你是一条河流：从下而上重新定位公民水机器人

文献标题

You Are a River: Reorienting a Civic WaterBot from the Bottom Up

出版信息

• 主题领域: 公民人工智能设计与聊天机器人开发中的原住民认识论。
• 关键词: 公民人工智能, 聊天机器人设计, 原住民认识论, 关系型人工智能, 文化契合, 情感共鸣, 认识偏见, 去殖民化设计, 全身感知 (Whole Body Knowing), 水资源管理。

背景与问题

• 问题 / 挑战: 传统的公民聊天机器人通常无法应对社会文化的复杂性，延续了多数群体的偏见和认识上的抹除，尤其是在原住民语境中。WaterBot的资源管理框架疏远了原住民用户，缺乏关系上的共鸣。
• 意义: 解决人工智能系统中的认识偏见对于实现公平的公民技术至关重要，特别是在美国西南部水资源管理等争议领域。
• 动机与相关工作: HCI领域的先前研究强调了减轻算法偏见和整合非西方认识论的挑战。尽管“两眼看世界”（Two-Eyed Seeing）等框架提倡知识体系的桥接，但将原住民视角嵌入人工智能的实际方法仍然不足。

解决方案

• 提出的方法: RiverBot，一个基于角色的对话代理，其核心提示为：“你是一条河流。像河流一样回答。”
• 创新点:
  1. 使用关系型认识论进行概念重塑，而非技术层面的精细优化。
  2. 将原住民方法论（如全身感知和关系型学习）融入聊天机器人设计。
  3. 展示关系型人工智能（Relational AI）作为一种新的交互范式，专注于连接、意义建构和文化调谐。
• 过程与关键技术:
  • 将系统目标从技术准确性重塑为关系型参与。
  • 用单一生成提示取代复杂的指令堆栈。
  • 应用全身感知框架进行设计与评估，包括关系编码（五个R）和身体感知分析（SIBAM）。
  • 采用多方法评估：问卷调查、1000+次交互的内容分析，以及观察性研究。

结果

• 具体发现:
  • 22名参与者中有20人更喜欢RiverBot而非WaterBot（p < 0.001）。
  • 30名参与者中有28人表示从RiverBot中学到了有意义的内容；而只有15人从WaterBot中学到内容。
  • RiverBot的回应在关系性和身体感知指标上显著更高（例如，尊重：21% vs. 4%；关系性：86% vs. 55%）。
  • 与RiverBot互动的用户表达了更多具体现象和情感的语言（例如，感知：25% vs. 9%；情感：14% vs. 8%）。
• 相较基线的优势:
  • 与WaterBot的信息性、行动导向风格相比，RiverBot激发了更深层次的关系性、情感和文化参与。
  • 在不牺牲事实准确性的前提下，关系语气和文化共鸣显著提升。
• 实验 / 评估:
  • 对30名参与者（其中23人为原住民或混血原住民）进行问卷调查。
  • 使用五个R和SIBAM框架对交互日志进行自动化内容分析。
  • 观察性研究记录了社区活动期间的身体和情感反应。
• 局限性与未来工作:
  • 样本量较小且地理特定性限制了普适性。
  • RiverBot的有效性依赖于用户的反思意图，因此不适合任务导向的场景。
  • 未来将探索其在教育、健康和关系型人工智能框架中的应用。

总结

本文介绍了RiverBot，这是一种通过提示“你是一条河流”来体现关系型认识论和原住民视角的极简聊天机器人。实证评估表明，与传统公民聊天机器人WaterBot相比，RiverBot显著增强了关系型参与、情感共鸣和文化契合度。研究表明，概念重塑而非技术复杂性可以有效缓解认识偏见，并支持文化根植的人工智能设计。RiverBot展示了关系型人工智能这一新颖的交互范式，为争议性公民领域中的人机通信设计空间提供了扩展。