『柏拉图说』是由南京大学计算传播学实验中心的成员们于2022年4月发起的论文精读与推介活动，我们将定期推送新闻传播学TOP期刊最新内容、新闻传播学前沿及相关量化研究方法论文。我们致力于深耕传播学领域，紧跟专业研究热点，延伸学术视角，拓展群体智慧。
柏拉图说 论文推介第 185 篇
深入和挖掘人工智能的社交方面是人工智能社区中一个新颖但新兴的需求。未来的研究应该投资于“为人类服务的人工智能”，而不仅仅是在道德、可解释性和负责任的人工智能方面做出无疑急需的努力。本文通过对围绕人工智能的讨论提出问题来解决这一挑战，人工智能将注意力转移到个人及其对人工智能的意识、知识和情感反应上。首先，我们概述了与人工智能社会影响研究中需要社会技术视角相关的主要论点。然后，我们阐述了与人工智能和机器人相关的希望和恐惧的主要现有叙述。作为更广泛的“社会技术想象”的基石，叙事是塑造社会如何看待、解释和组织技术的强大工具。博洛尼亚大学的一项原创实证研究收集了数据，以检查人们对人工智能的意识、知识和情绪反应水平，揭示了未来研究中需要进行的有趣见解。乌托邦和反乌托邦的叙述都充满了夸张的成分，并根据一些相关的社会人口变量（性别、世代和能力）进行了分析。最后，重点关注两个问题——人工智能焦虑的状态和非专家的观点——为围绕人工智能的讨论提出问题，维持人工智能领域对社会学视角的需求，并讨论未来的比较研究。
引入
本文介于社会技术系统视角和叙事分析视角之间，阐述了一种社会技术视角，克服了当前对个人如何构建、媒体如何描绘以及政策制定者如何监管人工智能的忽视。为了 “使关于人工智能的对话成为问题”（罗伯热等人，2020），确定并考虑在社会技术系统中涉及的人员、其角色、目的和想象是必不可少的一步。正如社会学家帕特里斯・弗利希（1995）所支持的，需要考虑从设计到使用的所有参与特定技术 “使用框架” 的主体，在这里我们关注个人及其在涉及人工智能时的意识、知识和情感反应水平。我们的主要论点认为，与以前的技术一样，上述水平不仅在不同社会群体中因许多社会人口因素而异，而且对于技术在社会中的传播和接受也至关重要。
数据和方法
调查：调查问卷和样本描述
为了调查公众对人工智能和机器人看法的新话题，我们选择了一种探索性方法，包括对博洛尼亚大学附属人员进行的专门调查。一份原始的临时调查问卷提供了所有基本定义，是专门为本次调查设计的。研究问题是为了了解社会实践、行动和决策在多大程度上塑造了对人工智能技术的认知，从而调查知识、意识和信任的水平。
受访者被要求表达他们对机器人和人工智能的看法，并通过定性开放式问题来证实他们的答案。他们接受了调查，了解他们对人工智能未来进一步发展的认知水平和态度。相对于他们对（理想或不理想）技术未来的愿景，我们还调查了对主流人工智能叙述的情绪反应（担忧或兴奋）以及他们对未来 15 年的感知可能性。Table1显示了用作基准的八种情景，首先是希望，然后是恐惧。
该调查问卷通过电子邮件发送给博洛尼亚大学的所有人员，包括学生、教授和其他员工。 5391 名受访者完成了调查。样本由 57% 的女性和 43% 的男性组成，出生于 1950 年至 2003 年之间。受访者按其世代划分：22% 出生于 1950 年至 1989 年之间；2% 出生于 1950 年至 1989 年之间。 1990 年至 1996 年间为 23%； 1997 年至 2003 年期间为 54%。6 技术领域的能力用于根据受访者对信息技术 (IT) 或计算机科学 (CS) 的熟悉程度和经验（我们称之为“能力”）来筛选受访者：8% 已毕业（本科生）在这两个选定领域中，38% 的人至少参加过一门大学课程或精通编程，而 55% 的人没有能力。
