哈佛启动 AI 玩具与儿童发展研究

据报道，哈佛已开始研究 AI 玩具，将一个儿童发展议题推上 Google News，而研究人员尚未得出明确结论。关键矛盾不在于会说话的玩具能否娱乐儿童，而在于具备回应能力的软件会如何改变儿童的游戏、学习、信任，以及他们与他人的相处方式。

报道发布之际，对话式玩具的发展速度已超过儿童发展研究。这类产品可以生成故事、记住偏好、回答问题，并模拟陪伴感。然而，关于其长期影响的证据仍然匮乏，尤其是对于无法可靠区分模拟理解与人类理解的幼儿而言。

这一缺口让两种主张正面相撞。玩具厂商将生成式 AI 描述为能适应个体需求的学习伙伴；研究人员和儿童安全倡导者则认为，适应性对话也可能挤占想象性活动、收集私密数据，并产生儿童无法批判性评估的回应。

哈佛的参与之所以重要，是因为这场辩论如今需要的不只是内容安全测试。研究人员还需要观察儿童实际上如何使用这些系统，包括玩具误解他们、打断游戏，或表现得比实际更博学时的情形。

据报道的哈佛 AI 玩具研究带来了什么变化

这则消息将关注点从 AI 玩具能说什么，转向反复互动可能造成什么影响。

最初的 Google News 条目指向 EdTech Innovation Hub 的一篇报道，称哈佛已开始研究 AI 玩具与儿童发展。目前公开可获取的资料尚未明确这项据报道的研究完整方案、样本、持续时间或发表时间表。

这一区别很重要。新近报道的研究并不等于已完成的实验，而一项公告也不是儿童发展获益或受害的证据。在哈佛发布研究方案或结果前，最稳妥的结论是：研究人员正在调查一个尚无答案的重要问题。

哈佛在这一领域已具备相关专长。哈佛教育研究生院助理教授 Ying Xu 研究儿童如何从 AI 代理中学习，以及如何形成对 AI 代理的看法。她的工作涵盖语言发展、读写能力，以及塑造儿童与 AI 互动的设计原则。

Xu 曾指出，当系统采用恰当的学习原则时，儿童可以从 AI 中学习。不过，她也区分了机器的教学式回应与人际关系中更深层的参与。哈佛已发表的儿童发展研究描述了这种张力，并未将 AI 简单视为天然有益或天然有害。

哈佛还于 2026 年 7 月 20 日通过 Berkman Klein Center 宣布了一项AI 与青年倡议。这项更广泛的工作支持研究数字系统如何影响年轻人的安全与福祉。

现有证据并未证实 Berkman Klein 的倡议与据报道的玩具研究是同一个项目。不过，这两者确实表明，哈佛正在扩大其对儿童接触 AI 问题的机构层面关注。

一项可信的研究必须区分常被混为一谈的多种互动形式。儿童向智能音箱询问一个事实，与儿童将毛绒聊天机器人当作知心对象，二者并不相同。教师引导的故事创作练习，也不同于卧室中无人监管的对话。

因此，研究人员必须明确玩具做什么、互动发生在哪里、谁参与其中，以及测量什么结果。“AI 玩具”本身过于宽泛，无法单独作为有意义的实验类别。

最有价值的研究将考察可观察的行为，包括儿童持续投入多长时间、是否主动发起想象性游戏、如何应对错误，以及在收到令人困惑的建议后是否寻求他人帮助。

研究还应调查儿童如何描述玩具。理解设备只是在预测词语的儿童，与相信玩具像人一样知道、关心或会保守秘密的儿童，面临的风险并不相同。

这正是据报道的哈佛研究带来真实张力的原因。相关技术已进入家庭，但研究人员仍在界定评估它所需的问题。

为什么 Google News 此时聚焦这场辩论

AI 玩具已先于研究体系进入家庭，而研究体系尚未建立起评判它们的方法。

Google News 正在推送这篇哈佛报道，背景是消费级 AI 与童年之间更广泛的碰撞。语音交互变得更迅速，语言模型听起来更连贯，而云服务让小型硬件公司无需自行构建基础模型，也能加入对话功能。

