站在长辈肩膀上的人工智能

see122

我们常习惯把老年人视为新技术的“被动接受者”，但事实上，老年人在漫长的人生中积累了丰富的情绪智力、生活阅历和沟通智慧，这恰是当前AI所不足。老年人可以为AI做什么？他们于AI时代的独特价值是什么？

腾讯研究院与北京邮电大学张为威团队，在2025年重阳节联合推出AI X 老龄研究年度报告《站在长辈肩膀上的人工智能》。本研究在腾讯AI向善语料库（老年库）的基础上，进一步搜集了1408条由老年人撰写的优质语料，用9455条真实且带有丰富场景信息的语料（包含AI向善语料库老年库中的8047条），构建了一个系统化的 “长者智语”数据集。

研究团队还邀请了44位老年人以“情感专家”的身份重新审视这些问题。老年人从被动的提问者转变为情感洞察的诠释者与共创者——他们不仅剖析了问题中隐藏的情绪，还敏锐地指出其中所映射的群体性困境。

我们倡议，把老年人视作“人工智能的积极合作者”，为AI注入温度与厚度，使其可逐渐发展为理解和陪伴人类的伙伴。

一、老年人的独特价值

在人工智能的发展路径中，逻辑与计算始终是核心优势，但情绪知识（Emotional Knowledge）却仍然是其需要提升的能力。情绪知识在于对他人情绪的识别，包括沟通、冲突调解和人际关系维系中展现出的同理心与理解力。

对于长辈而言，这种能力的形成并非一蹴而就，而是在几十年的社会交往与人生历练中逐渐沉淀下来的“隐性智慧”。他们熟悉人际互动的微妙变化，懂得在不同语境下调节情绪与关系，因此在这一维度上具有天然优势。

1.1 情绪知识

长辈们的人生经验是整个社会的宝贵智慧财富。在家庭纽带、社会角色与历史纵深的交织中，他们沉淀出对人际情绪与社会关系的敏锐感知与把握。使其能够通过细节判断他人心理，从语气的波动、眼神的闪烁推测出未说出口的感受。能以含蓄而稳定的方式传递关怀，让信任在长期互动中自然沉淀。

这些能力是在漫长时间和经历中沉淀而成的，很难被算法或数据积累复制。人工智能即使在模式识别上高效，也难以短期轻易获得这种“人情世故”的智慧。

如果说AI在很多方面仍像一个刚起步的学习者，那么长者的经验就是最值得参考的教材。将这些经验转化为AI的训练资源，意味着让技术逐步具备对人类情境的理解力。即AI像孩子向长辈学习一样，逐渐习得更深的理解与更稳的分寸。

1.2 生活智慧的纵深价值

长辈们的人生智慧不仅体现在丰富的经验积累，更在于他们对社会变迁、日常实践和价值取向的深刻理解。他们承载着历史的纵深，能够把个人故事与时代脉络连接起来，为人工智能补充了超越即时数据的时空视角。他们在日常生活中的调适与妥协，则展现了现实世界的弹性逻辑，让AI能够学习到“非理性中的合理性”，更贴近真实的社会运行方式。

更重要的是，大部分的长辈们形成的价值判断往往强调稳定、责任与长期性。引入长辈通过时间沉淀的时间智慧，可以让AI突破即时数据的局限，在历史积累与现实情境之间找到可持续的判断逻辑，逐渐具备社会化的判断力。

生活智慧因此不仅是一种记忆或经验，而是一种能赋予AI纵深与温度的框架。正是在这种框架下，人工智能才能真正从“运算的工具”迈向“理解人类的伙伴”。

1.3 独特的回应方式

老年人在长期的社会生活中，逐渐形成了属于自己的回应方式和行为准则。他们往往不急于直接表达，而是通过含蓄、迂回或带有经验暗示的语言来传递真实想法。这种回应方式背后是一套自洽的生活逻辑：既维护了关系的和谐，又保持自我尊严。正因如此，他们的交流中常常包含丰富的潜台词与分寸感。