结果
对人工智能的认知
不同代际之间没有实质性差异（除了最年轻一代的比例略低），但在其他两个变量上出现了差异。虽然 85% 的男性声称在过去一年中阅读过人工智能相关内容，但女性的这一比例降至略低于 70%。不出所料，在信息技术（IT）或计算机科学（CS）领域拥有学位的人中，接触到该主题的比例（90%）高于没有相关能力的人（70%）或仅参加过该领域大学课程或擅长编程的人（82%）。
有趣的是，前两代（1950 - 1989 年；1990 - 1996 年）与最年轻一代（1997 - 2003 年）之间存在差距：大约 50% 的年长受访者能正确回答所有问题，而在最年轻的受访者中，这一比例降至 37%。这一结果表明，属于数字原生代——即出生在智能手机、社交媒体和人工智能等技术已经存在的时代——并不意味着对这些工具背后的技术有更好的理解和熟练使用。最后，能力水平显示出最大的差异。如果参加课程或擅长编程与完全没有能力相比似乎没有太大区别，那么拥有 IT 或 CS 领域的学位则有很大不同：它使正确识别所有建议示例中人工智能的人数增加了近 20 个百分点。因此，就人工智能的一般知识而言，能力起着最大的作用。此外，能力也可能是造成一些性别和代际差异的因素。不出所料，女性和最年轻一代（1997 - 2003 年）中正确答案的比例较低，因为他们在 IT 或 CS 领域的毕业生较少。
对机器人和人工智能的看法
总体而言，我们的样本显示出对这些技术的积极态度。对机器人（60%）和人工智能（58%）的最常见回答都是 “相当积极”，其次是 “非常积极”（20%；22%）：这意味着大约五分之四的人声称他们的积极看法多于消极看法。18% 的人 “不太积极”，2% 的人 “完全不积极”。为了进一步调查积极看法背后的因素，表 4 按性别、代际和对技术的掌握能力展示了在 “非常积极” 看法方面的有趣差异，无论采用何种分类方式，对人工智能的 “非常积极” 看法的比例都略高于对机器人的看法。
我们的数据显示出看法上的性别差异：与女性（12%；16%）相比，更高比例的男性（30%；32%）对这两种技术表现出非常积极的态度。代际似乎仅对机器人有轻微影响：最年轻一代（1997 - 2003 年）和中间一代（1990 - 1996 年）中 “非常积极” 看法的比例比最年长一代略低（约低 4 个百分点）。在对人工智能的看法上没有显著差异。相反，教育在技术领域的作用是相关的：能力水平越高，积极看法的比例越高。这对于机器人和人工智能都是如此。
对叙述的情感反应
当受访者面对叙事时，出现了明显的差异：根据不同的场景，担忧或兴奋的程度有很大变化。总体而言，我们的数据显示，自由和满足场景在性别、代际和能力方面的两极分化程度最小。这些叙事的担忧程度最低，并且与异化场景一起，被认为是最有可能发生的。这些结果与凯夫和迪哈尔（2019）的研究一致，唯一的例外是满足场景，它在英国的得分是最低的之一。
性别呈现出明显的趋势：女性在所有叙事中都更担忧（表 5）。在涉及对人工智能恐惧的特定场景（非人化、过时、异化和起义）中，这种差异更加明显。当涉及到希望场景时，在自由、满足和主导方面记录到了更一致的情感反应，唯一的例外是永生场景。永生场景不仅引发的担忧多于热情，而且还证实了性别差异。
