1简介

2021年，Alphabet首席执行官桑达尔·皮查伊宣布，人工智能是“人类有史以来最深刻的技术”，是比“火、电或互联网”更大的社会变革驱动力（Steiner 2021）。皮查伊的声明并非独一无二。交通、医疗保健和战争领域的未来趋势观察者都预测了一个自动驾驶的未来，自动驾驶汽车、机器人外科医生和无人机将改变人类互动、竞争和生存的方式（Fryer Biggs 2019；Gupta 2021；the Medical Futurist 2021）

然而，尽管人工智能及其实现自主应用的方式可能正在社会中传播，但如果没有人类干预，技术就不会传播。正是人类行为，而不一定是真空中的技术，决定了技术如何渗透和改变社会的变幻莫测（Herrera 2006；Jasanoff 2004；Lee等人2013；MacKenzie 1993；Slayton 2013）。无论是在消费品、基础设施还是国家安全中采用人工智能，通常都是消费者、公民、纳税人和士兵决定了新技术的使用和发展。正如Hall和Khan就采用新技术所争论的那样，“最终决定技术影响的是扩散，而不是发明或创新”（Hall and Khan 2004）（Horowitz 2010）。如果人工智能像其支持者所说的那样无处不在或深刻，那么它在经济和社会中的影响力就会产生一个迷人的现象，影响个人投票方式、经济和市场演变、政权治理以及国家何时以及为什么开战（Bissell 2018；Helbing等人2019；霍洛维茨2018；Levy 2018；Zhang等人2008）

为了更好地了解当今人工智能自动驾驶技术的采用和传播，我们研究了2018年和2020年美国公众舆论中关于四类自动驾驶技术使用的代表性成人样本：车辆、手术、武器和网络防御。通过关注人工智能自主的这四种用途，涵盖交通、医疗和国家安全，我们利用了这些人工智能自主用例之间的内在差异。这包括人工智能在公众中的应用（自动驾驶汽车），与个人健康相关的潜在应用（机器人手术），以及进攻性和防御性军事应用（自主武器系统和网络防御）

我们的理论是，对人工智能自主技术的支持在一定程度上取决于熟悉度和信任度，即使是跨用例（Schepman和Rodway 2020）。我们进一步推断，存在委托效应，即已经决定将特定任务（如驾驶）委托给其他人的人可能更支持将这些任务委托给人工智能技术。此外，2018年至2020年之间的变化提供了一种新的机制，使我们能够直接研究人们对人工智能采用的态度是如何随着时间的推移而变化的，以及哪些因素可能会推动这些变化

我们发现，那些熟悉人工智能和类似技术并具有专业知识的人比那些对该技术了解有限的人更有可能支持我们测试的所有自主应用程序（武器除外）。我们发现，在自动驾驶汽车方面，理论上的委托效应得到了支持，但在个人不熟悉操作的技术自动化任务方面，支持较少。最后，随着时间的推移，对人工智能军事应用的反对略有增加^脚注1我们的研究结果表明，用户和人工智能技术之间存在着复杂的关系，熟悉人工智能可能会灌输信任，但只是在一定程度上。“熟悉会滋生蔑视”这句老话有助于解释为什么用户不太可能采用他们已经习惯于在没有任何人工智能干预的情况下操作的自动化版本的技术，或者在习惯于更直接的人类参与时接受机器干预

下面，我们首先介绍了公众支持人工智能自主系统的现有数据。然后，我们使用关于技术扩散的文献来检验关于技术采用的决定因素的现有理论。在这样做的过程中，我们确定了一系列假设，然后在随后的数据部分进行测试。然后，在结束之前，我们转向人口统计和干预变量的讨论

2理论

为了本文的目的，我们将人工智能定义为机器执行一次任务的能力被认为需要人类智慧（Russell和Norvig 2020）。机器学习等人工智能方法是对自主系统或在最少或没有人工监督的情况下运行的系统进行编程的一种方法。过去的研究发现，公众对人工智能自主系统的态度往往会因技术的应用而有所不同。例如，随着时间的推移，对自动驾驶汽车等高风险技术的支持仍然相对滞后（2018年西部），科技领域年轻、高收入男性的支持水平更高（Bansal等人，2016；Hulse等人，2018；Payre等人，2014）。同样，对开发用于战争的人工智能技术的支持率仍然相对较低，为30%（尽管当对手开发类似武器时，支持率会增加到45%（West 2018））。在同一项调查中，关于人工智能的更普遍的问题揭示了公众的矛盾；当被问及人工智能“对社会来说是好事还是坏事”时，44%的美国成年人表示这是好事，47%的人表示这是坏事