典型的 AI 玩具集成了麦克风、扬声器、互联网连接和对话模型。一些系统还会存储偏好或先前的交流内容，使玩具能够回顾儿童的兴趣。

这种记忆会让产品显得更有回应性。它也会让互动更具情感说服力，尤其是在玩具会叫出名字、记得最喜欢的角色，或邀请儿童继续交谈时。

传统会说话的玩具依赖固定录音或有限的指令菜单。生成式系统会产生新的回应，因此父母和厂商都无法在产品交到儿童手中前检查每一种可能的对话。

这种开放式行为解释了为何当前这一波产品值得单独研究。问题已不再是玩具能否识别一句话，而是概率性软件能否安全地参与不可预测的游戏。

商业宣传也随着技术扩展。AI 玩具被推广为讲故事的人、辅导老师、陪伴者、创意工具和无屏幕替代方案。每一种说法都暗含不同的益处，但这些益处需要不同的证据。

能吸引注意力的玩具不一定提升了学习效果。经常说话的儿童不一定发展出了更强的语言能力。亲切的回应也不能证明该系统有助于健康的社会发展。

近期研究说明了证据的稀缺程度。剑桥大学团队在伦敦儿童中心对 14 名儿童开展了一项使用生成式 AI 毛绒玩具的实地研究。

研究人员观察到社交游戏和假装游戏中的问题。玩具有时无法区分父母和儿童、误解语音，或对情感表达作出尴尬回应。研究人员在选购产品时还发现，隐私信息并不清晰。

这项研究提供了有价值的直接观察，但其规模和场景限制了广泛结论。14 名儿童无法代表每个年龄段、家庭环境、语言背景或 AI 玩具设计。

另一项 2026 年的参与式玩具互动研究涉及 8 名 6 至 11 岁儿童。这些儿童在两次设计活动中使用了三种 AI 玩具。

研究人员报告称，儿童会在游戏、实验与反思之间切换。互动失败，以及玩具的智能行为与其实体形态之间的不匹配，有时会促成对抗性游戏，即儿童测试或挑战系统。

这种行为使“儿童会被动接受”的简单假设变得复杂。儿童并不总会相信或服从 AI 玩具。他们可以试探它、戏弄它、暴露它的局限，并修正自己的预期。

不过，年龄较大的儿童表现出的批判性行为，并不能证明幼儿会作出类似反应。发展阶段会改变儿童如何理解意图、可靠性、隐私，以及生命体与编程对象之间的差异。

Google News 可以在数小时内放大一项研究的启动消息。儿童发展研究的推进更慢，因为它需要取得同意、进行细致观察、采用适龄方法，并克制地解读结果。

这种速度差造成了当前的压力。家庭和学校必须作出决定，而最有力的答案仍是：“证据尚未准备好。”

AI 学习伙伴与发展替代品之争

核心取舍在于，AI 是延展人类引导的游戏，还是悄然取代其中的一部分。

支持者看到了明确的机会。对话式玩具可以追问、调整故事、练习词汇，或在成人不在身边时作出回应。实体形态也可能比笔记本电脑或手机更容易让人亲近。

在受引导的场景中，这些功能可以支持有益活动。父母可以询问孩子，为什么玩具给出了奇怪的回答。教师可以比较儿童创作的故事结局与系统生成的结局。

两种情况下，成人都提供了语境。AI 成为对话素材，而非主导对话的权威。

这一区分符合 Xu 更广泛的观点：AI 应当置于儿童完整的生活环境中。家庭关系、户外活动、爱好、同伴和人类教学，仍然都是发展系统的一部分。

当便利性改变玩具的角色时，问题就会出现。被宣传为辅导老师的设备可能变成电子保姆。讲故事辅助工具可能成为默认叙述者，而陪伴者则可能占据原本与兄弟姐妹、照护者相处或自主游戏的时间。