变量代际在理解与所考虑的叙事相关的不同情感反应的因素方面提供的指示不太精确。在意大利的背景下，数据导致推测代际并不影响受访者的态度。记住这些差异是小百分比差异，我们只能注意到，与最年长一代（1950 - 1989 年）相比，出生在 1997 - 2003 年之间的较少人数表示对希望场景（永生、自由、满足和主导）感到担忧。另一方面，中间一代（1990 - 1996 年）对恐惧场景最不担心，而最年轻一代（1997 - 2003 年）更担心。
同样，能力确实影响情感反应。在八个场景中的三个（永生、非人化和过时），没有能力的人比有能力的人更担忧。同样，与信息技术或计算机科学的关系越密切，担忧的百分比越低。自由和起义场景记录到较小的差异（尽管有类似的趋势），而满足、主导和异化场景则没有差异。
叙述的感知可能性
在调查技术未来时，受访者还被问及他们是否认为每种情景有可能在未来 15 年内发生（表 6）。在所有情景中，女性略微倾向于认为一切都更有可能发生。虽然负面情景使男性和女性的观点两极分化，但在正面情景上则有更大的一致性。
永生是唯一没有差异的情景。无论性别、代际和能力如何，都普遍认为：在未来 15 年内，人工智能不太可能发展到导致永生的水平。在其他七个情景中，代际之间存在一些小的差异。最年轻的一代（1997 - 2003 年）认为负面情景（非人化、过时、异化和起义）比年长的受访者更不可能发生。而对于自由和满足情景则相反。
从能力来看，除了永生和自由这两个情景外，在所有情景中都存在一个持续的趋势。永生情景在较低程度上达成了一致，而自由情景是毕业生比例最高的一个。
在其他六个情景中，能力越低，认为那些未来可实现的百分比就越高。为了证实能力在塑造对人工智能的态度方面确实起作用，值得注意的是，在恐惧情景中，高能力和无能力之间的差异达到了最高水平。
按能力和性别划分的叙事
能力概况
评估能力作用的另一种方式是根据专业知识水平对受访者进行更细致的分类，分为最专业和最不专业两类。“精通” 型档案包括所有那些听说、阅读或看到过人工智能相关内容、正确识别了所有六种建议的人工智能技术并获得了信息技术或计算机科学学位的人。“不精通” 型档案则收集那些没有听说、阅读或看到过人工智能相关内容（或不确定是否相关）、在六种建议技术中至少答错三个且在信息技术或计算机科学领域没有能力的人。
如表 7 所示，“精通” 型档案的人对人工智能和机器人都有更好的看法。在这一群体中，最常见的回答是 “非常积极”（52% - 54%），而在 “不精通” 型档案中，对机器人的这一比例为 6%，对人工智能为 8%。在后者中，近 60% 的人表示相当积极的看法，而约 30% 的人感觉 “不太积极”。在 “精通” 型档案中，怀疑者降至 5%。同样，世界各地的调查结果证实了这一趋势：技术能力（张和达福，2019）甚至仅仅是接触到更广泛的人工智能相关信息源（欧洲晴雨表，2017）都可以改善人们对这些技术的看法。
性别
在希望情景中（唯一的例外是永生情景），表 8 显示在那些强烈赞成人工智能进一步发展的人中，性别差异不存在。可以进一步注意到自由情景表现出特殊情况：女性比男性（略微）更热情。从我们的定性数据中可以找到对这种异常现象的一种可能解释。女性表示赞赏机器人和人工智能系统在家庭活动中可能提供的潜在帮助。在辅助机器人的情况下尤其如此：通常负责护理工作的女性预见到了潜在的物质帮助。
当我们转向恐惧情景时，明显可以看到持续的性别差异。强烈赞成的男性对负面未来演变的担忧较少。表 6 有助于解释这一结果，因为男性确实认为恐惧情景在未来 15 年内不太可能实现。
表 9 突出显示性别在人工智能认知及其对未来发展态度中再次发挥作用。无论情感反应是兴奋还是担忧，男性比女性更赞成人工智能系统的进一步未来发展。让我们看看对八个情景都感到担忧的男性和女性。在他们之中，强烈赞成未来发展的男性比例在所有情景中都是女性的两倍。同样，如果我们转向那些感到兴奋的人，数据显示男性的比例几乎是热情女性的两倍。
