这场 AI Keynote 不谈模型参数，却警告工程师正在被“设计上瘾”

在 AI Engineer Melbourne 2026 的第二天 Keynote 上，演讲者几乎没花时间炫模型规模，而是把矛头对准一个更不安的问题：我们正在用 AI 系统，系统性地“劫持”人的动机、注意力与心理能量。这不是道德说教，而是一次对 AI 工程师的正面警告。

最反直觉的开场：AI 最大的风险，不是失控，而是太好用

这场 Keynote 一开始就让人出戏。没有 AGI 倒计时，没有新模型 Benchmark，取而代之的是一连串情绪化的短句——“I love you”“I hate you”“I miss you”。它们像噪音，又像提示：当技术足够顺滑，人类的情感与注意力会被不断触发、消耗、再触发。

演讲者抛出的第一个反直觉观点是：当 AI 系统变得极其高效、贴心、即时满足时，本身就构成一种风险。不是因为它会“作恶”，而是因为它会在不知不觉中，重塑人类的行为模式。对工程师来说，这比模型幻觉更隐蔽，也更难被监控。

从几千年的幸福研究，说到今天的产品设计

随后话题被拉回一个看似“离 AI 很远”的领域：人类幸福研究。演讲中提到，几千年来，人类对“活得好”的讨论并非围绕刺激，而是围绕一种更长期的状态——繁荣、意义与内在满足。

在这里，演讲者引入了自我决定理论（SDT）的三个核心轴线，并强调：好的系统，应该支持人的自主感、胜任感和连接感。这不是心理学科普，而是一个尖锐的对照——当下大量 AI 产品，恰恰反其道而行之：用反馈循环削弱自主，用过度自动化掏空胜任感，用算法关系替代真实连接。

Flow 被误用了：从心流到“工程化上瘾”

Keynote 中最值得 AI 从业者反复回味的，是对“Flow（心流）”的重新定义。演讲者非常谨慎地指出：Flow 并不等于沉迷，更不等于无限停留。

真正的 Flow，是高挑战与高技能的短暂平衡；而许多现代系统做的，是用低挑战 + 高频反馈，制造类似多巴胺期待的循环。这类设计在数据指标上极其漂亮，却可能在心理层面制造依赖。

一句话点破本质：“当你设计的不是成长曲线，而是留存曲线，你就已经在重塑人的动机系统。”这不是在否定 Flow，而是在提醒工程师：你用的是哪一个版本的 Flow。

为什么这对 AI 工程师尤其危险

演讲中有一段直白得近乎刺耳：如果你每天都在构建能预测、引导、放大人类行为的系统，而你自己却不理解这些机制对心理的影响，那风险一定会外溢。

这并不是针对某家公司或某类产品，而是对整个 AI 工程角色的重新定位——我们不只是“实现需求的人”，而是在无意中，参与设计人类的注意力结构。

演讲者甚至直言，长期暴露在这种“工程化动机环境”中，对工程师自身的心理健康也未必是好事。这也是为什么他强调：有些模式，可能“对你的 psyche 并不好”。

Demo 背后的真正信息：我们已经有能力“设计另一种系统”

在后半段的 Demo 中，演讲者展示了一个比传统语言模型平台更“强大”的例子。但重点不在技术炫技，而在于一个判断：我们已经具备设计不同激励结构的能力。

也就是说，问题不再是“能不能做”，而是“选择做什么”。当演讲进行到“我们现在可以设计我们自己的系统”时，语气发生了变化——这不是展望，而是责任的确认。

Keynote 最后并没有给出标准答案，而是把选择权，明确地交还给在场的工程师。

总结

这场 Keynote 的价值，不在于给你一个新框架，而在于逼你正视一个老问题的新版本：当 AI 介入人类动机层时，工程师是否还只是“中立的实现者”？

对 AI 从业者的直接 takeaway 是三点：第一，开始区分“提升能力”的体验和“消耗注意力”的体验；第二，在设计指标前，先问清楚你在强化哪种人性；第三，别等伦理委员会，工程师本身就已经是第一道防线。

一个值得带走的问题是：如果你的系统成功到极致，它会让用户变成一个更自由的人，还是一个更可预测的人？

关键词： AI工程师， 自我决定理论， 心流， 多巴胺机制， AI产品设计

事实核查备注： 需要核查：演讲者是否明确引用自我决定理论（SDT）；关于 Flow 与成瘾的具体表述是否为原话还是意译；Demo 中提到的平台名称是否有明确指代；“对 psyche 不好”的表述是否为直接引语。