如果人工智能要真正被老年人接受，就需要在数据层面深入理解这种独特的语言与行为模式。换句话说，AI需要学习的不只是“听懂话”，而是“听懂人”。当AI的回应方式能够体现出类似的智慧，即尊重节奏、保留余地、懂得迂回。老年人会更容易感受到熟悉感与亲切感，也更愿意与之互动。

构建带有“老年知识”的AI，是技术上的改进，也是赢得老年群体信任与使用意愿的关键因素。

二、老年人参与Al训练的路径

2.1 数据共建

在面向老年群体的人工智能建设中，数据质量决定了系统的可用性与可信度。目前腾讯与百余家社会组织公益共创的AI向善语料库（老年文本库）已完成的 8047组老年人与社工的日常生活常见问题问答对，覆盖了健康管理、心理支持、家庭关系、社会参与等多个方面。

AI时代没有旁观者｜AI向善语料库开放发布会实录

这些数据的独特价值在于，问题来自老年人，真实的呈现了他们的生活需求与表达逻辑。回答由社工提供，体现了专业化的回应与服务经验。这一组合让AI学习到“老年人如何提问”，也学习到“社会服务如何回应”，形成了真实、双向的语料。

在此基础上，本研究又进一步收集了1408条由老年人针对老年人问题的回答。与社工的专业解答相比，老年人之间的互答更贴近日常语境，往往包含个人经历、生活智慧与情感支持。这类回答呈现出高度的经验性与人情味，为AI提供了更加接近真实社交互动的训练素材。

通过这两类数据的结合，共计9455条真实且带有丰富场景信息的语料，可以逐步构建一个系统化的 “长者智语”数据集。

本研究中老年语料的来源、分析和评估

2.2 情绪知识挖掘

老年人的情绪知识蕴含于日常认知与表达中，需通过科学方法系统挖掘以转化为 AI 可学习的知识资产。

研究团队采用邀请老年人给出回复并解释的半结构化访谈作为核心手段，构建“初始应答 - 深度追问 - 逻辑拆解”的三阶挖掘框架：首先引导老年人围绕特定问题给出回答，自主表达观点与感受，形成基础应答数据。随后以 “为什么这样说”、“当时更关注什么” 等开放性问题进行追问，层层剥离表层语言背后的情绪逻辑。

例如，老年人向 AI 倾诉“子女在国外工作，家里就我一个人，遇到事儿都没人搭把手”，并询问 “这种情况我该怎么办？”。

从表层看是寻求生活难题的解决方案，但其深层情绪逻辑中，隐藏着 “希望得到‘自己培养出优秀的子女，是教育成功’的认可与肯定” 的心理需求，然后再解决他的问题。

这种“话外之音”正是当前 AI 难以精准捕捉的核心，最终通过文本分析与情感标注，将这些隐性的情绪动因、价值判断与经验逻辑，转化为结构化的训练样本。

2.3 共创与反馈机制

老年人参与 AI 训练不应止步于 “数据提供者”，更需通过共创实验与反馈机制，深度介入 AI 优化过程，实现从 “使用者” 到 “训练师” 的角色升级。

研究团队在 AI 模型迭代的关键阶段，邀请老年人参与场景化测试，例如模拟 “智能医疗咨询中表达身体不适”、“智能养老设备操作遇阻” 等真实情境，让老年人直接评估 AI 回应的语气适配度、情感共鸣度与解决方案有效性，帮助老年人清晰表达对 “AI 回应过于机械”、“用词不够亲切” 等问题的改进意见。

三、适老化数据集的分析与拓展

3.1 对原始8047组问答对中的提问分析

研究团队以 8047 组老年人与社工的日常生活常见问题问答对为研究样本，通过系统性内容分析开启数据解构工作。这些问答数据并非简单的 “问题 - 回应” 集合，而是老年人真实生活需求的直接映射，同时暗藏其独特的提问逻辑，如倾向于以生活场景描述替代直白诉求，习惯围绕具体事件展开提问等。

