., 2024）。
在关于人类与AI之间感知差异的研究中，大量工作集中在用户对AI局限性的感知上，通常强调其相对于人类的劣势。在认知领域，AI被认为无法从错误中学习、主动推理或清晰表达其决策逻辑（Cadario et al., 2021; Li & Huang, 2020; Reich et al., 2023）。在情感领域，它被认为缺乏意图和真正的同情心（Garvey et al., 2023; Luo et al., 2019; Yin et al., 2024）。在关系领域，AI被认为缺乏社会能动性，在道德违规方面责任较小，在敏感互动中评判力较低（Bigman et al., 2023; Holth?wer & van Doorn, 2023; Li et al., 2025）。如上所述，拟人化可以通过使AI看起来更像人类来减轻一些感知到的局限性（Zhang & Sheng, 2026）。然而，这些解释仍然不足，因为即使AI表现出这些特性，用户仍然经常拒绝它们。
因此，本研究将去人格化定义为个体拒绝之前在AI中感知到的类似人类特性的过程。这一概念基于一个关键悖论：尽管AI系统的认知、情感和沟通能力现在可以与人类媲美甚至超越人类，而且先进的系统在标准图灵测试中甚至被误认为是人类（Jones et al., 2025），用户仍然倾向于拒绝AI的这些类似人类的特性（Strachan et al., 2024; Yin et al., 2024）。因此，研究去人格化提供了一个前瞻性的视角，以理解人们如何感知和与越来越多地表现出类似人类能力和社交存在感的AI系统建立联系。
本研究采用印象整合理论来考察AI去人格化的维度，重点关注用户如何形成否认AI中类似人类特性的印象。尽管该理论最初是在人与人之间的情境中发展起来的（Kunda & Thagard, 1996; Skowronski & Carlston, 1989），但它为理解对日益拟人化技术的评价提供了一个有用的框架。印象整合理论认为，个体将多种线索（认知、情感和关系）整合成一个对目标的整体印象（Connor et al., 2026; Traast et al., 2024）。随着AI系统越来越多地以类似人类的方式进行推理、交流和互动（Li et al., 2024），用户在评估它们时也应用类似的印象形成过程。这种观点不是假设AI是一个真正的人类社会存在，而是解释了人们如何将多维线索综合成一个整体印象，从而拒绝AI中的类似人类特性，包括认知、情感和关系的去人格化。
本研究有三个关键贡献。首先，它通过识别和概念化一个后续的逆过程——即去人格化——作为在AI身份识别之后拒绝之前感知到的类似人类特性的过程，扩展了拟人化文献。其次，它将关于AI系统在推理、同情心和社会意识方面的零散见解（Bigman et al., 2023; Luo et al., 2019; Reich et al., 2023）整合成一个连贯的认知、情感和关系去人格化类型学。第三，它通过展示用户对AI应用类似的多维印象形成过程来推进印象整合理论（Kunda & Thagard, 1996; Skowronski & Carlston, 1989），从而影响了他们对人工智能代理的态度。
