徐博 同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院

一、引言

人工智能 (Artificial Intelligence) 被定義為一種“允許機(jī)器具有認(rèn)知功能以根據(jù)其收集的數(shù)據(jù)進(jìn)行學(xué)習(xí)、推斷和適應(yīng)”的技術(shù)。人們普遍認(rèn)為，人工智能誕生于 1956 年的達(dá)特茅斯會(huì)議。歷經(jīng)起伏后，隨著計(jì)算機(jī)科學(xué)的發(fā)展，人工智能迎來(lái)了新一輪的研究熱潮。如今，人工智能有許多不同的應(yīng)用，例如自然語(yǔ)言處理、智能控制和計(jì)算機(jī)視覺(jué)等。未來(lái)，人工智能很可能會(huì)給我們的工作和生活帶來(lái)一場(chǎng)革命。

一般認(rèn)為，人工智能的發(fā)展可以分為3個(gè)階段。第一個(gè)是弱人工智能（Artificial Narrow Intelligence,ANI），是指專門(mén)針對(duì)特定領(lǐng)域的人工智能。第二種是強(qiáng)人工智能（Artificial General Intelligence,AGI），是指可以完成人類所能完成的任何智力任務(wù)的人工智能。最后一類是超人工智能（Artificial Super Intelligence,ASI），它指的是在各個(gè)領(lǐng)域都超越人類的人工智能。我們現(xiàn)在處于弱人工智能階段，正在探索通往強(qiáng)人工智能乃至超人工智能的道路。

考慮到人工智能是一種高新技術(shù)，普通人不會(huì)接觸到其前沿領(lǐng)域，專家的意見(jiàn)可能會(huì)在很大程度上影響公眾的態(tài)度。現(xiàn)有文獻(xiàn)中發(fā)現(xiàn)，當(dāng)個(gè)人從可信度高的來(lái)源獲取信息時(shí)，他們更有可能采用它。然而，很少有研究考察專家意見(jiàn)在公眾對(duì)人工智能態(tài)度中扮演的角色，包括這種作用是否會(huì)隨著事件與主體相關(guān)程度的高低而變化。為了解決這些研究空白，我們提出如下研究問(wèn)題：

在不同的相關(guān)度水平下，專家意見(jiàn)如何影響公眾對(duì)人工智能技術(shù)的態(tài)度？

為了解決這個(gè)研究問(wèn)題，本研究利用詳盡可能性模型（elaboration likelihood model,ELM）來(lái)調(diào)查公眾對(duì)人工智能的態(tài)度，以及專家意見(jiàn)對(duì)這一態(tài)度的影響，包括這種作用在低自我相關(guān)性條件下是否會(huì)更大，而在高自我相關(guān)性下是否會(huì)更弱。為了檢驗(yàn)提出的假設(shè)，本研究設(shè)計(jì)了一項(xiàng)實(shí)驗(yàn)調(diào)查。本研究有兩個(gè)主要貢獻(xiàn)：首先，它通過(guò)將有關(guān)專家影響的文獻(xiàn)擴(kuò)展到 AI 背景來(lái)解決現(xiàn)有的研究空白，并在此基礎(chǔ)上確定一個(gè)重要的調(diào)節(jié)變量，即自我相關(guān)性。其次，它識(shí)別出公眾對(duì)人工智能的積極態(tài)度，這對(duì)人工智能行業(yè)來(lái)說(shuō)是個(gè)好消息。

二、文獻(xiàn)回顧與假設(shè)