为精准捕捉需求特征，团队构建了多层级场景分类体系：在一级主题层面，明确划分出人际关系处理、身心健康维持、兴趣社交活动、经济社会保障、科技生活支持、死亡议题关注六大类别。基于一级主题，进一步拆解出 16 个子类，例如 “人际关系处理” 下细分 “亲子关系”、“邻里互动” 等。最终，通过三级标签细化为 37 个具体项。

对8047 组问答对中提问的整理与分析

在场景分类之外，研究团队特别引入 “情感维度” 标注，构建 “场景 + 情感” 的双重分析框架，以破解老年人需求表达中 “功能诉求与情感诉求绑定” 的核心问题。值得注意的是，老年人的提问常呈现“积极与消极情绪交织”的特征，需通过细致分析精准识别 。

例如，有老年人提及“孙子教我用视频电话，现在能天天看见他，但是也害怕麻烦他”时，既流露出 “能与晚辈互动” 的愉悦积极情绪，又夹杂 “怕下次忘操作，给孩子添麻烦” 的担忧的消极情绪。

考虑到这类情绪交织的复杂性，团队选择在第三级场景分类，即 37 个具体项中嵌入精细化情绪效价标注：针对每条提问，不仅明确其所属具体场景，更通过文本语义分析、语境判断及语气词解读，同时标注出并存的积极与消极情绪，而非简单归为单一情绪类别。

对8047 组问答对中提问的三级分类与情感标注

通过对 “场景 + 情感” 双重标注数据的交叉分析，研究团队得出两项具有实践意义的核心发现。第一项发现聚焦老年人需求的 “多维度交织性”，老年人的问题普遍存在 “表层场景 + 深层情感” 的双重诉求。例如，部分老年人在咨询 “高血压用药调整”时，会反复提及 “子女最近忙，没敢跟他们说”，这本是一个健康的话题，但实则隐藏着 “担心子女担忧却又渴望陪伴” 的情感需求。这一特征表明，简单的功能归类无法真正理解老年人需求，必须立足其整体生活情境进行综合判断。

第二项发现则揭示了不同话题之间的关联度，如 “技术适应” 与 “临终关怀” 的强关联。不少提及 “智能手机操作困难”、“智能家电不会用” 的老年人，在对话中会自然过渡到 “年纪大了学不会，以后可怎么办” 的衰老焦虑，进而延伸至 “对于死亡的恐惧” 等临终关怀议题。

基于上述研究发现，研究团队向银发经济领域从业者提出重要的实践建议：面向老年人的服务设计与适老产品开发，须完成从 “功能驱动” 到 “尊严与情绪体验导向” 的转型。过往诸多适老产品仅聚焦 “功能简化”，却忽视老年人使用中的情感体验，过度强调 “适老化” 反而让老年人产生 “自身脆弱” 的负面感知，最终导致使用率低下。  

对老年人而言，功能满足仅是基础门槛，其背后承载的情感需求，如通过技术使用获得 “自主感” 而非 “依赖感”、通过服务参与获得 “社会价值认同” 而非 “被照顾者” 标签。才是决定接受度与持续使用率的关键。因此，建议从业者在产品开发前期全面捕捉老年人情感诉求，并将 “尊严维护” 融入产品全生命周期，推动银发经济向更具人文关怀的方向发展。

3.2 拓展与分析长辈的回复

在对原始数据进行系统性分类与情感标注后，研究团队进一步聚焦于六个最具代表性的生活场景中筛选出32个典型情感色彩的日常问题，以此呈现老年人在真实生活中的心理轨迹与情绪反应模式。

