文章核心观点 - 倡议将老年人视为“人工智能的积极合作者”，而非被动接受者，利用其独特的情绪知识和生活智慧为AI注入温度与厚度，使其从工具发展为理解人类的伙伴 [1][7][37] 老年人的独特价值 - 老年人的核心价值在于其长期社会交往中沉淀的“情绪知识”，包括对他人情绪的识别、同理心与理解力，这是AI目前需要提升的关键能力 [2] - 老年人的人生经验是宝贵智慧财富，能通过细节判断他人心理，其“人情世故”的智慧很难被算法复制，可作为AI学习人类情境理解力的重要教材 [4] - 老年人的生活智慧具有纵深价值，承载历史脉络，展现了现实世界的弹性逻辑和强调稳定、责任与长期性的价值判断，能为AI提供超越即时数据的时空视角 [5] - 老年人形成了含蓄、迂回且带有分寸感的独特回应方式，AI需要学习这种语言行为模式以赢得老年群体的信任与使用意愿 [6][7] 老年人参与AI训练的路径 - 通过数据共建构建“长者智语”数据集，该数据集包含来自AI向善语料库的8047组问答对，以及新增的1408条老年人互答语料，总计9455条真实场景语料 [1][8][9] - 采用“初始应答-深度追问-逻辑拆解”的三阶框架挖掘老年人的情绪知识，将隐性的情绪动因和价值判断转化为结构化训练样本 [11] - 建立共创与反馈机制，邀请老年人作为“训练师”参与场景化测试，直接评估AI回应的情感共鸣度与有效性，从使用者升级为优化参与者 [12] 适老化数据集的分析与拓展 - 对8047组问答对进行系统性内容分析，构建了涵盖6大一级主题、16个子类、37个具体项的多层级场景分类体系，并引入“场景+情感”的双重分析框架 [13][15] - 分析发现老年人需求具有多维度交织性，表层功能诉求常绑定深层情感需求，且不同话题间存在强关联，如技术适应与临终关怀 [18] - 基于1408条长辈回复分析，总结出四种回应风格：共情支持型、理性劝导型、经验分享型与实用指令型 [21][22] - 邀请44位平均年龄65岁的老年人作为“情感专家”和“回答质检员”进行评估，发现共情支持型和理性劝导型回答在多数话题中评分最高且最稳定 [20][23][25][27] 意义与未来 - 将老年人的情绪智力纳入AI训练，可推动AI在医疗陪伴、养老服务等场景实现从“功能实现”向“情感共鸣”的深层发展，拓展银发经济应用边界 [32] - 此举重塑了老年人的角色，使其从技术“被服务者”转变为主动的“知识与智慧贡献者”，获得技术发展的话语权和社会价值认同 [33][34] - 长者经验与AI技术的结合是“代际共创”的实践，既能实现智慧跨代传承，又能让老年人平等享受智能服务，有助于构建包容性智能社会 [35][36]

文章核心观点 - 研究倡议将老年人视为“人工智能的积极合作者”，而非被动接受者，利用其沉淀的情绪知识与生活智慧为AI注入温度与厚度[1] - 腾讯研究院与北京邮电大学联合构建了包含9455条真实语料的“长者智语”数据集，其中包含AI向善语料库的8047条及新收集的1408条老年人回答[1][12] - 通过系统化挖掘老年人的情绪知识、回应风格及场景需求，推动AI从“功能实现”向“情感共鸣”转型，实现“尊严适老”而非仅“功能适老”[10][26][40][46] 情绪知识 - 人工智能在逻辑与计算上有核心优势，但情绪知识仍是其需要提升的关键能力，情绪知识涉及对他人情绪的识别、同理心与理解力[3] - 老年人的情绪知识是在几十年社会交往与人生历练中沉淀的“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[3][5] - 老年人能够通过细节判断他人心理，从语气波动、眼神闪烁推测未说出口的感受，并以含蓄稳定的方式传递关怀，这种能力难以被算法复制[5] 生活智慧的纵深价值 - 老年人的人生智慧体现在对社会变迁、日常实践和价值取向的深刻理解，能为AI补充超越即时数据的时空视角[7] - 