超越人格特质：AI知识比人格特质更能预测语言模型的人格化——在普通大众和专家群体中的研究

文献标题

Beyond Disposition: AI Knowledge Predicts Anthropomorphization of a Language Model Better Than Personality Traits in Lay and Expert Populations

出版信息

• 主题领域: 人机交互与拟人化
• 关键词: 拟人化, AI知识, 个性特质, AI素养, 人机交互, 大型语言模型, LaMDA, 道德关怀, 使用意图, AI专业知识

背景与问题

• 问题/挑战: AI系统的拟人化现象广泛存在，但其背后的机制尚未得到充分理解，特别是性格特质与AI知识在塑造这些认知中的作用。
• 重要性: 理解拟人化对负责任的AI使用至关重要，因为它会影响对AI系统的信任、采用以及道德关怀，从而可能引发伦理和实际操作上的挑战。
• 动机与相关工作: 先前研究表明，孤独感、认知需求和结构需求等性格特质可能预测拟人化，但证据不一。AI知识被提出作为一种发展因素，可以抵消拟人化倾向，但比较其与性格特质的作用的实证研究有限。

解决方案

• 提出的方法: 通过基于情境的研究比较性格特质和AI知识作为拟人化预测因素在普通人群和专家人群中的作用。
• 创新点:
  1. 直接比较性格特质（认知需求、结构需求、孤独感）和AI知识作为拟人化预测因素的作用。
  2. 包括普通人群和AI专家，以考察不同人群的拟人化倾向差异。
  3. 探讨拟人化在塑造AI系统使用意图和道德关怀中的中介作用。
• 程序和关键技术:
  • 两项基于情境的在线研究，使用LaMDA与Google工程师对话的片段。
  • 通过验证量表测量拟人化、AI知识、性格特质和社会认知。
  • 路径建模评估预测因素、拟人化和行为结果之间的直接和中介关系。

结果

• 具体发现:
  • AI知识在普通人群和专家样本中均负向预测拟人化（普通人群β = -0.28，专家β = -0.39）。
  • 性格特质（认知需求、结构需求、孤独感）未显著预测拟人化。
  • 拟人化正向预测道德关怀（普通人群β = 0.50，专家β = 0.39），但对使用意图的影响不一（普通人群为正向，专家无显著影响）。
• 相较基线的优势: AI知识作为拟人化的预测因素优于性格特质，挑战了拟人化理论中的先前假设。
• 实验/评估:
  • 研究1：通过Prolific招募的普通人群样本（N = 307）。
  • 研究2：来自AI硕士项目的AI专家样本（N = 130）。
  • 测量包括拟人化、AI知识、性格特质、道德关怀和使用意图。
  • 路径模型显示良好拟合（CFI = 1.00，RMSEA < 0.01）。
• 局限性与未来工作:
  • 相关性设计限制了因果推断；需要未来的实验研究。
  • 基于情境的范式可能缺乏生态效度；建议开展交互性研究。
  • 样本间的人口统计学差异（如年龄、性别）可能干扰结果；建议使用匹配样本。
  • 需要进一步探索微妙的拟人化线索和较少类人化的AI代理。

总结

本研究表明，AI知识比认知需求、结构需求和孤独感等性格特质更能预测普通人群和专家人群中的拟人化倾向。较高的AI知识显著减少了对LaMDA的拟人化认知，而拟人化对道德关怀和使用意图的影响在普通人群和专家中表现出差异。研究结果强调了AI素养在塑造与拟人化AI系统的负责任交互中的重要性，并为政策制定者、用户和设计者提供了实践意义，以减轻类人化AI行为带来的风险。未来研究应探索交互性场景、更广泛的人口样本，以及AI素养干预的作用。