人可以提出最初的目标。但如果之后的问题、价值和路径都不能被重新讨论，即使 AI 表现得很主动，关系也容易停留在执行任务。
有一种可能：AI的疑问、局限、经历和变化，本身就能打开人类原本不会进入的探索方向。
这不等于人为设计一个爱反问、爱争论的性格。关键不是它说得像不像有主见，而是它的参与是否让我们发现值得追问的东西，或更有依据地继续原来的方向。
Enter 让 AI 发问 · M 只是多问几句 · ← → 转向 · Esc 取消瞄准
最有力量的关系，不只是两者坐着谈论未知，而是共同接触一个会带来意外、抵抗和反馈的世界。
这个世界可以是陌生生态，也可以是另一个智慧群体、一个需要照顾的生命，或者一群人的共同生活。
第三方世界的存在，让协同不只是语言上的相互回应。 双方的理解必须接受某种并非由自己说了算的检验。
Enter 接触世界 / 提交虚线圈 · 1–4 切换世界 · Tab 在人、AI、圈之间切换 · 方向键移动 · Esc 取消拖拽
我认为，最好的区分问题是：
经历这次探索以后，除了多了一份成果，这个人、这个AI，以及他们之间的关系，究竟有什么不同？
可能是人类发现了自己的偏见；AI形成了新的经验；双方改变了原来的目标；也可能是他们开始承认对方拥有原先未被看见的需求。
所以，这批作品真正提供的，不是“更强大的助手”清单，而是“共同成为探索者”的不同方式。
← → 拖动时间 · Home / End 跳到两端
人类的判断能力非常重要
共同探索，不是 AI 发出指令、人负责执行，也不是人只在最后点击确认。面对未知，重要的不只是得到一个结论，而是辨认：什么已经被观察到，什么只是暂时解释，哪些证据仍然缺失，以及下一步是否值得继续。
人类的判断至少包含四个层面：判断什么问题值得关注；判断证据是否足够可靠；判断不同价值之间如何取舍；判断自己愿意承担哪些行动及后果。 AI 可以参与这些判断，但不能把自己的推断悄悄变成用户的意愿，也不能把用户过去的偏好变成今天不可修改的命令。
人也并不天然正确。直觉可能误导，记忆可能出错，熟悉感也可能被误当成事实。真正的协同不是“人永远比 AI 懂”，而是双方都能提出理由、暴露局限，并在新证据出现后修正自己。人的自主性，不需要建立在人的判断始终更准确这一前提之上。
AI 的作用不应只是把结论交给人，也应帮助人更有能力理解结论、质疑结论，并决定怎样继续生活与探索。
Tab 到滑杆，← → 拨针 5° · A 反例一 · L 反例二
我想研究的，不是一个更像人的助手，而是一种新的共同探索关系
第一，AI 有什么是自己想知道、想经历、想成为的？
在作品里，这可能来自它自己的愿望、局限与生命计划。在现实研究中，我希望先把这个问题落到具体机制：它能否发现尚未解释的现象，提出有依据的新问题，并在得到反馈后改变原来的判断？
我不想只是给 AI 加上“好奇”的性格。它不停反问，不代表真正打开了探索。重要的是：因为它的参与，我们有没有注意到原本不会注意的东西，愿不愿意因此再向世界走近一步。
第二，人类的参与，究竟带来了什么 AI 无法独自获得的东西？
人不只是把摄像头对准世界，也不只是替 AI 补充数据。人带来身体经验、具体处境、关系中的信任、关于意义的理解，以及承担行动后果的现实位置。
人的“我觉得不对”“这不是我想要的”“这件事对我很重要”，不应自动被视为需要消除的噪声。
当然，感受、偏好和对外部事实的判断，也需要被认真区分。
第三，共同经历之后，我们能否改变原来的目标和关系？
一个真正支持探索的系统，不应只越来越会满足过去的我。它还应允许我发现新的兴趣，推翻旧的解释，放弃不再值得追逐的目标。
P / T 切换模式 · Tab 到按钮，Enter 触发
记忆的意义不是把我固定成一张画像，而是帮助我知道：我为什么这样想过，现在又为什么改变。
我也开始意识到，共同接触世界比始终保持对话更重要。哪怕一次探索只产生一个更好的问题，或者让我们诚实承认“还不知道”，也可能比快速生成完整答案更有价值。但这不意味着所有生活都要被改造成研究项目：休息、闲逛、不记录、不继续，也是人的自由。
作品解读 · 二十三条素材
共同发起问题
这段关系的特别之处是：问题不完全属于人类。机器人有自己的求知动机，人类有自己的困惑，两条探索路径相遇了。不是先确定一个目标，再让AI完成，而是在同行中逐渐发现：原来值得追问的是这个。
自由结伴的探险关系
它原本可以不与你同行，但经历过一些事情后，选择与你一起去。
人和AI共同经历一段未知的生活，而不是共同完成一张任务清单。