为了更深入地理解老年群体如何识别、感受与回应情绪，研究团队邀请了44位老年参与者，他们的年龄从55岁到78岁，平均年龄为65岁。以“情感专家”的身份重新审视这些问题。通过这一角色转化，老年人从被动的提问者转变为情感洞察的诠释者与共创者。

在共创过程中，他们针对每一个问题给出了自己的理解与回应。许多老者不仅剖析了问题中隐藏的情绪，还敏锐地指出其中所映射的群体性困境。

例如，一位参与者在探讨“如何平衡子女忙碌、无法常伴”的情境时，结合自身子女在外地工作的经历，分享了如何通过丰富自己的生活与社交活动来转移孤独感。他认为种情绪的核心并非孤独本身，而是“需要被关注与陪伴”的情感能量，需要通过主动创造生活充实感来实现情绪转化。

在对 1408 条长辈回复进行系统性内容分析后，研究团队进一步总结出老年人回复的四种回应风格：共情支持型、理性劝导型、经验分享型与实用指令型。

对1408条老年人回复内容的风格分析

共情支持型语言逻辑以“情绪感知”为基础，通过温和的理解与陪伴化解焦虑，再用安抚性语句稳定情绪，强调“被理解”和“被共情”的安全感。经验分享型则以“自述经历”传递生活智慧，通过“我以前也…”等句式分享个人经验和应对策略，鼓励他人。实用指令型则直接、简明，关注具体行动方案。理性劝导型则倾向于理性分析，提供结构化建议，体现老年人务实的生活态度。

在明确四种常见回应风格后，研究团队进一步探索老年群体在不同场景与话题下的偏好及其形成原因，旨在揭示老年人“希望怎样被回应”。这为构建具备情绪智力与个性化表达能力的适老化对话系统奠定了实践基础。

在此阶段，研究团队邀请老年参与者以“回答质检员”身份参与评估任务，对六个大场景话题下的十个具体问题，针对每种回答风格进行打分，评价维度包括：1. 回答是否理解提问者的问题与困境；2. 是否传递共情与情绪价值；3. 是否提供具体可行的帮助。

老年参与者以“回答质检员”身份，对四种不同回复风格在理解度、共情度和帮助度三个维度上的评分。总分在十个话题场景下的均分，满分 30 分，采用量表打分。

在对评分和反馈的数据进行深入的混合分析后，研究团队得出了三项核心发现。首先，老年人在不同生活场景下展现出明显的回应风格偏好；其次，共情支持型表达成为最受欢迎的回答类型；第三，老年人对“理解”、“帮助”、“共情”三项维度的评价高度一致，表现出整体性判断的特征，即他们将“被理解”、“被帮助”与“被共情”视作同一体验，而非割裂的评价维度。

老年参与者对十个话题中，四种不同回复风格在理解度、共情度和帮助度三个维度上的评分均值。每个维度满分 10 分，采用量表打分。

值得注意的是，在临终关怀等高度情绪化的话题中，老年人的偏好呈现出理性与情感并重的特征。理性劝导型回答在此类话题中获得最高评分，参与者认为这种回答既提供了面对死亡的哲思与理性建议，又保留了足够的情感温度。

一位参与者在评价时提到：“我喜欢这个回答中蕴含的哲理，它让我觉得死并不可怕，是一种自然的规律，重要的是如何转变自己的心态，丰富自己的生活。”这种回应在安抚焦虑的同时，也帮助他们重建对生命终点的理解与掌控感。

整体来看，共情支持型和理性劝导回答在多数话题中保持稳定优势，不仅平均得分高，波动也最小，显示出其广泛的适应性与普遍吸引力。无论是科技学习、健康咨询，还是代际沟通，温柔、理解和专业的语气始终构成老年人最重视的心理支撑。

