对AI说“谢谢”

最好不要随意对AI说谢谢。

用户在对话结束时说一句“谢谢”，几乎没有成本；但对AI而言，处理一句“谢谢”，意味着真实的能耗。用户的每句话，哪怕只是普通的“谢谢”“请”等礼貌用语，都被视为一次新的指令，需要调用计算资源消耗大量算力来生成响应。而算力需要稳定的电力供给支撑。研究机构 Epoch AI 发现，使用GPT-4o模型进行短文本查询或对话时，单次耗电约0.3瓦时，也就是约0.0003度电。这个数据看似很小，但截至2025年6月，ChatGPT 的周活跃用户已超7亿。如果每人对 AI说一句“谢谢”，一周下来就会消耗约21万度电。不止如此，发电厂需要冷却水降温，数据中心也通常用冷却水或蒸发冷却塔来降低机房温度。因此，AI 回复一句“谢谢”也会带来水资源的大量消耗。雷·伦的《AI 消耗了多少水？公众有权知道》指出，GPT-3每回复一次会消耗10—50毫升水。同样按照7亿活跃用户计算，如果 AI 回复每位用户一次“谢谢”，一周下来将多耗700—3500万升水。而GPT-4规模更大，实际用水量可能更高。

更何况，对AI太礼貌，不仅可能无法稳定提升 AI输出内容质量，甚至可能导致AI 输出内容质量下降。相关学者进一步解释称，一方面，AI 模型更关注任务核心而非修辞。“谢谢”等礼貌性的修辞与核心任务关联不大，但会占用模型的解析效率。越多礼貌用语，模型越可能费更多精力解析与任务无关的内容，使文本更难处理，甚至可能增加模型的“困惑”，导致核心问题处理的精准度降低。另一方面，过度礼貌的语气可能与模型训练语料不匹配。或许模型训练时主要见到的是中立、命令式提示，礼貌的提示在训练语料中比例不高，因此模型对礼貌语气的应对还不成熟。

所以，和AI对话时，还是把精力放在问题描述上为好，至于“谢谢”，还是多对身边人说吧。

在人际沟通中，礼貌用语通常能获得更高的配合度与沟通效率，而粗鲁表达易引发反感，进而降低回复质量。本研究在英语、中文与日语三类任务中，评估了指令的礼貌性对大语言模型表现的作用。

研究表明，中文场景与英文场景类似，大语言模型也存在偏好礼貌指令的趋势，但也存在一些差异。模型Ⅰ在礼貌级别1时得分最低，表现显著差于其他级别。此外，较低的礼貌级别2也显著低于级别6、5、4和3。然而，级别7的得分同样偏低，显著落后于除级别1外的所有级别。模型Ⅱ表现稳定，仅在礼貌级别7和6时出现得分下降。模型Ⅰ和模型Ⅱ在过度礼貌的指令中得分下降，可能是因为预训练时中文考试题目本身不带有礼貌表述，导致模型对这类表达的适配性较差。模型Ⅲ从礼貌级别7到级别1呈现明显的下降趋势。模型Ⅲ的主要预训练语言是中文，因此可能对中文的礼貌程度变化更敏感。

很多用户之所以会对AI 使用礼貌用语，背后是人类无法割舍的人文价值诉求。对AI说“谢谢”，并非单纯的社交礼仪，而是人类将 AI拟人化后的情感投射：前额叶皮层将AI 的回应识别为有效反馈，让人们下意识延续现实中的社交习惯；部分用户的潜意识里，还藏着对 AI 未来发展的微妙期待。更重要的是，科学家的研究证实，对AI的正向反馈能优化其响应逻辑，礼貌的交互方式还能触发 AI 更温和的表达风格，增强用户与 AI之间的交互黏性。在心理疏导、情感陪伴等场景中，一句“谢谢”带来的人文温度，让 AI 不再是冰冷的工具，而是能给予情绪慰藉的交互伙伴，这种价值，无法用能耗和效率来衡量。

这场关于“谢谢”的争论，本质上是工具理性与人文温度的正面碰撞。AI 的核心属性是工具，工具理性要求我们追求交互的高效、精准，减少无意义的资源与时间浪费。但AI又不同于普通工具，它是能实现自然语言交互的智能体，人类的社交本能与情感需求，会让我们不自觉地赋予其人文属性。二者并非非此即彼的对立关系。所以，哪怕面对冰冷的赛博机器，我们中的很多人还是愿意保持人的文明体面。