现有的调查和民意调查提供了对人工智能技术及其随时间变化的支持的宝贵快照。然而，这些调查难以解释的是，是什么首先推动了对采用人工智能自主系统的支持。支持的变化是否仅仅是因为随着技术的发展和普及，人们对技术的了解和认识有所增加？或者，作为替代，支持技术使用方式的改变，包括个人对系统的控制程度？现有的关于技术采用和扩散的文献提出了一系列假设，这些假设是这个谜题的核心

2.1先前的经验、熟悉度和知识

可能影响支持使用人工智能技术的主要因素之一是熟悉该技术。现有研究表明，了解算法在现实世界中的应用，并更熟悉一般的自主性，可能会导致对可能性的认识和对技术极限的认识（Chau 1996；King和He 2006；Marangunić和Granić2015；Yarbrough和Smith 2007）。例如，医学领域的研究表明，20世纪90年代末和21世纪初，医生对计算机的熟悉使采用计算机化医疗流程的可能性更大（Austin等人，2006年；Lapinsky等人，2004年）。类似地，对自动驾驶汽车采用情况的研究表明，那些在高科技领域有职业生涯的人更有可能支持全自动驾驶汽车的发展（Bansal等人，2016；Moody等人，2020；Payre等人，2014），而那些更熟悉自动驾驶车辆的人更可能发现它们是安全的（Penmetsa等人2019；Sanbonmatsu等人2018）

更广泛地说，行为心理学研究说明了个人经验、熟悉度和对技术的支持之间的联系（Taylor和Todd，1995年）。直接经验会影响人们处理信息的方式。当一个人认为他们有一个概念或应用程序的经验时，这会使他们对这个概念或应用更有同情心，最终从积极的角度看待它（Fazio等人，19781981）。先前的经验也使人们在进行评估时更容易依赖自己的判断，而不是他人的意见（Burnkrant和Cousineau，1975年）。当考虑到信息系统暴露会对未来的采用产生有利的态度时，这一点尤其正确（Hartwick和Barki 1994）。这是因为个人经验和熟悉程度的提高可以产生对特定技术使用的更大的知识感和信心。先前对公众的调查研究表明，一旦个人熟悉了新技术，他们就更愿意采用这些技术。52%的公众更喜欢使用熟悉的品牌和产品，只有35%的人希望在没有额外有效证据的情况下尝试新技术。39%的人认为自己更喜欢等到听到别人的经历后再尝试新的东西（Kennedy和Funk，2016）。在研究人工智能的具体研究时也是如此，该研究表明，与人工智能本身的感知能力相比，对特定应用的舒适度等因素往往更能预测人们对人工智能的普遍态度（Schepman和Rodway 2020）。同样，其他测试人工智能系统信心的尝试发现，不同类型的人工智能直接体验（积极或消极）不仅对人类如何使用人工智能系统有重大影响，而且对他们完成任务的信心也有重大影响（Chong等人，2022）

假设1：更熟悉人工智能，通过知识和自我报告的使用，应该会导致对人工智能使用的更多支持。

2.2授权

尽管有强有力的证据表明，熟悉会导致公众对人工智能系统的支持增加，但这并不总是足以导致采用。我们的理论是，人们对人工智能技术的态度也由一个变量决定，该变量与熟悉程度相互作用，即个人是否已经习惯于为任务授权决策。许多人工智能技术要求个人下放一定程度的决策权，无论是选择食品杂货、选择智能银行还是开车在城里转。是什么让一个人或多或少愿意将决策委托给机器

一般来说，先前的研究表明，在已经将活动的权力或控制权委托给另一个人或技术的情况下，人们更有可能委托给人工智能技术（Miller和Parasuraman，2007年）。例如，当个人已经将一些决策权交给拼车应用程序司机时，他们已经决定信任另一个代理。因此，授权给人工智能技术的决定对这些人来说应该比其他尚未授权的人（无论是人还是机器）更容易