老年人对不同话题的问题，在三个维度上的打分总分的均值。

满分为30，打分形式为量表。

这些发现共同揭示了老年人沟通需求的深层逻辑：他们并非只是被动的“接受建议者”，而是积极寻找情绪共鸣与自我价值的“对话参与者”。在他们看来，理想的回应不仅应当传递理性的信息，更应贴合不同话题情景给出最恰当的回答，在语气与情绪中体现理解与体谅。正因如此，共情的力量成为连接情绪与行动、理解与信任之间的关键纽带，也为未来的适老化对话系统提供了极具启发性的方向。

四、意义与未来

4.1 发展有丰富“情绪知识”的大模型

将老年人的情绪智力与生活智慧纳入 AI 训练体系，是提升 AI 能力的有效路径。长者经验中的非结构化情感判断、柔性调解策略及隐性同理心，能为 AI 提供 “从工具到伙伴” 的转型支撑。

通过学习长者对人类情感与社会互动的理解，AI 可突破技术局限，在医疗陪伴、养老服务等场景实现更具温度的交互，推动人工智能从 “功能实现” 向 “情感共鸣” 的深层次发展，拓展其在银发经济领域的应用边界与价值空间。

4.2从边缘到智慧贡献的重塑角色

这一过程更重塑了老年人在技术发展中的角色定位 ：从被动的 “被服务者” 转变为主动的 “知识与智慧贡献者”。

以往老年人常因数字鸿沟处于技术边缘，而参与 AI 经验供给，使其拥有了技术发展的 “话语权”：在分享情感识别技巧、冲突调解经验的过程中，老年人不仅能通过技术参与获得自我价值认同与尊严感，更能将个人数十年的生活智慧转化为可传承的社会资产。

这种角色转变打破了 “技术只属于年轻人” 的刻板认知，让老年人在数字时代找到新的社会参与方式，实现个人社会价值的延伸与再创造。

4.3推动代际共创的包容智能社会

长者经验与 AI 技术的结合，本质上是一场 “代际共创” 的实践，推动技术发展从 “单向创新” 走向 “跨代协作”。

一方面，老年人的生活经验被纳入技术研发体系，使其智慧得以通过 AI 载体实现跨代传承，这不仅契合我国 “敬老、爱老” 的文化传统，更让技术发展承载了更多人文温度；

另一方面，基于长者经验优化的 AI 技术，能更精准地匹配银发群体需求，让老年人平等享受智能服务带来的便利，真正实现“AI 发展成果由社会共享”。

这种模式既缓解了数字时代的代际隔阂，也为构建更包容、更具人文关怀的智能社会提供了可行路径，对推动社会可持续发展具有重要现实意义。

五、结语

岁岁重阳，今又重阳。这一承载 “登高望远、敬老怀思” 的传统节日，既是仪式性的文化纪念，也在提醒我们尊老敬老的本质，是珍视岁月沉淀的智慧，让每一代生命经验都成为社会发展的动力源泉。当人工智能浪潮席卷而来，银发群体不该是技术的 “旁观者” 与 “边缘人”，他们经岁月沉淀和历史印记的人生洞察与处世智慧，是所有人都值得学习的“情绪知识”。

正如重阳登高需以坚实石阶为基，AI 的适老之路也需依托这份 “情绪知识” 与长者智慧方能行稳。将老年人经验纳入 AI 发展的进程中，让 “被看见、被倾听、被吸纳”成为技术迭代底层逻辑，AI 才能读懂银发群体情感需求，银发经济才能突破 “功能适老”、抵达 “尊严适老” 境界。

这正是重阳文化在智能时代的全新诠释，以敬老之心承智慧之重，以包容之姿启未来之程。让每一份岁月沉淀的 “情绪知识”，都在技术发展中绽放照亮代际的光芒。

研究团队：腾讯研究院 陆诗雨、张鸿茹、何婧文(实习) 北京邮电大学 张为威、刘蓓佩、张伟珍

项目参与者：李可昕、邓佳昕、包涵、李晨阳

图文编辑：张为威、包涵、刘蓓佩

来源：36kr