（一）公眾對(duì)人工智能的態(tài)度

AI算法對(duì)人類的影響引發(fā)了廣泛關(guān)注。一方面，人工智能能夠讓我們從生活瑣事中解脫出來(lái)，例如，社交機(jī)器人可以在教育、娛樂(lè)、醫(yī)療保健和治療等領(lǐng)域幫助兒童。有為老年人和抑郁癥患者提供服務(wù)的社交伴侶機(jī)器人。在疾病診斷、建筑以及自動(dòng)駕駛等領(lǐng)域，人工智能也可以提供幫助。而另一方面，人工智能帶來(lái)了麻煩。研究發(fā)現(xiàn)，社交機(jī)器人在擴(kuò)大假新聞傳播方面“功不可沒(méi)”。更糟糕的是，通過(guò)預(yù)測(cè)和操縱社交媒體上顯示的新聞，社交機(jī)器人可能會(huì)影響輿論形式，進(jìn)而影響社會(huì)結(jié)構(gòu)，例如，操控選舉。此外，幫助我們做出決策的算法可能存在偏見(jiàn)，從而妨礙我們做出公正的判斷。例如，研究表明，算法認(rèn)為黑人被告比白人被告更危險(xiǎn)。

態(tài)度是指“人們對(duì)自己、他人、事物的總體評(píng)價(jià)”。在我們的研究中，我們將人們對(duì)人工智能的態(tài)度定義為他們對(duì)人工智能的總體評(píng)價(jià)?？紤]到人工智能對(duì)我們社會(huì)的影響多種多樣，人們對(duì)人工智能的不同應(yīng)用持有不同的態(tài)度。一項(xiàng)針對(duì)臺(tái)灣大學(xué)生的調(diào)查反映，學(xué)生對(duì)人工智能在智能家居中的應(yīng)用持積極態(tài)度，而對(duì)自動(dòng)駕駛汽車的應(yīng)用則持更為謹(jǐn)慎的態(tài)度，這種態(tài)度受學(xué)生性別和計(jì)算機(jī)知識(shí)水平的影響。

（二）詳盡可能性模型

詳盡可能性模型（elaboration likelihood model,ELM）是社會(huì)心理學(xué)領(lǐng)域關(guān)于信息處理的重要理論。該理論認(rèn)為個(gè)體態(tài)度的變化可能會(huì)經(jīng)由兩種路徑：中心路徑和邊緣路徑。在中心路徑上，個(gè)人會(huì)更關(guān)注信息，思考得深入；而在邊緣路徑上，人們傾向于根據(jù)簡(jiǎn)單的線索做出判斷。有兩個(gè)主要變量會(huì)影響這兩條路線的選擇：動(dòng)機(jī)和能力。如果一個(gè)人處理這些信息的動(dòng)機(jī)很強(qiáng)，他會(huì)選擇中心路徑，否則就會(huì)選擇邊緣路徑。同樣，如果一個(gè)人處理信息的能力很強(qiáng)，例如有豐富的先驗(yàn)知識(shí)儲(chǔ)備，他也將選擇中心路徑。本研究針對(duì)的是非人工智能專家的普通人，即他們對(duì)人工智能的專業(yè)知識(shí)處于相似且相對(duì)較低的水平。因此，我們只需要關(guān)注動(dòng)機(jī)變量。根據(jù) ELM 理論，有兩個(gè)變量可以增強(qiáng)處理信息的動(dòng)機(jī)：自我相關(guān)性（最重要的一個(gè)）和個(gè)人責(zé)任感?？紤]到我們針對(duì)的是沒(méi)有人工智能相關(guān)項(xiàng)目或工作的普通人，我們僅將自我相關(guān)性指定為本研究的調(diào)節(jié)變量。