当个人目前自己执行任务时，他们可能不太愿意将责任委托给机器。他们对操作这项技术的熟悉程度和经验使他们更加不信任机器干预。例如，对自动驾驶汽车采用情况的研究发现，经验丰富的驾驶员经常质疑自动驾驶汽车是否足够安全（König和Neumayr 2017）。他们重视控制，尽管这会给自己带来更大的认知负荷（Miller和Parasuraman，2007年）。更抽象地说，对人工智能的研究表明，尽管人们可能不愿意将战略决策委托给算法（Leyer和Schneider 2019），但如果有人一开始就已经转移了对任务的控制权，那么委托给算法会更容易。这是因为使用算法只需要信任算法，而不是一开始就委托决策（Heber和Schneider 2020）。这里的部分逻辑涉及对任务的直接体验，因为“一般来说，任何形式的任务委派，无论是向自动化还是其他人委派，如果它卸载任务，都必然会增加不可预测性”（Miller和Parasuraman，2007年）

在我们的案例中，我们可以通过几种方式评估授权和对人工智能自主系统的支持。首先，我们可以通过拼车应用程序来衡量个人是否已经委托驾驶。我们预测，那些将控制权委托给拼车应用程序的人比那些没有授权的人更有可能支持自动驾驶汽车

假设2a：那些在疫情之前使用拼车应用程序的人应该比2020年CCES中调查的人更支持自动驾驶汽车

其次，个人在医院接受手术时已经委派了责任。即使是那些试图管理自己的医疗保健决策的人，在实际操作中也必须信任他人。因此，由于人们已经决定将手术委托给医生，因此与信任算法和他们目前自己做的事情相比，信任算法或机器的决定可能更容易

假设2b：对自动驾驶手术的支持应该高于对自动驾驶汽车的支持

2.3国防应用：人工智能武器与人工智能网络防御

自动驾驶汽车和手术室将人工智能用于社会普遍认为有益的任务。同样的熟悉和授权理论能否解释公众对人工智能武器和网络防御的支持？这些都是棘手的案件。公众当然熟悉遥控飞机和人工智能武器的想法。阻止杀手机器人运动和埃隆·马斯克等公众人物提高了公众和精英对高度自主武器系统潜在危险的认识。流行的科幻电视、电影和书籍也让人们更容易想象开发和使用自主武器系统的最坏情况。此前的调查发现，美国公众和人工智能专家都对在进攻性军事行动中使用自主性和人工智能持谨慎态度（Horowitz 2016；益普索2023；Zhang等人2021）

然而，尽管普通美国人可能熟悉媒体上展示的人工智能武器，但他们几乎不熟悉操作或体验这些技术在他们自己的生活中。这使得人工智能武器与自动驾驶汽车甚至自动手术等其他技术不同——普通美国人更可能在日常生活中体验或参与这些技术。当形成将任务委托给人工智能武器的意见时，公众对熟悉的看法会因他们实际缺乏使用这些技术的经验而减弱。因此，与人工智能技术的其他用途不同，人工智能技术应该会在熟悉人工智能技术基础上得到普遍的支持，我们预计人工智能武器不会出现这种情况

此外，公众对使用武力的支持，以及他们代表公众授权军事决策使用武力的意愿，是复杂的（Feaver和Gelpi，2011年；詹特勒森，1992年）。美国公众普遍担心平民的附带损害，武器被视为更有可能伤害平民，因此更有可能遭到公众的反对（Schneider和Macdonald，2016年；沃尔什，2015年）。因此，对于人工智能武器，我们引入了一个潜在的高熟悉度认知案例，但实际的低熟悉度以及随后对授权的高度关注

这是一个探索熟悉度和授权的特别有趣的案例，因为它测试了这些概念是否有助于解释公众在日常生活中可能永远不会熟悉或体验使用的技术。与自动驾驶汽车甚至自动手术不同，普通美国人已经将国防委托给了军队，但考虑到普通人在国防方面没有任何控制权或直接追索权，这种方式要极端得多。此外，尽管这最初可能意味着更多的支持、公众辩论和对将人工智能引入军事环境的道德和安全的担忧（如阻止杀手机器人运动）可能会压倒任何潜在的授权效应。鉴于人们对这项技术的非耸人听闻的用途的熟悉程度有限，而且由于担心事故或附带损害的可能性很高，人们普遍不愿意将责任委托给战争中的机器，我们预计，总的来说，在武器系统中对人工智能的支持将低于在自动驾驶汽车或人工智能手术等更多公共设施功能中使用人工智能