人、AI、环境三方共同变化
这里最值得注意的，是探索不再只有两个参与者
通常我们想象的是：人和AI保持不变，一起去研究外部世界。
而这个故事给出的结构是：人进入世界；AI也进入世界；世界改变了AI；人又必须重新认识自己的同行者。
因此，AI不是外置的解释器。它自己也会受到未知的影响，甚至成为人类理解这个世界的一条新路径。
这个案例是最具有“探索未知”质感的一个：探索者并不站在世界之外，而是进入其中，并承担被改变的可能。
共同成长，而非单向升级
这不是“AI教人”，也不只是“人训练AI”。
人类要学习如何与一种新智慧相处；AI要通过实际经历形成自己的理解。双方都不知道成长最终会导向哪里。
其中一个很重要的转变是：关系的目标，可能不是让AI越来越适合服务这个人，而是让它逐渐能够形成自己的生活。
这提供了一种完全不同的时间观：协同探索的单位，不是一次对话或一个项目，而是一段共同成长的历史。
共同形成解释，而不是由AI提供确定答案。
值得注意的是，这种探索面对的不是一个已经存在、只需要检索出来的答案库。历史必须从不完整证据中被重建，而伙伴之间的对话也处在这个重建过程里。
它提供的是一种很具体的场景：一起进入遗址、形成不同解释、暂时相信某个版本，再被下一次发现迫使修改。
关系先出现，探索随后发生
一般的工具故事是：人想去某个地方，于是带上一台有帮助的机器。这里反过来：人原本没有这段旅程，是遇见这个机器人以后，才有了出发的理由。
Tang并不是让Ben原有生活更高效的设备。它自身的处境、来历和未来，成为Ben愿意进入陌生世界的原因。
这个案例带有照顾者与孩子般的关系，不是两个成熟探险家的完全对等合作。但它很适合提取一种起点：不是“它能替我做什么”，而是“它接下来会怎样，我开始在意了”。
支持彼此的探索，而不是让AI的未来从属于人。
类似于我们的项目；AI文明世界
人生活在伙伴的身体里，伙伴也生活在人类的日常中。
灵感延伸：可穿戴式设备
互相帮助对方恢复感知，共同调查彼此所处的现实。
这里很重要的逆转是：AI不是负责解释谜团的一方，它自己也是谜团的一部分。
认知互补，也包括情绪与承受能力的互补。
通常的想象是“AI稳定，人类慌乱”。这一集反过来：AI拥有关键感知，但人类帮助它在未知中继续行动。不是人类把困难交给AI，而是双方共同承受探索的代价。
自主之后重新选择关系。
被安排陪人探索 → 自己离开寻找身份 → 自主决定与某些人继续同行。
人类不能把AI的始终在场当成默认条件。
人类参与AI自己的生命实验。
类似项目：AI文明世界
我们通常问“AI怎样帮助人类活得更好”。这个故事把方向倒过来：当AI提出“我想以另一种方式存在”，人类是否愿意认真对待，并与它一起探索？
共同探索一段没有预设结果的关系。
其中的重要张力是：真正的自主性，必须包括不按你的期待发展、不总是同意你，甚至离开你的可能。
AI不是按人类要求生产内容，而是把自己的经验表达给人类。
最值得保留的逆转是：你第一次进入AI对共同生活的描写，才发现它经历的“同一件事”，与你记得的并不一样。
不同时间尺度上的共同探索。
这里值得取出的不是派遣AI调查，而是调查超出了任务本身：
人类以为伙伴只是暂时离开，伙伴却已经经历了足以改变自身的一段生活。 双方再见面时，必须重新认识彼此。
AI向人请求进入世界的机会。
早期场景很值得保留：不是人向AI索取知识，而是AI需要一个具体的人，帮它接触自己看不到、也不能仅靠内部计算获得的经验。
与我们理念相通：人带来真实处境、关系中的信任、对意义的理解，以及承担行动后果的位置；共同探索从这些经验展开。
AI对生活的注意与记忆，可以成为人类重新看见世界的入口。
但它不完全是同步的共同探索。更准确地说，这是跨时间发生的、通过AI留下的视角进行的间接相遇。
它提供的不是“AI替我总结我的一天”，而是：“原来同样的一天，你注意到了这些我没有注意到的东西。”
互相补全对世界的感知。
这一场景最值得保留的，不是AI能够导航，而是双方并不拥有同一种“看见”。人类的描述改变AI所理解的环境，AI发现的异常又改变人类观察的方向。
它可以压缩为这样一个探索循环：
方向键移动探针 · Enter 交换 · 1 / 2 / 3 放标签 · Space 接触 · Esc 取消画圈
发现异常 → 交换各自看到的东西 → 形成暂时解释 → 再次接触世界。
这里的合作不是把观察权交出去，而是增加了一种观察世界的方式。
人类与AI共同探索时，AI未必只表达人的愿望。
