51CTO讀者成長計劃社群招募，咨詢小助手（微信號：CTOjishuzhan）

作者 | Philipp Brauner，Alexander Hick，Ralf Philipsen，Martina Ziefle

譯者 | 王瑞平

人工智能（AI）已經(jīng)在醫(yī)學(xué)、商業(yè)、制造業(yè)和交通運輸中無處不在，并正在滲透進每個人的生活。公眾對其看法褒貶不一，要么欽佩，要么認為它會造成威脅。

本文帶你具體了解公眾對人工智能的看法，以及它的使用規(guī)范和屬性。這對于研究和創(chuàng)新至關(guān)重要。

一、研究意義與價值

盡管近年來弱人工智能取得了巨大的進步，但運用人工智能解決具體問題仍然困難重重。公眾對人工智能的認知往往起始于科幻小說，比如，《銀河系漫游指南》、《星際迷航》、《終結(jié)者》或《太空漫游》。這些故事里的描述可能會將人工智能扭曲成過度期待或毫無根據(jù)的悲觀敘述。

研究者在開發(fā)人工智能改進算法、生成數(shù)據(jù)、為監(jiān)督學(xué)習標記以及研究人工智能對組織、勞動力和社會的經(jīng)濟影響方面已經(jīng)做出了很多研究，有必要定期更新這些學(xué)術(shù)見解。

本文主要明確了人工智能的定義并梳理了人工智能的最新發(fā)展進程和預(yù)測，還介紹了具體研究方法和研究樣本。

為了開展研究，我們詢問了122名德國參與者。詢問內(nèi)容主要包括與人工智能相關(guān)的38個陳述，涵蓋：經(jīng)濟、工業(yè)、社會、文化、衛(wèi)生等領(lǐng)域。具體評估了參與者的觀點與感受（積極或消極）和在這些領(lǐng)域應(yīng)用人工智能的可能性。

通過詢問的方式，我們明確了評估與期望一致的領(lǐng)域以及存在較大差異的領(lǐng)域。差異較大可能會阻礙公眾對人工智能的接受程度。關(guān)于人工智能風險和收益的社會討論能夠減少降低這些差異，有助于制訂人工智能監(jiān)管指南。

研究的結(jié)果以空間散點圖的形式呈現(xiàn)，具有重大參考價值：

指導(dǎo)人工智能技術(shù)的開發(fā)人員和實施者；

指導(dǎo)特定領(lǐng)域的監(jiān)管政策制定；

告知研究人員可以解決的領(lǐng)域，提高社會接受度；

明確學(xué)校人工智能課程重點。

最后，研究者還討論了相關(guān)結(jié)果以及該項工作的局限性并總結(jié)了研究結(jié)果的使用方法。

2、人工智能不同版本的定義

“人工智能”一詞是在1955年的“達特茅斯人工智能研討會”上被創(chuàng)造出來的。當時的主題是“機器智能”。會議上的科學(xué)家們討論了如何讓計算機獲得人類智能。

大家建議將人工智能定義為：“讓機器擁有接近人類智能的能力。”它是研究計算機模擬或者替代人類智能行為的一門學(xué)科。

當時，研究人員確信，機器在兩個月的時間里就能理解語言、使用抽象概念并能自我改進。這是一個雄心勃勃的目標，隨之而來的是人工智能的準確定義。

人工智能作為計算機科學(xué)的分支，可用于創(chuàng)造智能機器。這些機器可以用來執(zhí)行智能任務(wù)，如，視覺感知、語音識別、決策和語言翻譯。

機器學(xué)習作為人工智能的子集，專注于算法和統(tǒng)計模型的開發(fā)，使機器能夠通過數(shù)據(jù)學(xué)習提高執(zhí)行特定任務(wù)的能力，而無需編程。

羅素和諾維格撰寫的人工智能核心入門教科書將其定義為“設(shè)計和構(gòu)建智能代理，這些智能代理可以從環(huán)境中接收感知并采取影響環(huán)境的行動?！?/p>

《劍橋詞典》從不同的角度對人工智能進行了定義，將其定義為：“研究制造出具有人類思維的計算機，例如，理解語言、識別圖片、解決問題和學(xué)習能力，”或者是“用與人類相似方式完成某項工作的計算機技術(shù)?！?/p>

3、強人工智能與弱人工智能

近年來，由于計算能力提高、數(shù)據(jù)增加、算法改進和資金的大力扶持，極大地推動了人工智能(AI)、深度神經(jīng)網(wǎng)絡(luò)(DNN)和機器學(xué)習(ML)的發(fā)展。

通用人工智能（AGI）也被稱作“強人工智能”，指的是與人類智能相匹配的人工智能，可以將機器學(xué)習轉(zhuǎn)移到新的任務(wù)中。雖然我們離實現(xiàn)“強人工智能”仍有一定的距離，但專注于完成細分領(lǐng)域任務(wù)的“弱人工智能”和相關(guān)的機器學(xué)習模型已經(jīng)對個人、組織和社會產(chǎn)生了巨大的影響。