一般來(lái)說(shuō)，自我相關(guān)性是指“自己與任務(wù)之間的相關(guān)程度，可能會(huì)影響個(gè)人在執(zhí)行任務(wù)期間的自我驅(qū)動(dòng)力”。根據(jù)這一概念，我們?cè)诒疚闹袑⒆晕蚁嚓P(guān)性定義為一個(gè)人認(rèn)為某個(gè)問(wèn)題可能影響他的生活的程度。研究表明，自我相關(guān)性可以增強(qiáng)感知注意力并影響信息搜索時(shí)長(zhǎng)。更重要的是，它對(duì)個(gè)體態(tài)度的變化起到了調(diào)節(jié)作用。與低相關(guān)性水平相比，與論據(jù)相關(guān)性水平高的受試者更容易被強(qiáng)論據(jù)說(shuō)服，而不容易被弱論據(jù)說(shuō)服。在ELM 理論中，自我相關(guān)性促使個(gè)體仔細(xì)閱讀信息內(nèi)容，這意味著高自我相關(guān)性水平將導(dǎo)致受試者經(jīng)歷中心路徑。該理論已應(yīng)用于許多不同的領(lǐng)域。例如，Bhattacherjee在分析外部影響如何影響 IT 接受過(guò)程的研究中將自我相關(guān)性指定為“工作相關(guān)性”，并發(fā)現(xiàn)它在這個(gè)過(guò)程中具有積極的調(diào)節(jié)作用。盡管這些研究探索了自我相關(guān)性的影響，但并未涉及到人工智能領(lǐng)域。因此，我們希望在這一領(lǐng)域探索自我相關(guān)性對(duì)公眾信息處理的影響。

（三）假設(shè)

綜上，我們假設(shè)專家意見(jiàn)會(huì)影響個(gè)體的態(tài)度，具體而言，接觸到正面（負(fù)面）專家意見(jiàn)的人會(huì)形成對(duì) AI 的正面（負(fù)面）態(tài)度，并且專家影響力強(qiáng)于非專家。根據(jù) ELM，在自我相關(guān)度高的情況下，接收信息的個(gè)體傾向于以有意識(shí)的方式做出反應(yīng)，基于自己的深入思考進(jìn)行處理。在這種情況下，他們經(jīng)歷中心路徑，不會(huì)受到閱讀材料的強(qiáng)烈影響，即我們給出的專家意見(jiàn)。相反，自我相關(guān)性度的個(gè)體傾向于以無(wú)意識(shí)的方式做出反應(yīng)，從所給材料，而非他們自身的思考，中獲得簡(jiǎn)單的線索，這意味著他們經(jīng)歷的是邊緣路徑，因此他們對(duì)人工智能的態(tài)度很可能受到專家意見(jiàn)的影響。據(jù)此，我們提出以下假設(shè)：

H1：在自我相關(guān)性較低的情況下，個(gè)人對(duì)人工智能的態(tài)度會(huì)受到專家意見(jiàn)的影響并與之保持一致。具體而言，接觸到正面（負(fù)面）專家意見(jiàn)的人，會(huì)對(duì) AI 形成正面（負(fù)面）態(tài)度。

H2：在自我相關(guān)性較高的情況下，個(gè)人對(duì)人工智能的態(tài)度不會(huì)受到專家意見(jiàn)的影響。具體而言，接觸到不同極性（正/負(fù)）專家意見(jiàn)的人對(duì)人工智能的態(tài)度不會(huì)有差異。

研究模型如圖1所示：

圖1 研究模型

三、問(wèn)卷調(diào)研

我們?cè)谌A東某重點(diǎn)大學(xué)共招募了144名商科專業(yè)的學(xué)生，其中57%為女性，43%為男性；64%為專業(yè)學(xué)位研究生，36%為本科生。我們將被試學(xué)生隨機(jī)分為兩組，A組閱讀負(fù)向的專家意見(jiàn)，B組閱讀正向的專家意見(jiàn)。每組的閱讀材料又會(huì)包括兩份，第一份與被試者相關(guān)性較低，第二份與被試者相關(guān)性較高。閱讀每份材料后，被試者需要回答對(duì)應(yīng)的問(wèn)題以測(cè)量他們對(duì)人工智能的態(tài)度。

