对有意识AI和其他数字思维的感知：来自AI、道德和意识（AIMS）调查的证据

研究背景与问题

• 作者发现了哪些问题或挑战？
  当前人类与具有类似思维功能的人工智能（AI）系统或“数字心智”频繁交互，例如具有推理、情感及行动能力的系统，但公众对于AI是否能够“具备感知能力”（sentience）和如何治理感知AI的认识尚不明确。感知AI的道德地位、政策支持以及可能的风险和预期发展时间是作者关注的几个关键未解问题。

• 为什么这个问题很重要？
  公众对AI心智的感知和对其道德地位的理解可能影响人类与AI的互动方式、系统安全设置、政策制定，以及AI最终对社会的影响。尤其是随着社会对AI能力的关注不断增加，这些问题涉及技术发展的伦理道德以及潜在的全球安全风险。

• 研究动机与相关工作
  本研究动机在于了解人类如何感知和与日益复杂的数字心智共存。类似的工作探索了人类倾向于将社会属性赋予技术的现象（如“计算机是社会行为者”理论）及AI的道德责任，但缺乏关于感知AI及其治理问题的代表性数据。本研究通过长时间问卷调查试图填补这一研究空白。

解决方案

• 作者提出了哪些方法或解决方案？
  作者设计并开展了一项名为AI、道德与感知（AIMS）的三波纵向全国性调查（2021年和2023年两轮）。调查旨在评估公众对AI感知能力、道德地位、政策支持及对未来AI发展的预期。这为理解公众意见如何塑造未来的AI设计与治理提供了数据支撑。

• 该解决方案的创新之处是什么？
  AIMS调查是首个专门分析感知AI的大规模代表性调查，覆盖了诸如“感知能力AI的心理属性认知”、“感知AI的道德地位”和“支持何种政策”等核心问题。研究不仅提供了横断面视角，还捕捉了两年内的动态变化，因此具有独特的时间序列洞察能力。

• 实施步骤是什么？使用了哪些关键技术？

  1. 问卷设计：通过文献回顾确定关键问题，包括对AI感知能力、道德顾虑、政策支持及时间预测的测量。
  2. 数据收集：通过人口普查平衡的在线问卷招募全国3,500名美国受访者。
  3. 分析方法：采纳统计模型（如广义线性模型），研究变量间的关联性，识别参与者对不同主题的意见差异。
  4. 可复现性：通过开放数据和代码补充材料，促进学术完整性。

研究成果

• 取得了哪些具体成果？

  • 高感知度：调查发现公众对AI拥有感知能力的认知显著提高，例如2023年中20%受访者认为某些AI系统已经具有感知能力。
  • 政策支持：69%受访者支持禁止开发具有感知能力的AI，63%支持禁止开发超越人类智能的AI。
  • 时间预测：2023年中受访者对实现感知AI的中位时间预测为5年。
  • 公众态度：58%的受访者认为AI可能对他们个人有害，较2021年的50%显著增加。

• 与现有解决方案相比，它有哪些优势？
  该研究超越了以往对“AI和公众信任”或“AI伦理”的单一维度研究，系统性地分析了公众如何理解和应对AI的“感知能力”及其潜在社会影响。其纵向数据能够捕捉态度和认知随时间的变化，并揭示政策支持的动态特征。

• 实验或评估结果是什么？

  • 感知度显著提升：AI被赋予的“分析思考”和“理性”能力评分从2021年的63和51增加到2023年的67和54。
  • 政策支持强烈：例如，针对感知AI的保护（如避免因快乐而对感知AI进行伤害）的支持率达到76%以上。
  • 公众分化明显：年轻人对感知AI的接受程度显著高于老年人。

• 局限性与未来方向：

  1. 局限性：
     • 样本仅限于美国公众，不适用于全球文化差异。
     • 调查问卷设计略显抽象，以减少认知负担，但可能遗漏细节。
     • 缺乏实验验证或因果结论，目前数据分析仅限于横断面相关性。
  2. 未来方向：
     • 探索其他国家和文化背景下的类似研究。
     • 定量实验补充调查，测试公众对特定类型AI（如聊天机器人或自主车辆）的具体交互行为。
     • 聚焦心理学理论细化，例如感知AI对社会行为和政策制定的双向影响。

总结来看，AIMS提供了集成性的公众观点数据，这对设计更安全的AI技术、制定以道德为导向的政策，以及指导未来多学科融合研究具有重要参考价值。