老年人承载历史纵深，能够连接个人故事与时代脉络，其日常调适与妥协展现了现实世界的弹性逻辑，让AI学习“非理性中的合理性”[7] - 老年人价值判断强调稳定、责任与长期性，其时间智慧可让AI突破即时数据局限，在历史积累与现实情境间找到可持续判断逻辑[7] 独特的回应方式 - 老年人形成含蓄、迂回或带有经验暗示的回应方式，背后是一套自洽的生活逻辑，既维护关系和谐又保持自我尊严[9] - 其交流包含丰富潜台词与分寸感，AI需学习“听懂人”而非仅“听懂话”，当回应体现尊重节奏、保留余地等智慧时，老年人更愿互动[9] - 构建带有“老年知识”的AI是技术改进关键，也是赢得老年群体信任与使用意愿的核心因素[10] 数据共建 - 研究基于腾讯与百余家社会组织共创的AI向善语料库，包含8047组老年人与社工的日常生活问答对，覆盖健康、心理、家庭关系等多方面[12] - 新增1408条由老年人针对老年人问题的回答，更贴近日常语境且包含个人经历与情感支持，与社工专业解答形成互补[12] - 两类数据结合形成总计9455条真实场景语料，构建系统化的“长者智语”数据集[1][12] 情绪知识挖掘 - 采用半结构化访谈构建“初始应答-深度追问-逻辑拆解”三阶框架，引导老年人自主表达后通过开放性问题剥离表层语言背后的情绪逻辑[15] - 例如老年人提问“子女在国外工作，家里就我一个人”时，深层情绪逻辑是希望得到“教育成功”的认可，而非仅解决生活难题[15] - 通过文本分析与情感标注，将隐性情绪动因、价值判断与经验逻辑转化为结构化训练样本[15] 共创与反馈机制 - 老年人从“数据提供者”升级为“训练师”，在AI模型迭代阶段参与场景化测试，如模拟医疗咨询、养老设备操作等真实情境[17] - 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，并清晰表达对“回应机械”、“用词不亲切”等改进意见[18] 对原始问答对的分析 - 对8047组问答对进行系统性内容分析，构建涵盖人际关系、身心健康等6大主题、16子类、37具体项的多层级场景分类体系[20] - 引入“情感维度”标注，形成“场景+情感”双重分析框架，发现老年人提问常呈现“积极与消极情绪交织”特征[22] - 例如老年人提及“孙子教用视频电话”时，既流露互动愉悦又夹杂怕麻烦孩子的担忧，需在三级分类中精细化标注并存情绪[22] 拓展与分析长辈的回复 - 邀请44位年龄55-78岁（平均65岁）的老年人以“情感专家”身份重新审视问题，从提问者转变为情感洞察诠释者与共创者[28] - 对1408条长辈回复进行系统分析，总结出共情支持型、理性劝导型、经验分享型与实用指令型四种回应风格[28][31] - 老年人在不同场景下展现明显风格偏好，共情支持型最受欢迎，且对“理解、帮助、共情”三项评价高度一致，视作同一体验[33] 发展有丰富情绪知识的大模型 - 将老年人情绪智力与生活智慧纳入AI训练体系，可推动AI从“工具到伙伴”转型，在医疗陪伴、养老服务等场景实现更具温度交互[40] - 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“功能实现”向“情感共鸣”深层次发展的支撑[40] 从边缘到智慧贡献的重塑角色 - 老年人从被动“被服务者”转变为主动“知识与智慧贡献者”，通过分享情感识别技巧等获得自我价值认同与尊严感[42] - 这种角色转变打破“技术只属年轻人”刻板认知，让老年人在数字时代找到新社会参与方式，实现个人社会价值延伸与再创造[42] 推动代际共创的包容智能社会 - 长者经验与AI技术结合是“代际共创”实践，推动技术从“单向创新”走向“跨代协作”，使智慧通过AI载体实现跨代传承[44] - 基于长者经验优化的AI技术能更精准匹配银发群体需求，让老年人平等享受智能服务便利，实现“AI发展成果由社会共享”[44] - 该模式缓解数字时代代际隔阂，为构建包容、具人文关怀的智能社会提供可行路径，对社会可持续发展有重要现实意义[45]