假设3：当应用于自主武器系统时，对人工智能的支持将最低

2.4政策支持与个人使用

虽然关于人工智能自动驾驶系统采用的基线问题集中在支持在特定领域使用人工智能，如自动驾驶汽车，但作为公共政策使用人工智能的支持可能与个人对使用的信念或意愿不同。当信息涉及自己的经历或潜在经历时，人们处理信息的方式不同，尤其是当信息涉及自身风险时。具体而言，作为自动驾驶汽车等领域的公共政策，对使用人工智能的支持可能高于相同受访者乘坐自动驾驶汽车的意愿。例如，在2014年一项关于自动驾驶汽车采用情况的研究中，研究人员发现，参与者对全自动驾驶汽车的普遍支持与购买这些汽车的实际意愿之间存在显著差异（Payre等人，2014），信任和风险在区分普遍支持与技术付费意愿方面发挥着最重要的作用（Liu等人，2019）。从本质上讲，随着人们不得不从社会角度（公共政策判断）考虑收养问题转变为从个人角度考虑收养问题，他们在特定领域使用人工智能的安全性和可靠性问题可能会增加，从而导致更大的反对

关于信心和信任如何影响人机关系的现有研究强化了这种支持-使用差距的概念（Macdonald和Schneider 2019）。信任本质上涉及一定程度的不确定性，因为它涉及到必须依赖他人。这是“基于对意图或价值观相似性的判断，使自己容易受到他人伤害的意愿”（Siegrist等人，2005）。在“他人的动机、意图和预期行动”未知的情况下，信任在帮助促进以不确定性、脆弱性和感知风险为特征的情况下的选择方面很重要（Josang和Presti，2004年；克莱默，1999年）

人工智能是一种新技术，引起了一定程度的公众关注。对美国公众舆论的研究表明，总体而言，只有约18%的受访者对“人工智能在日常生活中的使用增加”感到“兴奋多于担忧”。（2022）在公共政策偏好方面，我们预计这将转化为对整个社会采用人工智能的更有力支持，对个人使用人工智能的支持将减少，这些趋势将被放大，用于那些风险更高的应用

假设4：平均而言，对广泛采用人工智能的支持将高于个人使用人工智能的意愿，在所有人工智能应用程序中

3研究设计

我们通过评估2018年和2020年国会选举合作研究（CCES）中的问题来测试我们关于支持人工智能自主系统的假设，现在称为合作选举研究（CES）（Schaffner等人，20192021）

根据CCES/CES方法，2018年和2020年的样本都代表了美国成年公众（Schaffner等人，20192021）。2018年的调查分两个阶段对1000人进行，分别在2018年11月美国大选前后进行。同样，2020年的调查也在2020年11月美国大选前后分两个阶段对1000人进行了调查。2018年CCES中的一个模块提出了关于在上述领域采用自主系统和人工智能的态度的问题。然后，我们在2020年消费电子展中纳入了相同的问题，但使用了额外的协变量来检验上述假设。这项研究是使用开放科学预先注册的^脚注2

由于人工智能自主系统没有发生对公众显著的实质性变化，因此不应该有基于技术的态度转变驱动因素。我们可以在回归模型中进一步控制人口统计因素和党派偏见的影响（见附录）。我们在没有团队样本权重的情况下给出了以下结果，但我们在附录中表明，当添加旨在使样本更具代表性的团队权重时，结果是相同的

因变量来自四组问题，询问受访者是否支持采用人工智能自主系统：自动驾驶汽车、自动手术、自动网络防御和自动武器系统。每个支持问题都是用四分制来衡量的，其中1表示非常不支持，4表示非常支持。附录中提供了每个项目编码的全部细节。我们在下面描述了我们感兴趣的关键自变量和控制变量。除非另有明确说明，否则所有数据均来自CCES/CES数据。我们在这里的表中包括了一些个体差异变量，如年龄和教育水平，因为我们在下面的一些回归模型中使用它们作为控制变量，尽管我们在上面的假设中没有对它们进行理论化

性别（女性为1，男性为0）
年龄（计数）
种族（如果被调查者被认定为白人，则为1，否则为0）
服过兵役（1，如果是，则为0）=强大的民主党人和7=强大的共和党人）
共享乘车应用程序的使用（如果受访者在新冠肺炎流行之前使用过共享乘车软件，则为1，否则为0。^脚注3）
自我报告人工智能既往经验水平（0–5量表，其中0最低，5最高）（2020年版）
自我报告的人工智能既往经历水平（0-2量表，0最低，2最高）（2018年版）