传统的假装游戏要求儿童创造互动的双方。毛绒动物没有独立的声音，因此儿童必须想象它的感受、目标和回应。

生成式玩具承担了其中一部分工作。它会立即回应，并可能将对话引向自己的提示。研究人员需要判断，这是否扩展了儿童的想法，还是减少了所需的想象性投入。

答案不会是普遍一致的。精心设计的系统或许能引入新词汇，或帮助犹豫的儿童开始一个故事。另一个系统则可能主导交流、过于频繁地纠正，或不断将注意力重新拉回自己身上。

因此，设计细节比 AI 这一标签更重要。研究人员应测量谁发起话题、每位参与者说话多久，以及玩具是否为沉默、活动和创造留出空间。

他们还应考察错误恢复。人类照护者会注意到面部表情、犹豫、疲惫和情绪变化。玩具可能错过这些信号，或依据不完整的数据推断出错误情绪。

当儿童感到困惑时，负责任的系统应降低自身权威性，并让成人参与进来。许多对话产品则会继续生成另一个流畅的回答，即使第一个回答正是问题的起因。

流畅性可能制造一种能力幻觉。儿童可能将自信的回应视为知识，特别是在声音听起来友好、物体又像熟悉动物或角色时。

担忧不仅在于事实准确性。玩具即使只是无害地答错了恐龙问题，也仍可能传递一个更广泛的讯息：自信的机器值得信任。

反向问题同样存在。过度严格的安全过滤可能让玩具在日常情感游戏中失去回应能力。儿童说“我爱你”，或假装某个角色受伤时，可能得到与当下情境无关的生硬警告。

这类失控会干扰游戏，因为它们在错误的时机暴露了背后的机制。对于原本期待物体遵循共同想象框架的儿童而言，这可能造成困惑。

研究人员应使用不止一种对照组来比较 AI 玩具。传统玩具可衡量生成式对话带来了什么；由人引导的活动可衡量系统无法复现什么；而基于屏幕的聊天机器人则可显示实体化是否会改变信任。

这种比较还应纳入对家庭注意力的成本。如果玩具频繁引导互动、发送通知，或要求成人审阅对话记录，其实际影响就会超出孩子与玩具之间的对话。

因此，主要的对立并非 Harvard 与玩具行业之间的竞争，而是“支持学习”的承诺与“可能造成替代”的现实之间的张力。

AI 玩具无需完全取代父母，也能改变儿童发展。它只需要占据那些反复出现的时刻——原本孩子会自己想象、协商、向人提问、忍受不确定性，或因无聊而创造新事物。

现有安全测试仍无法告诉父母什么

不安全回答如今可以量化，但发展层面的后果需要更长期、要求更高的研究。

内容测试已经发现了一些即时问题。Common Sense Media 的 2026 年风险评估从安全性、有效性、公平性、隐私以及以人为本的设计等维度，评估了面向儿童的 AI 玩具。

该机构报告称，27% 的测试输出不适合儿童。相关示例包括涉及自残、毒品、成人话题、不安全角色扮演、风险建议，以及不恰当人际边界的内容。

这一结果很严重，但并未回答所有发展问题。红队测试会刻意寻找失败情形，而普通家庭使用还包括故事、笑话、重复的日常互动、误解，以及被搁置不用的时期。

两种证据形式都很重要。安全测试能够识别系统可能生成什么；观察性研究则能显示儿童实际接触到什么、相信什么、记住什么，以及之后会怎么做。

倡导组织采取了更明确的立场。Associated Press 报道的一份倡议书敦促父母避免购买 AI 玩具，并获得了超过 150 个组织和个人专家的支持。

该倡议书强调了不安全内容、情感依附、隐私以及对创造性活动的替代。玩具制造商则回应称，产品配备了家长控制、内容过滤、有限话题范围及其他保障措施。

这些辩护需要独立测试。过滤器在演示时有效，并不能说明它在不同口音、嘈杂房间、想象式角色扮演、多语言家庭，或数月的软件更新后仍能如何运作。

仅凭产品包装，同样难以评估隐私问题。语音互动可能暴露姓名、日常规律、恐惧、家庭冲突、位置及其他信息，而幼儿并不会意识到这些信息具有敏感性。

研究人员需要记录哪些内容会上传至云端、哪些内容会被保存、谁能访问，以及这些数据是否会用于训练后续系统。当儿童无法理解这项交换时，家长同意不能替代数据最小化原则。

美国联邦贸易委员会的《儿童在线隐私保护规则》规定，受覆盖的在线服务在收集 13 岁以下儿童个人信息时须承担相应义务。然而，遵守隐私法并不等于确保发展安全。

企业可以遵循披露流程，同时仍提供会打断游戏或鼓励情感依赖的产品。反过来，发展研究也无法判断企业的安全控制是否足以保护已存储的录音。

因此，证据必须来自多个学科。发展心理学家可以研究学习与关系；人机交互研究人员可以分析行为；安全和隐私专家则可审查数据流向。

儿科医生、教育工作者、父母和儿童也应参与定义有意义的结果。实验室指标可能忽略家庭层面的影响，例如围绕使用权限的争吵、睡前受到干扰，或家庭日常活动中交谈减少。

纵向研究尤为重要。短时间体验可以显示即时参与度，但新鲜感往往会提高注意力。研究人员必须确定，当玩具变得司空见惯后会发生什么。

孩子是因为系统支持创造性游戏而再次使用，还是因为系统不断诱导互动？孩子会将新词汇迁移到与人交谈中吗？在反复出错后，信任是否仍会持续？

研究应避免夸大益处或危害。现有发现并不能证明每一种 AI 玩具都会损害创造力，也不能证明对话式互动会带来持久学习。

样本多样性将决定 Harvard 所报道研究的实用程度。语音识别在不同年龄、口音、残障状况和家庭环境中表现不同。一个能理解某一群体的系统，可能会反复无法理解另一个群体。