具體來講，“強人工智能”可以模擬人類的智慧和行為，而“弱人工智能”則被應(yīng)用于解決特定的、狹義的任務(wù)，如，圖像識別、醫(yī)療診斷、天氣預(yù)報和自動駕駛等。

最近，人工智能的相關(guān)媒體報道都可以被劃歸到弱人工智能領(lǐng)域，比如，進行更快、更準確的圖像識別、翻譯、圖像和文本生成等。

4、人工智能的研究重點與應(yīng)用領(lǐng)域

目前，人工智能的研究重點是將經(jīng)常重復(fù)或累人的認知工作自動化。目的是為效率低下或效率較低的工作方式提供技術(shù)解決方案。然而，還有許多(潛在的)人工智能應(yīng)用領(lǐng)域僅僅是人類思維能力的延伸，比如，創(chuàng)造力。

人工智能的主要應(yīng)用領(lǐng)域包括：語音助理、自動語音識別、翻譯、自動駕駛和飛行、醫(yī)療技術(shù)、生產(chǎn)控制、人機交互、人力資源管理和機器規(guī)范性維護。

例如，人工智能的圖像識別功能被用于評估癌癥診斷的醫(yī)學(xué)圖像，或者為自動駕駛汽車提供周圍環(huán)境的模型。

5、公眾對于人工智能的看法

隨著人工智能逐漸成為生活中不可或缺的一部分，如，個人助理(Alexa、Siri等)、大型語言模型(ChatGPT、LaMDA)、智能購物清單和智能家居等，終端用戶對技術(shù)的感知和評估變得越來越重要。

研究表明，公眾對人工智能的看法不僅會受終端用戶多樣性的影響，還會受到相關(guān)情境的影響。

在一項研究中，研究者調(diào)查了人工智能在3種情況下（媒體、健康和法律）的可用性。研究結(jié)果表明：人們普遍擔心人工智能帶來的風險并質(zhì)疑其對社會的公平性和實用性。

這意味著，為了使人工智能技術(shù)被廣泛應(yīng)用，應(yīng)該在個人和社會層面考慮用戶的最終看法和對其進行風險評估。

另一項研究則調(diào)查了公眾對人類、機器人和人工智能代理的信任程度是否有所不同。

在這項研究中，研究人員通過信任游戲調(diào)查了參與者對人工智能代理或機器人虛擬貨幣的信任程度，以及人工智能代理或機器人的名稱是否會對相關(guān)金額造成影響。

結(jié)果顯示，最受信任的代理是一個用非人類名字命名的機器人，而最不受信任的代理是一個名為Michael的未指定控制(意思是沒有表明它是否是人類)。

研究人員得出結(jié)論，人們會更信任一項復(fù)雜的技術(shù)。而這項技術(shù)在認知表現(xiàn)和公平性方面必須是可靠的。

該研究為以下理論提供了支持：較高的教育水平、人機交互時較高的自我效能水平可能會影響對相關(guān)技術(shù)的信任。

此外，在其它的調(diào)查中還發(fā)現(xiàn)，一方面，人們不希望與人工智能建立個人關(guān)系。

另一方面，用戶的多樣性影響了對于人工智能的評價。

越來越復(fù)雜的人工智能的持續(xù)發(fā)展可能會給個人、組織和整個社會帶來深刻的變化。

總之，隨著技術(shù)的發(fā)展，研究和創(chuàng)新要求我們不斷更新對人工智能的社會評價和所造成影響的理解。

六、德爾菲研究方法

為評估公眾對人工智能的看法，我們使用了德爾菲研究法，要求參與者對未來人工智能的發(fā)展情況做出預(yù)測。

為了評估參與者對人工智能的認知，我們構(gòu)建出相關(guān)研究模型。第一階段在專家研討會上確定了主題，獲得了準確列表，然后對這些主題進行評級。

1.確定主題

為了制訂主題清單，我們同技術(shù)發(fā)展與預(yù)測領(lǐng)域的4位專家進行了3個階段的專家講習班。

第一階段，我們對可能的主題進行了討論；第二階段，我們將相似話題進行了分組，然后挑選出最相關(guān)的38個話題；最后一個階段，我們改寫了38個話題的標簽，便于參與者理解。

2.調(diào)查

在線調(diào)查問卷主要包括38個不同方面的問題，從人工智能對職業(yè)生涯的影響，到對經(jīng)濟、醫(yī)療保健、社會、文化的影響。

圖1主要展示出研究方法和調(diào)查結(jié)構(gòu)。本研究采用專家研討會和后續(xù)調(diào)查研究相結(jié)合的多階段研究設(shè)計。調(diào)查問卷包含人口統(tǒng)計數(shù)據(jù)、探索用戶因素以及對38個人工智能相關(guān)場景的評估。

3.參與者信息統(tǒng)計

為了調(diào)查用戶個人因素(年齡、性別等)對人工智能場景的預(yù)測，以及對可能產(chǎn)生的影響進行評估。調(diào)查以詢問參與者的信息開始。具體來說，我們詢問了參與者的年齡、性別和最高受教育程度。