2020年调查中对人工智能既往知识和经验的衡量包括三部分，我们可以对它们进行分解，看看什么样的先前自我报告的经历实际上会导致人们对人工智能自主系统持更积极的态度。该措施的第一部分是一个问题，询问受访者是否在家、工作、两者都使用人工智能，或者两者都不使用。这衡量的是人们在日常生活中是否接触过算法。该措施的第二部分是一个问题，询问人们在使用基于用户历史记录提出媒体建议的服务时，是否认为自己在使用算法，比如Netflix的选择算法。测量的第三部分是两个问题，测试受访者对机器学习等人工智能方法的知识。我们把这些汇总成一个指数。如果有人对家庭/工作问题回答“否”，则指数得分为0和音乐/电影问题，并且两个知识问题都错了。如果有人对所有问题的答案都是肯定的，并且知识问题正确，那么指数得分为5。2018年的调查只问了第一个问题，所以分布非常不同，从0到2。出于这个原因，我们没有比较2018年至2020年人工智能知识的影响。然而，综合起来，对于2020年的调查，我们可以根据人工智能支持指数的文献（Parasuraman和Colby 2014；Schepman和Rodway 2020），生成一个自我报告的先前使用和知识的指数，这应该会导致对人工智能采用的更大支持

表1强调了我们的关键人口统计变量在2018年和2020年CCES中的分布

表1汇总统计信息合并

全尺寸表

>

4结果

我们从评估支持人工智能的自治系统的平均支持水平开始。图1显示了2018年和2020年美国成年公众对这些应用程序的平均支持水平、对安全的担忧以及使用意愿。总体而言，大多数人工智能自主系统的支持率略有下降，尽管结果是手术从2.482下降到2.374，武器系统从2.199下降到2.03，网络防御从2.568下降到2.362。对自动驾驶汽车的支持略有增加，从2.354增加到2.411，但这一变化在统计上并不显著。根据技术的应用，支持的程度有很大的差异，网络防御、手术和车辆通常比自主武器系统获得更多的支持

对“使用意愿”问题的回答也遵循了类似的模式，受访者在2020年（2.319）选择自主手术的可能性低于2018年（2.078），或支持在高重要性任务中使用自主武器系统（从2.373降至2.313）或网络防御系统（从2.457降至2.227）的可能性较小。然而，乘坐自动驾驶汽车的意愿从2.14小幅上升到2.186。

尽管支持和使用意愿发生了变化，但从2018年到2020年，对这些技术安全性的总体担忧略有下降。总体而言，个人最担心自主武器系统对平民的潜在影响，2018年和2020年的平均安全担忧得分分别为1.572和1.591。（请注意，关注度越低，平均值越高，而关注度越高，平均值就越低，所有这些都徘徊在\（1.851-1.718\）左右。受访者最不关心自主网络防御的安全性，该安全性保持在1.96。1

对所有应用程序的平均支持、使用意愿和安全性的关注，2018年与2020年

全尺寸图像

4.1应用程序类型

我们也发现了对假设3的支持。研究结果证实了现有的研究（Horowitz 2016；Young和Carpenter 2018），即自主武器系统存在争议，并面临公众的反对。图2比较了2020年和2018年自主武器系统和另一个非民用案例人工智能网络防御的支持、使用和关注平均值。2

2018年与自主网络防御和自主武器的平均支持、使用意愿和安全关注2020

全尺寸图像

>为什么对自主武器系统的支持不仅相对于人工智能的民用应用，而且相对于其他潜在的军事应用如此之低？一个潜在的因素是普遍的道德问题和流行文化对人工智能武器的危险描述，例如在《终结者》等电影中。由于武器具有固有的暴力潜力，自动化武器伴随着对无法控制的危险技术的更大担忧

当我们具体询问受访者对美国国家安全具有高度重要性的情况时，对自主武器系统的支持最高。在这种情况下，对自主武器系统的支持将上升到2.31，大大高于对自主武器的平均支持水平2.03。人工智能武器可能被视为在严重情况下的必需品，因此可能有理由搁置道德问题