我們采用兩總體比例的z檢驗(yàn)來(lái)比較兩組被試的態(tài)度，結(jié)果如表1所示。研究結(jié)果表明，對(duì)于第一份閱讀材料，與B組相比，A組有更多的被試者持負(fù)向態(tài)度，更少的被試者持正向態(tài)度，這表明，對(duì)于問(wèn)題 1（低自我相關(guān)性）的情景，參與者對(duì) AI 的態(tài)度受到給定專家意見(jiàn)的影響，并與之保持一致，該結(jié)果支持 H1。對(duì)于第二份閱讀材料，兩組被試者持相似態(tài)度，這表明，對(duì)于問(wèn)題 2（高自我相關(guān)性）的情景，參與者對(duì)人工智能的態(tài)度不受專家意見(jiàn)的影響，支持H2。

表1 問(wèn)卷調(diào)研數(shù)據(jù)分析

四、總結(jié)與討論

我們的結(jié)論印證了之前的假設(shè)：在人工智能領(lǐng)域，當(dāng)人們遇到低自我相關(guān)性的問(wèn)題時(shí)，例如“超人工智能什么時(shí)候?qū)崿F(xiàn)”，他們不會(huì)深入思考，而是傾向于跟從專家意見(jiàn)，這意味著他們經(jīng)歷了邊緣路徑。相反，當(dāng)人們遇到高自我相關(guān)性問(wèn)題時(shí)，例如“超人工智能會(huì)威脅人類嗎”，他們往往會(huì)根據(jù)自己的認(rèn)知進(jìn)行深入的分析，較少受專家意見(jiàn)的影響，這意味著他們經(jīng)歷了中心路徑。

本研究的理論意義在于：首先，我們將有關(guān)專家影響力的文獻(xiàn)擴(kuò)展到人工智能領(lǐng)域。專家被認(rèn)為能夠在政治、醫(yī)學(xué)和環(huán)境等傳統(tǒng)領(lǐng)域影響公眾輿論，而對(duì)于人工智能這樣發(fā)展前景未知的現(xiàn)代技術(shù)，其影響還無(wú)法預(yù)測(cè)。我們的研究表明，專家可以影響公眾對(duì)人工智能的態(tài)度，尤其是所涉主題與公眾相關(guān)性較低時(shí)，這就是我們第二項(xiàng)理論貢獻(xiàn)：當(dāng)事件與公眾高度相關(guān)時(shí)，人們關(guān)心它的結(jié)果，往往會(huì)投入精力思考并生成自己的觀點(diǎn)，因此專家的意見(jiàn)可能會(huì)喪失影響力。這一發(fā)現(xiàn)在人工智能領(lǐng)域驗(yàn)證了詳盡可能性模型。

本研究也具有一定的實(shí)際意義：實(shí)驗(yàn)結(jié)果表明，兩組大部分受試者對(duì)人工智能持積極態(tài)度，認(rèn)為人工智能對(duì)人類的影響是“可能有益的”而不是“可能有害的”（方差分析結(jié)果p=0.047<0.05）。因此，可以推斷有相當(dāng)一部分人群會(huì)支持人工智能的發(fā)展，如購(gòu)買人工智能產(chǎn)品，這對(duì)人工智能行業(yè)來(lái)說(shuō)是個(gè)好消息。

本研究也存在一定的局限性：首先，這項(xiàng)研究的參與者都是商學(xué)院的學(xué)生，可能導(dǎo)致樣本的選取不夠有代表性。然而，考慮到本研究是更側(cè)重于內(nèi)部效度而非外部效度的實(shí)驗(yàn)研究，以及實(shí)驗(yàn)大多數(shù)參與者是具有豐富工作經(jīng)驗(yàn)的專業(yè)學(xué)位學(xué)生，這一局限并不會(huì)造成嚴(yán)重問(wèn)題。未來(lái)的研究可以在不同背景的參與者中復(fù)制這項(xiàng)實(shí)驗(yàn)，以提升結(jié)論的概化效度。其次，目前的研究?jī)H考察了一個(gè)調(diào)節(jié)變量（即自我相關(guān)性）的作用。未來(lái)的研究可以通過(guò)探索其他調(diào)節(jié)變量（如性別和專業(yè)知識(shí)）的影響來(lái)擴(kuò)展這項(xiàng)研究。