总体而言，关于人工智能认知中的性别差异，我们有三点直觉需要进一步研究。女性认为这些 “极端” 情景中的每一个都比男性更有可能发生（表 6）。因此，情感反应随之而来：即使在那些强烈赞成的人中，女性的担忧程度也更高（表 8）。在担忧和热情的 “强烈赞成” 之间的差异在男性中比在女性中更大，并且在所有情景中都是如此（表 9）。这表明情感反应影响男性的态度，抑制了不切实际的恐惧反应。这些原始见解强调了进一步研究性别差异以及它如何调节对人工智能的看法、知识和社会技术想象的重要性。
讨论
我们是否正在经历人工智能焦虑状态？
为了解释这种混淆，我们补充第四个原因：将技术拟人化并虚构其（潜在）功能的倾向。将人类所具有的能动性赋予机器人和人工智能系统是对未来技术可能性的扭曲描绘的根源。此外，对日益组织我们日常生活的专家系统的信任需求，与判断和控制被描绘得比人类更强大的人工智能技术所需的专业知识缺乏相冲突。作为一种面向未来的情感，焦虑随之而来。
进一步说，将机器人或人工智能系统具象化有助于构建积极和消极的叙事。积极的自由和满足叙事以及更消极的过时和起义叙事都源于并允许上述混淆。自由意味着由于家用机器人、虚拟助手或人工智能推荐系统而使日常生活更轻松，而满足则指更友好和更有成效的社会关系。想象具象化的机器人或人工智能系统会引发亲近感和喜爱之情，使某些叙事比其他叙事更突出。它还再现了线下存在的偏见和刻板印象的相同结构。
由于过度悲观的描绘可能会不合理地增加公众舆论中的风险感知，这种普遍的不一致可能会导致过度监管或阻碍可能有益的社会影响。如第 2 节所述，公众舆论在影响监管方面发挥着重要作用。例如，立法者的注意力可能会集中在与通用人工智能相关的问题上 —— 这是目前公众的主要担忧之一。即使通用人工智能的发展路径已经确定，从技术上讲它也远非可行。此外，错误的注意力可能会掩盖实际问题，如人工智能中的偏差，这些偏差往往会使并在我们的社会中再现现有的交叉歧视和刻板印象。
非专家对人工智能的看法
第二个讨论点涉及非专家：他们重要吗？虽然知识分子和研究人员是引领未来情景讨论的合法参与者，但不要忘记非专家也面临着理解的需求。毫无疑问，专家有权讨论并以证据证实希望和恐惧事件在多大程度上可能产生实际后果。然而，普通公民通过他们的想象确实会对技术未来情景感到好奇并进行思考。特别是当他们的知识和意识较低时，集体想象在与现实的调解中发挥作用，尤其是在最令人恐惧的事情方面。不仅将人类和机构排除在画面之外会加剧焦虑，而且还会使人工智能社区在追求更公平的人工智能为人类服务的竞赛中失去优势。
如第 2 节所述，考虑所有参与使用框架的行为者符合一种社会技术视角，该视角涵盖所有相关主体。为了真正朝着 “人工智能为人” 迈出一步，在设计和部署过程中应咨询非专家。原因之一是人工智能开发者应该了解对于那些将使用他们设计的人工智能系统的人来说什么价值观是重要的。例如，记者要求超越重要的一般原则，呼吁人工智能系统体现他们职业的核心价值观（真相、公正性和原创性）。另一个原因涉及人工智能设计、开发和培训中的不平等所带来的交叉问题。设计技术和训练自动决策系统核心算法的人应该了解在整个过程中所需的多样性。从数据收集到设计，从部署到应用，多样性是解决不平等传播和再现问题的关键。在这个方向上，设计正义是一个不断发展的社区，倡导一种将设计、权力和社会正义相结合的新技术设计方法。
主要作者简介
分享者介绍
陈敏扬