4.2先前的经验和知识

假设1侧重于通过自我报告的使用和测试的知识来衡量对人工智能技术和应用程序的熟悉度和先前的经验如何会导致积极情绪的增加，包括更少的关注、更多的支持和更大的意愿使用人工智能自主系统（表2）

表2自我报告的人工智能知识分布

全尺寸表

大多数回答都集中在量表的低端，65%的受访者报告以前很少或根本没有使用过人工智能。然而，近30%的人报告之前的经验/知识处于中等水平，只有一小部分人对所有的经验问题回答是，并且正确回答了一个或两个知识问题

研究结果广泛支持假设1-对人工智能的熟悉程度与支持在除自主武器系统外的所有应用中采用和使用自主系统之间存在统计学上显著的正相关关系。人工智能经验与对自主武器系统的支持之间缺乏关系，这与公众和人工智能/机器学习专家先前对LAWS的态度研究一致（Horowitz 2016；Young和Carpenter 2018；Zhang等人2021）。附录中的表A1-A5和图3显示了这些结果

全尺寸图像

为了更好地理解先验知识和人工智能经验在上下文中的效果，我们估计了OLS回归模型，以确定人工智能的先验知识和人工智能经验对支持人工智能的自主系统的相对影响。结果如图9和图10所示。在讨论中，显示了对先前人工智能知识的普遍强烈的实质性影响。从低水平到高水平的先验人工智能知识会使对自动驾驶汽车的支持增加9%，对自动手术的支持增加10%，对自动网络防御的支持增加6%，所有这些增加在0.05或更好的水平上都具有统计学意义。上面解释了人工智能知识和经验与自主武器系统之间的关系缺乏意义

为了测试人工智能知识和经验的哪些衡量标准正在推动结果，我们重新运行图9和图10所示的主要模型，依次代入人工智能指数的每个组成部分。结果显示在附录中的表A1-A4中，强调了经验变量如何比知识变量更能推动结果。自我报告的在家或工作中使用人工智能与支持自动驾驶汽车、手术和武器是积极且显著相关的（\（p<；0.05\）），对网络防御是积极但不显著的。使用人工智能选择音乐和电影也是积极的，并且有显著的相关性（\（p<；0.05\）），支持自动驾驶汽车、手术和网络防御，但不支持自动武器系统。同时，人工智能知识问题在统计上与任何人工智能自主系统对人工智能采用的更大支持无关。是什么解释了这个结果？一种可能是附录中显示的知识问题可能太难了。他们要求受访者确定哪些符合人工智能和机器学习的条件，哪些不符合，这可能太具挑战性了。未来的研究应该建立在测试公众人工智能知识和意识的新尝试之上（Schepman和Rodway 2020）

4.3授权

我们现在在支持人工智能自动驾驶系统，特别是自动驾驶汽车和手术的背景下评估我们的授权理论。我们通过观察那些在新冠肺炎疫情之前使用共享乘车应用程序的人对自动驾驶汽车的感受，直接验证了这一理论。毕竟，拼车用户已经决定将驾驶权委托给他人，因此他们应该比那些不使用拼车应用程序的用户更支持自动驾驶汽车

表3新冠疫情前拼车的使用和对自动驾驶汽车的态度

全尺寸表

在表3中，我们显示了每个类别中多少或非常支持的人，占该类别拼车用户中受访者总数的百分比。在564名从未使用过共享乘车服务的受访者中，42%的人对自动驾驶汽车表示支持或非常支持，但在新冠肺炎疫情爆发之前使用共享乘车的各类受访者中，这一比例超过了60%。同样，那些使用拼车的人不太可能担心自动驾驶汽车的安全，更有可能报告他们会亲自使用自动驾驶汽车

这为假设2a提供了初步支持，这在图4中得到了加强。对自动驾驶汽车的支持率从所有受访者的平均2.39上升到新冠疫情前使用拼车的2.75。同样，个人使用自动驾驶汽车的意愿从所有受访者的平均2.15增长到新冠疫情前使用拼车的2.54。这些差距清楚地表明，在新冠肺炎大流行之前，那些将驾驶权委托给他人的人如何如预测的那样，更加支持自动驾驶汽车

图。4

新冠肺炎之前的共乘对支持或使用自动车辆意愿的影响。平均置信区间和95%置信区间。注：数字越大，支持度越高

全尺寸图像

当我们转移到回归上下文时，基于上述假设1上下文中的回归分析，进一步证实了对假设2a的支持，如图9所示。即使在控制了一系列人口因素和先前的人工智能知识和经验的情况下，拼车应用程序的先前使用也会产生巨大的实质性影响，导致对自动驾驶汽车的支持增加近20%

