当外卖派单、考试评分、招聘筛选越来越多由算法决定时，一个现实问题出现了：如果算法对我们不公平，我们会怎么反应？一项发表于《实验心理学杂志：综合》的研究发现，人们面对不公平的算法，会像面对不公平的真人一样生气，甚至愿意自己吃亏，也要“惩罚”它。
人们如何“看懂”机器的心
心理学家用“心智感知”来描述人们如何判断一个对象有没有内心活动。人们通常从两个维度看：一是“能动性”，即能不能思考、计划、故意行动；二是“体验性”，即能不能感受疼痛、恐惧、快乐和情绪。
在人际交往中，这两件事常常连在一起：一个能故意伤害别人的人，通常也能感受到惩罚带来的痛苦。但AI把这两件事拆开了。人们往往认为机器有足够的“能动性”来做出伤害自己的决定，却几乎没有“体验性”，不会疼，也不会后悔。
这带来一个有趣问题：惩罚一个不会痛的算法，能让人感到正义得到伸张吗？
实验：宁愿两败俱伤，也要拒绝不公平
研究者先招募380名美国英语成年参与者，用“最后通牒游戏”测试。参与者被告知，对方有0.50英镑，并提出分配方案：如果参与者接受，双方按方案拿钱；如果拒绝，双方都拿不到钱。因此，拒绝就是一种“有代价的惩罚”。
结果发现，当算法给出不公平方案，即对方拿0.45英镑、参与者只拿0.05英镑时，参与者的愤怒平均为3.12分（5分制），明显高于算法给出公平方案时的1.31分。面对不公平方案，人们对算法的愤怒（3.12）和对真人的愤怒（2.91）相近；拒绝不公平算法的比例为57.8%，拒绝不公平真人的比例为62.2%，两者在统计上没有显著差异。
也就是说，人们不会因为对方是机器就“算了”。
惩罚之后：正义感与后续慷慨
第一项正式实验纳入123名参与者。所有人都收到不公平的0.05英镑方案，然后决定接受还是拒绝，并回答自己是否觉得“每个人得到了应得的”。之后，他们再玩一个“独裁者游戏”，可以单方面决定分给对方多少钱。
结果显示，拒绝不公平算法的有38/62人，拒绝不公平真人的有40/61人，比例接近。总体来看，通过拒绝来惩罚对方的78人，正义满足感平均为3.57分（5分制），高于接受方案的45人的2.63分。控制是否更换搭档后，惩罚真人与惩罚算法都能提升正义感，但真人在其中的提升幅度更大。正义满足感更高的人，在后续游戏中也更慷慨。
这说明，惩罚算法可能带来一定“ closure（心理闭合感）”，但证据并不完全一致。
更严格的实验：算法与真人同样触发惩罚
为排除“换搭档”和“电脑不需要钱”等干扰，研究者又进行了第二项实验，纳入739名参与者，并采用预注册设计。参与者被告知，5个算法和5名人类研究助理正在参加多轮谈判，虽然都不把钱装进自己口袋，但收入最低的算法和真人会被淘汰。
参与者认为，人类搭档的“能动性”更高（3.30对2.79分），情感体验能力更是远高于算法（3.20对1.86分）。但即便如此，他们拒绝不公平算法的比例为71.0%（262/369），拒绝不公平真人的比例为65.4%（242/370），仍然接近。惩罚对方的人，正义满足感平均为3.53分，高于接受不公平方案者的2.71分。控制人们把技术拟人化的倾向后，惩罚算法和惩罚真人与正义感、后续慷慨之间的关系同样强。
研究者亚历山大·恩认为，人们对不公平机器的反应，和对不公平的人很像：同样愤怒，也同样愿意付出代价去惩罚。
对青少年与AI教育的启示
这项研究提醒我们，AI正在承担越来越多重要决策，如医疗分诊、招聘筛选、内容推荐等。组织不能只把算法当成“工具”，还要设计可问责、可解释、可申诉的机制。原研究摘要还指出，如果机器在被惩罚后表现出“受伤”或承诺给出更公平的方案，可能增强人们“正义已实现”的感受。
对青少年来说，这意味着需要培养“算法素养”：理解推荐、匹配、评分背后有规则；遇到不公平结果时，学会通过反馈、申诉和规则改进来解决问题，而不是简单攻击系统。平台也应让规则更透明，让用户知道“为什么不公平”和“如何纠正”。
算法不会疼，但人对公平的感受很真实。