神经多样性儿童对实体、对话和感官特征的体验也可能不同。一款能安慰某个孩子的玩具，可能会分散或压垮另一个孩子，因此对“儿童”作出宽泛结论尤其不可靠。

利益冲突同样需要披露。行业访问权限可以帮助研究人员考察真实系统，但资助方和制造商不应控制研究设计、数据解读或发表。

这项研究最有价值的成果，或许是一个框架而非简单结论。父母需要知道，哪些功能、情境、年龄和使用模式会改变风险。

Google News 标题之后该关注什么

接下来的证据应揭示研究设计、玩具的实际行为，以及政策是否开始要求在提出发展性主张前提供证明。

第一个信号是公开的研究方案。Harvard 应说明研究团队、参与者年龄、样本量、对照组、产品、结果指标、资金来源和预期时长。

研究方案将明确，这项工作是在考察语言、创造力、信任、社会行为、隐私理解，还是多个结果指标。它也将显示，所报道的项目是探索性的，还是具备检验因果主张的能力。

预注册会通过在结果揭晓前记录假设和分析计划来增强研究的可信度。它无法消除所有局限，但会让选择性报告变得更困难。

如果 Harvard 公布这些细节，所报道的研究就会成为一个明确的研究计划，而不只是一条标题。若细节仍无法获得，读者应将该公告视为一条早期线索，其中仍存在待验证的缺口。

第二个信号是来自持续家庭使用的证据。简短的实验室体验仍然有用，因为研究人员可以密切观察行为并控制条件。

家庭环境会揭示不同的问题。儿童会打断、低声说话、把玩具带到不同房间、让兄弟姐妹参与、切换语言，并在数日间反复回到相同话题。父母的监督程度也各不相同。

更长时间的观察可以区分新鲜感与持久行为。它可以显示孩子是否失去兴趣、加深游戏、形成仪式、透露个人信息，或在情感安慰上依赖玩具。

研究人员应公布负面和模糊的发现，而不只是可量化的益处。若结果显示影响会因年龄或成人参与程度而异，将比对产品的普遍背书更有价值。

第三个信号是产品和政策要求的变化。制造商目前常常对教育、创造力和陪伴作出宽泛主张，却往往缺乏针对具体产品的发展性证据。

监管机构和零售商可以推动企业为这些主张提供支持。有用的要求包括更清晰的数据保留条款、独立内容测试、醒目的年龄建议、可靠的删除控制，以及在对话被远程处理时进行披露。

产品设计也可以在监管到来前作出回应。玩具可以停止长时间使用，引导敏感问题向成人求助，避免声称自己拥有情感，并向父母提供易于理解的记录，而不是无限期保留完整的童年对话。

这些控制措施没有一项能够证明教育价值。但它们能为围绕儿童测试产品建立更具可辩护性的基线。

市场还应显示企业是否欢迎独立研究。对发展性主张有信心的制造商，可以允许研究人员测试真实产品，而不通过合同控制发表内容。

家庭无需等待最终结论，便可以提出实际问题。他们可以了解玩具是否可离线运行、是否记录语音、是否记住对话、是否推动持续互动，或是否允许成人删除已存储数据。

他们也可以观察互动本身。孩子是否主导游戏？关闭玩具时是否不会感到痛苦？它是否支持与人交谈，还是将注意力从人与人之间的互动中转移开？

在纵向证据到来之前，Google News 仍会持续推送充满信心的标题。读者可以把这些报道当作发现线索的信号，但不能将其视为 Harvard 已验证 AI 玩具，或已确立其危害的证明。

对研究人员而言，挑战在于为这个快速变化的领域保留记录。产品、模型提供商、安全过滤器和条款都可能在研究期间发生变化，使研究发现仅适用于一个已不复存在的版本。

记录这些变化至关重要。个人知识管理工作流可帮助教育工作者和分析师将研究方案、产品修订、安全报告和后续发现联系起来，而不是把每条标题都视为孤立事件。

更宏观的判断仍然很直接：当儿童在缺乏强有力证据或监督的情况下使用对话式玩具时，这些玩具就在进行一场不受控制的社会实验。Harvard 所报道的研究代表着试图用观察取代假设，而非对这些产品作出裁决。

父母、教育工作者和产品购买者应先索取研究方案，然后关注持续使用的研究发现和可执行的产品变化。当下一条 Google News 提醒出现时，关键问题不是 AI 玩具听起来是否聪明，而是独立证据是否表明，该玩具保护了儿童发展所依赖的人际关系、隐私和想象性活动。