然后，我們使用6點Likert量表搜集相關(guān)信息(范圍從1到6)。內(nèi)部可信度則使用Cronbach's alpha進行測試。經(jīng)測試，量表具有良好的內(nèi)部可信度(α = 0.804，n = 122，5項)。

4.人工智能感知

接下來，我們向參與者詢問了人工智能未來發(fā)揮作用的各種主題，領(lǐng)域涵蓋對個人的影響、經(jīng)濟和社會的變化以及管理問題。其中一些話題比較直接，而另一些則比較寬泛。

針對38個主題，我們詢問了參與者未來發(fā)展的可能性以及他們的評價是積極的還是消極的。

上表列出了這些主題，從“人工智能將促進創(chuàng)新”，到“人工智能將創(chuàng)造重要的文化資產(chǎn)”，再到“人工智能將導(dǎo)致社會的衰落”，下文會具體說明。

問卷用3欄展示出相關(guān)的項目：左側(cè)為項目文本，右側(cè)為兩個量表，用于查詢參與者對實現(xiàn)期望的可能性和評價。

在參與者中，項目被隨機化了，用來補償問題順序偏差。我們使用4點Likert量表評估預(yù)期結(jié)果的可能性。

5.調(diào)查分布和數(shù)據(jù)統(tǒng)計分析

我們使用社會科學(xué)組合方法檢查了122個樣本的數(shù)據(jù)集。為了評估變量之間的相關(guān)性，我們使用非參數(shù)和參數(shù)相關(guān)性分析了相關(guān)數(shù)據(jù)，設(shè)置顯著性水平為5%(α=0.05)。

我們使用Cronbach's alpha檢驗用戶因素的內(nèi)部一致性。由于關(guān)于人工智能發(fā)展的陳述沒有規(guī)范的順序，沒有重新編碼這些值。

我們計算了38個題目未來發(fā)展的可能性，然后評估了參與者的平均得分(M)和標準偏差(SD)等，給出樣本對每個主題評估的平均值。

表1顯示了樣本中用戶因素之間的相關(guān)性

（122個參與者樣本中用戶因素的描述性統(tǒng)計和相關(guān)性）

七、結(jié)果

我們分析了參與者對于AI的不同陳述，并將這些陳述在空間上映射出來。圖2顯示了參與者對調(diào)查中38個主題的平均估計概率和平均評分的散點圖。

圖中，每個單獨的點代表對一個主題的評價。橫軸上的點的位置表示估計發(fā)生的可能性，被評為更有可能發(fā)生的話題在圖的右邊?？v軸上的位置顯示了對該陳述的評價，評價越積極的主題在圖表上的位置越高。

圖2：AI預(yù)測估計可能性與評估之間關(guān)系的散點圖

表2：各個語句及其評級，展示出AI場景中的所有語句。參與者對人工智能可能對生活和工作產(chǎn)生的各種后果的估計可能性(likelihood)和主觀評估(Evaluation)

上述要點總結(jié)出人工智能在哪些方面沒有實現(xiàn)參與者的想法。如圖2所示，對于某些陳述，估計發(fā)生的可能性與參與者的個人評估一致，而另外的一些陳述則存在強烈的分歧。

同意度最高的陳述是人工智能將促進創(chuàng)新、威脅到參與者的職業(yè)未來，并將在工作生活中占據(jù)領(lǐng)先地位。

此外，參與者還認為人工智能的使用將導(dǎo)致交流減少并將受到精英的影響。它將摧毀更多的就業(yè)機會，還容易受到黑客攻擊。

總的來說，參與者對于人工智能的評價既有積極的，也有消極的，并認為它促進社會的發(fā)展。我們由此推斷，人工智能及其影響并不是非黑即白。另一方面，參與者對人工智能將如何影響他們的生活看法不一（積極或消極）。

八、寫在最后：人工智能將重塑未來

人工智能在社會中的日益普及將重塑我們的未來。我們需要了解如何與技術(shù)互動，以及如何運用技術(shù)與他人互動。

這項工作表明，公眾對于人工智能廣泛的應(yīng)用看法有所不同。根據(jù)調(diào)查結(jié)果繪制的散點圖使這一評估清晰可見，并表現(xiàn)出具有迫切研究、開發(fā)需求的問題，從而有助于開展人工智能研究和創(chuàng)新。

我們還發(fā)現(xiàn)，人們對人工智能的看法存在個體差異。這可能會影響人們在未來的工作中提升技能的方向?？傊?，這是政治問題，而不是技術(shù)問題。人工智能可以在哪些領(lǐng)域影響我們的生活和社會發(fā)展方向，以及影響到什么程度。

作為社會中的一員，我們需要討論人工智能在廣泛應(yīng)用中的可能性和局限性，并制訂監(jiān)管框架。為了實現(xiàn)這一點，我們首先需要對人工智能有基本的了解，以便參與關(guān)于它的發(fā)展?jié)摿途窒扌缘挠懻撝小?/p>

因此，我們有必要學(xué)習針對成人的免費在線課程，以及教授數(shù)字化和人工智能基礎(chǔ)知識的現(xiàn)代課程。

參考資料：https://www.frontiersin.org/articles/10.3389/fcomp.2023.1113903/full