Trust, Experience, and Innovation: Key Factors Shaping American Attitudes About AI
作者: Risa Palm, Justin Kingsland, Toby Bolsen
分类: cs.CY, cs.AI, econ.GN
发布日期: 2025-03-04
备注: 35 pages, 3 figures, 2 tables, appendix
💡 一句话要点
调查揭示美国公众对AI的态度受信任度、经验和创新观念等多重因素影响
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 人工智能态度 公众认知 信任度 创新观念 大型语言模型 政策制定 社会影响
📋 核心要点
- 现有研究缺乏对影响公众AI态度的多维度因素的综合分析，难以有效指导相关政策制定。
- 本研究通过大规模调查，分析了使用经验、信任度、创新观念和人口因素等对AI态度的影响。
- 研究结果揭示了影响美国公众对AI态度的关键因素，为AI政策制定提供了重要参考。
📝 摘要（中文）
本研究通过一项大规模的美国成人调查，探索了公众对人工智能（AI）的复杂态度。调查分析了公众对AI技术发展可能带来的特定结果的担忧程度，以及与这些担忧相关的因素。研究发现，使用过如ChatGPT等大型语言模型的经验、对科学的总体信任度、对预防原则的坚持程度与对无限制创新的支持程度，以及性别等人口因素，都与公众对AI的担忧方向和强度密切相关。通过分析这些关系，本研究为理解美国公众对AI的反应提供了有价值的见解，这对于制定监管或进一步鼓励AI发展的政策至关重要。
🔬 方法详解
问题定义：该论文旨在解决理解美国公众对人工智能（AI）态度的复杂性问题。现有方法通常侧重于单一因素，未能充分考虑多种因素的综合影响，例如个人经验、对科学的信任、对创新的态度以及人口统计学特征。因此，现有方法难以准确预测和解释公众对AI的接受度和担忧程度，也无法为相关政策的制定提供充分的依据。
核心思路：该论文的核心思路是通过大规模调查收集数据，然后利用统计分析方法，研究不同因素与公众对AI态度的相关性。具体来说，研究关注使用大型语言模型的经验、对科学的信任度、对预防原则的坚持程度与对无限制创新的支持程度，以及性别等人口因素，如何影响公众对AI的担忧方向和强度。通过揭示这些因素之间的复杂关系，从而更全面地理解公众对AI的看法。
技术框架：该研究的技术框架主要包括以下几个阶段：1) 设计调查问卷，涵盖对AI的认知、担忧、使用经验、信任度、创新观念以及人口统计学信息；2) 实施大规模调查，收集美国成年人的数据；3) 使用统计分析方法，例如回归分析，检验不同因素与公众对AI态度的相关性；4) 对结果进行解释和讨论，提出政策建议。
关键创新：该研究的关键创新在于其综合性地考察了多个因素对公众AI态度的影响。与以往研究相比，该研究不仅关注技术因素，还考虑了社会心理因素和人口统计学因素，从而更全面地揭示了公众对AI的复杂态度。此外，该研究还关注了使用大型语言模型的经验对AI态度的影响，这在以往研究中较少被关注。
关键设计：调查问卷的设计是关键。问卷需要包含足够多的问题，以全面评估公众对AI的认知、担忧和态度。同时，问卷还需要设计合理的问题，以准确测量使用经验、信任度、创新观念等因素。在数据分析方面，研究使用了回归分析等统计方法，以控制其他因素的影响，从而更准确地评估不同因素与AI态度之间的相关性。具体参数设置未知。
📊 实验亮点
研究表明，使用过大型语言模型（如ChatGPT）的个体对AI的担忧程度可能与未使用者不同，对科学的信任度越高，对AI的接受度可能越高，而对创新采取更谨慎态度的人可能对AI持有更多担忧。具体性能数据未知，但这些关联性为理解公众对AI的复杂态度提供了重要线索。
🎯 应用场景
该研究成果可应用于指导AI相关政策的制定，帮助政府和社会更好地理解公众对AI的看法，从而制定更合理的监管措施，促进AI技术的健康发展。此外，该研究还可以帮助企业更好地了解用户需求，开发更符合用户期望的AI产品和服务，提高用户满意度。
📄 摘要（原文）
A large survey of American adults explored the complex landscape of attitudes towards artificial intelligence (AI). It explored the degree of concern regarding specific potential outcomes of the new advances in AI technology and correlates of these concerns. Key variables associated with the direction and intensity of concern include prior experience using a large language model such as ChatGPT, general trust in science, adherence to the precautionary principle versus support for unrestricted innovation, and demographic factors such as gender. By analyzing these relationships, the paper provides valuable insights into the American public's response to AI that are particularly important in the development of policy to regulate or further encourage its development.