AI照护的潜能与边界

　　□ 刘涛

　　 AI在照护领域的功能贡献，可以从四个维度加以把握。持续性监测实现24小时生命体征追踪与行为分析，在跌倒检测、心率预警等场景中已达到甚至超过人类护工的警觉水平。认知负担的转移将护工从高重复性、低交互性的监测任务中解放出来，使其得以将有限精力投入到真正需要人际互动的环节。异常模式识别则从海量数据（603138）中捕捉活动量骤降、睡眠节律偏移等细微变化，其敏感度往往超出常规护理评估的感知范围。而第四项功能常被忽视却极为关键：AI在照护资源稀缺的语境中承担着“分配注意力”的中介角色——它无法增加护工的总量，却可以在无数个需要被看见的瞬间做出优先级判断，从而将稀缺的人力引导至最需要即时响应的场景。这四项功能指向同一个事实：在照护的“外核”层面，AI是人的能力的延伸，而非对立：监测更全面、判断更及时、人力更集约。

　　然而，当机器的功能从“监测”逐步侵入“监视”的领地，从“辅助沟通”滑向“替代陪伴”的模糊地带，一个更为深层且紧迫的问题便浮出水面：照护这件事，其边界究竟应当划在何处？当机器不仅能监测心跳，还能模拟情感；不仅能提醒服药，还能补全记忆；不仅能辅助沟通，还能替代陪伴——照护的边界正在被技术与伦理的双重力量反复拉扯。

　　因此，要从三方面划清照护的边界。第一层是技术性边界，由当前AI能力的天花板所划定。语音交互对老年人口音的识别障碍，跌倒检测算法在非典型姿态下的高误报率，情感计算模型面对老年群体时跨模态预测的不一致性——这些限制随着技术进步可以逐步收窄，但短期内仍构成AI深入照护的实际障碍。居家环境的复杂性远超实验室预期，多源异构传感器数据的统一标注与融合分析，在复杂场景下每提升一个百分点的准确率，算法复杂度便呈指数级增长。而更棘手的是，具身智能所依赖的真实运行数据极为稀缺——与依赖现成数据库的大语言模型不同，养老机器人需要进入真实的养老院或老人家庭中采集数据，但团队进入具体场景的机会极为有限。没有真实场景数据，机器人的场景理解和应对能力便难以真正提升。这类边界虽然可以突破，但突破的速度和程度，远不如技术乐观主义者所想象的那样乐观。

　　第二层是实践性边界，根植于现实条件对技术落地的制约。部署成本、机构门槛、文化接受度、人员培训、社会规范——这些因素共同构成了一道看不见的筛选网，将大量技术方案挡在养老机构的门外。即便技术本身足够成熟，老年人面临的数字鸿沟依然难以弥合——部分产品设计基于正常人的使用习惯，未能充分考虑老年群体普遍的感知觉退化，听力、视觉、触觉障碍使得交互本身成为第一道障碍。而失能失智老年人本身难以完成“发出指令”这一前提动作，不少养老机器人恰恰需要老人主动指令才能运作。方言口音是另一个常被低估的障碍，语音交互系统对老年人方言或带有口音的普通话识别准确率远低于标准语境下的表现，而这一问题的解决不仅依赖算法优化，更有赖于大规模方言数据的采集与标注，其成本与周期远超一般技术迭代的范畴。实践性边界与技术性边界不同，它的突破不依赖于单一的算法迭代，而依赖于制度设计、资源配置和代际理解的缓慢变迁。这些约束的消除，往往比技术难题的攻克耗费更长的时间。

　　第三层是本质性边界，这是最深层也是核心的规范性内层。它不由技术水平决定，也不由现实条件决定，而是由照护活动自身的结构所规定。照护的核心——回应他者的脆弱性、承认对方的主体性、在不确定中保持共在——不具备被算法化的条件。这不是因为算法还不够好，而是因为这些行动的本质是关系性的，而非功能性的。功能性行动可以被定义、被优化、被替代，但关系性行动恰恰依赖于人的不完美、有限性和不可预测性。一个老人需要的不只是心跳被监测，还有知道有人在倾听；不只是按时服药，还有有人记得他/她不喜欢苦味；不只是故事被倾听，还有对面那个人真正在意。AI不会脆弱，也不会真正通过对死亡的理解而实现哲学家马丁.海德格尔所提出的“向死而生”，它也不会被对方真正改变，不会因为一个老人的痛苦而陷入不安。一个不具身、不脆弱、无法被他者改变的存在，不可能真正理解另一个存在的处境。例如临终时刻的陪伴，需要的是一个人握住另一个人手时的体验，而非一段智能语音的播放；失智老人记忆崩解时的困惑，需要的是一个真实的人在同一空间中的共同在场，而非一台机器对破碎叙事的“补全”；一个老人对自身生活空间的掌控，需要的是其有权拒绝被看见，而非被数据化的“安全”所覆盖。这些时刻的具体性，恰恰说明了为什么有些边界原则上不可逾越——它们划出的是人与机器的根本分界。

　　(作者为浙江大学公共管理学院求是特聘教授、中国管理科学学会智慧应急与安全管理专委会主任、老龄文明智库特约研究员)