人工智能恐惧与希望的殿堂:通过交互平台比较人工智能影响者与美国公众的观点
作者
AI 伦理、公平与问责研究伦理与开放科学HCI 研究员社会学家与人类学家
研究背景与问题
- 作者发现了哪些问题或挑战?
- 人工智能(AI)的发展由学术界和行业领导者(即“影响者”)主导,但这些人的观点是否与公众对AI的看法一致尚不清楚。
- 尤其值得注意的是,不同社会群体(如女性、有色人种)之间的观点可能存在偏离,这加剧了技术决策的无代表性问题。
- 为什么这个问题很重要?
- 公众是AI技术实施的直接影响者,但他们在AI开发和治理中的参与往往有限或完全缺失。缺乏公众参与可能导致政策失效或被公众拒绝,进而损害社会对AI的信任。
- AI系统的设计与治理需要更加包容,以避免因忽视公众关切而导致的不平等。
- 研究动机与相关工作
- 目前的研究主要集中在单独分析公众或AI从业人员的观点,但鲜有将公众与AI影响者的观点相比较的研究。
- 本研究希望填补这一研究空白,并探讨公众与关键决策者之间的观点是否对齐。
解决方案
- 作者提出了哪些方法或解决方案?
- 开发了一个交互式数据收集平台,名为“The Hall of AI Fears and Hopes”,用于收集公众对AI的希望与恐惧,以及与AI领域影响者观点进行比较。
- 该解决方案的创新之处是什么?
- 该平台不经过传统问卷调查,而采用交互式视觉设计,引导参与者探索AI影响者的观点并反思自身看法。
- 建立指标分析公众与不同影响者群体(如年轻与年长影响者、亿万富翁与非亿万富翁等)之间的观点差异。
- 实施步骤是什么?使用了哪些关键技术?
- 数据准备:选取《时代周刊》评选的100个AI影响者作为研究样本,并标注其对AI的希望与恐惧。
- 平台设计:结合文献综述与多轮共同设计,开发一个六部分交互式平台,包括自定义AI定义、对AI的自我评分、参与者与影响者观点的匹配等模块。
- 实验设计:使用Prolific进行大规模线上实验,招募330名符合美国人口统计学特征的参与者。通过平台收集他们的观点,并分析与AI影响者观点之间的匹配程度。
- 方法评价:分别从定性和定量角度分析公众和影响者的观点,并定义对齐度指标计算两者之间的差异。
研究成果
- 取得了哪些具体成果?
- 公众对AI的主要恐惧包括失控、失业增加、信息错误传播等,而AI影响者则更关注监管的必要性及技术的潜在创新性。
- 不同群体间的对齐情况显示,年轻影响者与公众的观点对齐度最高,而年长影响者及亿万富翁的对齐度最低。
- 分析显示,尽管AI影响者中的弱势群体(如女性、有色人种)代表性增加,但其观点与类似背景的公众之间仍存在显著差距。
- 与现有解决方案相比,它有哪些优势?
- 平台工具更加生动、交互性强,显著提升参与者兴趣,尤其是在帮助公众形成更全面的AI看法方面,比传统问卷更具优势。
- 提出了量化衡量公众与影响者观点对齐度的新方法,为未来相关研究提供了一套明确的分析框架。
- 实验或评估结果是什么?
- 平台使用满意度较高,尤其是在平衡观点表达、多层次吸引参与者方面获得正面反馈(评分范围:4.94/7 - 5.66/7)。
- 公众的观点主要围绕对就业、隐私、社会服务等领域的AI影响,而影响者则展现出更长远的系统性视角,如全球性治理与创新增益。
- 局限性与未来方向
- 平台的适用性可能受限,例如仅依据美国人口样本,未来需将研究扩展至国际群体。
- 时间杂志选定的AI影响者仅限于公开渠道数据,可能未能充分代表全球AI领域的多样化观点。
- 后续可进一步优化工具设计,应对潜在的复杂性及访问问题,同时探索更高效的公众意见获取方法,例如基于语料库的自然语言处理技术。
这项研究不仅揭示了公众与关键决策者之间观点的潜在割裂,还通过创新方法为AI治理和公众参与设计提供了新的方向。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 公众对AI的担忧和期望是否与AI决策者的观点一致?分类: 公众对 AI 的感知与算法责任同类问题arrow_forward
- 不同社会群体(如女性、有色人种)对AI的看法是否与决策者的观点存在差异?分类: 公众对 AI 的感知与算法责任同类问题arrow_forward
- 如何设计有效的工具来衡量公众与AI决策者观点的差异?分类: 公众对 AI 的感知与算法责任同类问题arrow_forward
lightbulb
现实痛点
1- 公众对AI的实际影响缺乏参与和发言权。分类: 公众对 AI 的感知与算法责任同类问题arrow_forward
- 80%
伦理路径: 用于反思 HCI 研究中伦理决策的设计活动
DIS '24· AI 伦理、公平与问责 +1
- 75%
可视化研究的伦理维度
CHI '19· 研究伦理与开放科学
- 60%
用户驱动算法审核中的参与和劳动分工:普通用户如何合作揭示算法危害?
CHI '23· AI 伦理、公平与问责 +1
- 60%
在线质性研究中的欺诈行为理解:从研究者的视角
CHI '24· 用户研究方法(访谈、调查、观察) +1
- 60%
探讨学生和教师对学术工作中未披露使用生成式AI的看法
CHI '25· AI 伦理、公平与问责 +1
- 60%
后院实践:在超人类世界中设计的阈限方法
CHI '25· 研究伦理与开放科学 +1
- 60%
镜中的同伴:通过故事完成探索AI自我克隆的角色、价值和风险
CHI '25· AI 伦理、公平与问责 +1
- 60%
机器人、聊天机器人、自动驾驶汽车:人工智能中关于心智和道德的认知
CHI '25· AI 伦理、公平与问责 +1
- 60%
缺席的力量:在算法设计中运用档案学理论进行思考
DIS '24· AI 伦理、公平与问责 +1
- 60%
众包公平性偏好是否与风险感知相关?
IUI '24· AI 伦理、公平与问责 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3714117
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
AI 伦理、公平与问责、研究伦理与开放科学
work
职业/产业
HCI 研究员、社会学家与人类学家
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文