知识工作者对负责任使用AI的AI培训的看法

研究背景与问题

• 问题与挑战: 知识工作者正在快速变化的工作环境中尝试采用人工智能(AI)。然而，目前尚不清楚他们在使用AI时是否得到充分的教育和支持。潜在问题包括工人可能放弃AI工具、不正确地解读AI输出或无意间延续偏见。
• 重要性: 缺乏足够的AI培训可能导致AI工具的潜力未被充分挖掘，而对工作者权益、隐私以及包容性、多样性和公平性（DEI）的忽视可能带来严重问题。
• 研究动机: 虽然已有关于AI相关技能的研究，但这些研究通常聚焦于管理层的需求，而忽略了普通知识工作者（如中层管理者和个人贡献者）的视角。

解决方案

• 提出的方法: 通过39名知识工作者的研讨会和17次后续访谈，作者明确了AI培训过程中需要解决的四大挑战，提出了九个相关的培训主题。
  • 涉及四大挑战：缺乏AI基础知识、盲目信任AI输出、忽视AI的DEI风险以及AI对工人权利和隐私的潜在侵犯。
  • 每个挑战对应具体的培训主题，如了解AI的基本功能、如何批判性地解读AI输出、识别数据集偏差以及维护工人隐私。
• 创新之处:
  • 提出了一个多层次的AI培训框架，涵盖技术与非技术领域。
  • 关注知识工作者的需求，而非仅依据领导层的视角设计培训。
  • 鼓励在AI培训中融入伦理和公平性考量。
• 实施步骤:
  • 调研与理解: 通过研讨会与访谈明确知识工作者的挑战与需求。
  • 提出培训主题: 对不同知识领域和组织背景提出九个培训主题。
  • 方法探索: 推荐利用现有的HCI研究原型，作为知识工作者的实践学习工具。

研究成果

• 具体成就:

  • 确定了知识工作者在AI工具使用和培训方面面临的四大核心挑战。
  • 提出了九个实际可操作的培训主题：包括AI基础知识（如AI是什么，能做什么）、批判性思维训练（如何解读AI的输出）、DEI相关教育以及与工人隐私和权利相关的保障机制。

• 与现有解决方案的优势:

  • 不同于以往以技术开发者为中心的研究，该项目从知识工作者的真实需求出发，有助于构建更具包容性和实用性的AI安全培训体系。
  • 超越传统的技术培训，融入了社会与伦理层面的考量。

• 实验与评估结果:

  • 跨国家和领域的研讨会和访谈分析提供了真实的多样化视角，覆盖26个国家和多个行业。
  • 涉及的数据集中状态和AI工具的本地化表现进一步说明了复杂和多维的问题。

• 局限性与未来方向:

  • 局限性:
    • 样本覆盖范围主要限于特定领域的知识工作者，可能无法完全反映其他工作者类型的需求。
    • 研究具有文化和区域偏差，例如部分参与者可能因语言障碍限制了他们的完整表达。
  • 未来方向:
    • 扩展到其他行业和更大样本规模，调查非知识工作者和不同工作领域的AI培训需求。
    • 建立一个原型工具存储库，以帮助不同组织针对其工人的需求测试、选择和部署实用的AI培训工具。
    • 探索跨文化和语言边界提升AI工具性能的方法，同时考虑DEI和技术公平性。

总结

本研究通过研讨会与访谈详细分析了知识工作者在工作场景下安全有效使用AI的需求与挑战。提出的九大培训主题不仅覆盖了技术层面，还涉及伦理与社会层面的关键问题。这些发现为制定面向知识工作者的AI教育和能力建设提供了重要参考，同时呼吁研究界设计支持不同背景工作的原型工具库以及更公正的技术部署模型。