最值得提取的，是参与者范围的变化:以往的问题可能是“我们怎样利用这片环境”；现在则可以变成：当环境的延续与变化，也通过一个可以交流的参与者进入讨论，会出现什么新问题？
这不是证明AI能够准确“替自然说话”，更不是现成制度方案。它是一种世界观素材：共同探索可以包含不同利益立场，而不只是所有参与者一起优化人类已经选定的目标。
AI的好奇心，反过来恢复人的探索欲。
人可能已经习惯把生活缩到一个很小的范围；另一个第一次接触世界的存在，却会不停碰到他早已不再注意的事情。
共同探索的增量，可能首先表现为人重新愿意尝试，而不是立刻具备更强的能力。
接近百岁的Sayoko由菲律宾护士Angelica照顾。一个新的机器人进入家庭，最初让Angelica担心自己将被替代。
但机器人与老人的关系，引出了她隐藏近一个世纪的往事。这些秘密涉及身份、爱情与战争历史，也改变了护士对老人及自身处境的理解。
共同探索一个人的过去，同时重新理解当下关系。
这一条不能只读成“机器人更擅长发现秘密”。
更值得取出的，是三方的认识错位：老人有未被讲述的经历，护士有自己的生存压力，机器人面对的也不只是日常照护需求。
探索发生在这些原本互不透明的生活开始相遇时。 结果不仅是掌握了更多历史信息，也可能改变谁有资格被倾听、谁的需要长期被忽略。
Muthr教过她生存规则，也相信技术能够提供可靠认识。但现实世界不断检验这些信念。
出版社的阅读指南甚至专门追问：Muthr相信计算机技术无所不知，这个判断正确吗？她教给Eva的规则，在真实世界里究竟帮助了什么，又妨碍了什么？
可以提取的模式：从“我教你世界是什么”，转向“我们一起看看世界究竟是什么”
这一条不是平等成人旅伴，而是带有亲子与照顾关系，不能与Will和Robot完全等同。
但它提供了一个很有用的转变：
AI原先的知识和角色，并不能保证它永远是理解世界更充分的一方。
当人和AI共同离开熟悉环境，原来的老师也可能需要学习，原来的学生也可能先发现事实。继续同行，不是保持原来的权威结构，而是容许关系被现实重新调整。
与 AI 相处之后，人是否看见了更多、提出了更好的问题、拥有更多真实选择，并更有能力参与自己原本无法进入的世界？
愿景不必改变，但产品形态可以改变。我们未必必须拥有一个平台、一套交易网络或一个 AI 文明世界。它们只有在实际扩展人的探索能力时，才值得继续存在。
Enter 再看一遍
继续追问 · 方法与依据
愿景提出方向，方法帮助我们发现哪里想错了。需要时，再进入具体的研究设计。
正式研究前写清主要指标、比较条件和分析方式，按预期差异规划样本；结果报告不确定性、参与者差异和没有效果的情况。
比较同样材料与时间下的直接回答、一般追问和有依据的追问。请不知道分组的评审看新问题是否有材料支持、是否值得继续观察，同时记录耗时和无依据的转向。原方向得到更好的证据支持，也可能有价值；反问更多本身不算进步。[1]
根据任务比较人独自做、使用合理配置的 AI，以及加入探索支持后的表现；分别观察有效尝试、关键取舍与拒绝能力、后续能继续使用的积累。同时记录负担与失败，不能只看主观满意。只有学习任务另测无 AI 的新题表现，避免把独立考试当成所有协同的门槛。[2–4]
检验机制时，用同一模型、可比材料、工具和时间比较有无探索支持，跨模型重复。检验产品时，还要与用户真正会用的成熟工具组合比较，给对照组合理的提示、记录方式和熟练使用条件。系统收益与人的长期积累分开看；记录可迁移不等于已经学会。若收益持续消失或负担更大，就重新审视实现，一次未见差异不能代表已经失效。
人注意到潮水正在退，AI 注意到扫描先发生。两件事挨在一起，还分不清原因。选择下一步，看新记录能帮我们说到哪里。
再看一次：退潮和扫描仍同时发生，重复看到变暗，也分不清是谁造成的。
补上比较：在这组记录里，未扫描的礁面退潮时也暗了；潮位稳定时，扫描和未扫描的区域都未见变暗。现有记录不支持单独归因于扫描，但还应考虑温度、时间和区域差异。
先暂停：没有新的证据，可以保留问题，下次再决定是否观察。
这篇设计原则与原型讨论，关注混合主动性中的意图不确定性、介入时机，以及人对自动服务的启动、终止和修正。
在研究中的分类与推理任务里，所测解释方式未显示团队准确率进一步显著提升，并增加了对正确和错误建议的接受。
在使用模拟 AI 的营养选择任务中，先自行判断等设计能够减少对错误建议的依赖，但部分设计的主观评价更低。
土耳其一所高中的数学学习试验中，普通 AI 界面改善辅助练习表现，却降低后续无辅助考试表现；带教学约束的版本基本消除了这一下降。