Method, Mind, and Morality: How People Make Sense of Artificial Intelligence
本文通过对媒体和专业人士访谈的混合方法研究，分析了人工智能的意义构建动态，并提出了一个由方法、思维与道德这三场争议性辩论构成的框架，这些辩论塑造了社会如何解读并应对人工智能的快速发展。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
人工智能已从科幻小说的篇章走入日常生活的织理，出现在从我们刷过的动态新闻到我们工作的工具等方方面面。然而，随着这些系统变得日益强大，一个深刻的问题依然存在：人类究竟是如何理解它们的？我们不仅仅是在处理数据，我们还在处理意义。为了理解一项新技术，人们依赖于心理捷径和共享的故事，这在社会科学中被称为“框架”（frames）。这些框架就像透镜，将复杂的信息组织成大脑可以理解的形状。当技术发生快速变化时——正如人工智能现在所做的那样——这些透镜可能会发生冲突，从而引发关于这项技术究竟是什么、它是如何构建的、以及它应该被允许做什么的困惑。理解这些心理模型不仅是一项学术练习；对于导航一个机器日益塑造我们的经济、法律和关系的未来而言，这是至关重要的。
为了揭示人们是如何理解这一转变的，研究人员杰西·里斯·安蒂斯（Jacy Reese Anthis）、埃里克·布林约尔松（Erik Brynjolfsson）和詹姆斯·埃文斯（James Evans）进行了一项大规模调查，该调查结合了数字数据的广泛视野与个人对话的细致细节。他们并非以证明某个假设为起点，而是让数据引导他们。首先，他们分析了数百万份文件，包括数十万篇报纸文章和超过一百万条社交媒体帖子，时间跨度从2018年到2024年。他们使用计算机工具来识别人们在谈论人工智能时使用的重复主题和词汇。随后，为了理解这些词汇背后的思维逻辑，他们在2021年和2023年分别对AI从业人员（包括管理者、研究员和工程师）进行了57场深入访谈。这种时间安排使他们能够见证在那些捕捉了全球关注的强大新AI系统出现之前和之后，人们的思维是如何演变的。
研究显示，人们在试图跟上人工智能步伐的过程中，正面临着四个具体的认知挑战。第一个挑战仅仅是变化的速率；技术的进步如此之快，以至于即使是专家也感到无法保持充分的信息同步，一位经理提到其技能可能在一夜之间就会过时。第二个挑战是沟通；专业人士发现很难向不具备其技术背景的家人、朋友或同事解释他们的工作，这往往迫使他们将复杂的想法简化为诸如“销售数据”或“软件工程”之类的术语，以便被理解。第三个挑战涉及责任；当人工智能造成伤害（例如传播虚假信息或做出有偏见的决策）时，很难界定谁该承担责任，因为这项技术是由许多人利用来自许多来源的数据构建而成的。第四个挑战是权衡取舍；人们在竞争性的目标之间难以平衡，例如在追求效率与需要公平之间，或者在推动创新与需要安全之间进行权衡。
为了应对这些挑战，研究人员发现人们正陷入三场主要的辩论，即定义社会如何看待人工智能的“框架竞赛”。第一场辩论涉及创建的方法：人工智能是像一种自上而下的专家系统那样构建的（即由人类编写严格规则），还是像一种自下而上的系统（即通过大量数据自行学习模式）？第二场辩论涉及机器的心智：人工智能仅仅是一个被动的工具（如计算器），还是一个主动的代理（即具有自身智能形式的“数字同事”）？第三场辩论涉及道德：我们应该放慢人工智能的发展速度以管理风险，还是加快速度以获取收益？这些不仅仅是技术争论；它们是人们用来决定如何行动的自我叙述。
研究人员发现，人们对这些辩论的框架化方式具有现实世界的后果。当专家试图传达细微的观点时，信息在传播过程中往往会被简化。例如，一个旨在减缓发展的关于先进人工智能危险性的警告，可能会被投资者解读为该技术强大且有价值的信号，从而促使他们加速开发。研究表明，“生产力悖论”（即观察到新技术通常需要多年才能显现经济效益）可能部分是由这些社会和认知挣扎造成的。正如工厂经理曾经需要时间重新设计车间布局以有效地使用电动机一样，社会可能也需要时间来就人工智能达成正确的心理模型共识，然后才能将其充分整合。
最终，论文指出，人工智能的未来不仅由代码和硬件塑造，也将由我们讲述关于它的故事所塑造。研究人员发现，虽然某些框架（如将人工智能视为类人伴侣的想法）已深深植根于我们的文化中，但其他框架（如人工智能智能的具体本质）仍处于待定状态。这种不确定性创造了一个机会。通过理解人们正在使用的心理模型，设计者和政策制定者可以更好地引导对话，帮助社会采用符合安全和公共利益的框架。这项研究并不声称已经解决了人工智能安全问题，但它为我们必须跨越的认知地形提供了一张清晰的地图，展示了我们如何思考机器与我们如何构建机器同样重要。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。