我们还通过观察样本中没有驾驶执照的子群体来测试自动驾驶汽车的授权效应。根据定义，他们已经将驾驶权委托给了其他人。有123名受访者没有驾驶执照。他们对自动驾驶汽车的支持度（平均支持度\（=2.52\））高于持有驾照的人（平均支持率\（=2.37\）），但在=（p<；0.05\）水平上，这一差异没有统计学意义。个人使用问题的结果是相似的。大的置信区间可能是由非驾驶员的小样本驱动的，因此未来对非驾驶员的过度样本研究可能有助于解决这个问题。或者，一些人没有驾驶执照可能是出于健康或行动不便的原因，这也可能限制了自动驾驶汽车对他们的实用性，从而混淆了任何发现

该结果不支持关于自主手术和车辆之间关系的假设2b。如图4所示，对于支持和使用问题，不包括那些在新冠肺炎之前使用了骑乘共享应用程序，自动手术和自动车辆的平均值在统计上没有显著差异。事实上，就使用问题而言，对使用自动驾驶汽车的批准，即使是在那些没有使用拼车应用程序的人中，也高于对使用自动手术的批准，尽管这一差异在统计上并不显著

是什么解释了缺乏假设结果？一种可能的解释是，在这些用例中，授权的类型并不相同，因为一种涉及“日常”活动的授权，另一种涉及到“罕见”活动的委托。日常活动是像开车这样的事情（即使每个人都不每天开车，但为持有驾照的人开车通常是司空见惯的，如果不是一种频繁的活动的话）。对大多数人来说，开车是一项常规活动，尽管它相当危险，但考虑到每年事故和与事故相关的伤亡人数，它可能被认为不那么危险，因为它很常见（Guerin 1994；Shariff等人2021）。对于驾驶来说，授权是一种决策，可以根据环境和进行授权或驾驶的个人的舒适度动态调整或改变。罕见的活动是像手术这样的活动，这通常也被认为是固有的危险。在手术的情况下，人类自己无法管理风险，有时对手术本身没有清醒或认知意识。此外，尽管在驾驶方面，几乎所有成年人都有驾驶和乘客的经验，但在手术方面，除非你是外科医生，否则你在患者与外科医生互动的另一边没有这种经验。因此，对于手术来说，授权的决定是一种被迫的选择，也是一种陌生的体验，因此与自动驾驶汽车并不完全相同。同样，在国防决策方面，个人也无法单独管理风险

此外，有人可能会说，在手术和辩护案件中，这不是真正的授权，因为在采取任何实际行动之前，责任和程序已经明确确立，有明确的规范、指导方针、期望和要求，如上医学院或参军。正如其他研究所强调的那样，“当这种分工是由设计师在操作前完成的，这是该系统设计的一部分。”然而，当这是由主管、人类团队或个人在操作过程中动态完成的，例如在驾驶的情况下，“这个过程可以被称为‘授权’，或者更一般地说，‘任务’和任务管理”（Miller和Parasuraman，2007年）。因此，理论部分所设想的授权是不合适的，因为低障碍的日常活动（如驾驶）的授权与需要专业知识、会员资格或手术或防御等途径的罕见活动不可相比。这是未来研究的重要途径

4.4政策支持与使用

我们现在开始评估人们是否更倾向于在理论上支持这些技术，而不是自己实际使用它们。下图5、6、7、8所示的结果在很大程度上支持了假设5。对开发的支持和使用我们评估的大多数自主系统的意愿之间存在差距。作为一项公共政策，对这些系统的支持几乎总是高于个人使用这些系统的意愿

平均而言，大多数受访者接受自主手术的个人意愿远低于政策支持。同样的现象在车辆上也很明显。这表明，有一些指标表明，个人可能会对这些应用程序更广泛的社会效益感到兴奋，但对个人面临的风险持谨慎态度。然而，当涉及到军事而非民用自主应用（武器系统和网络防御）时，使用意愿和一般支持之间的差距缩小了。有趣的是，尤其是对于自主武器系统，平均而言，个人更鼓励其“用于执行对美国国家安全至关重要的军事任务”，并回避更广泛地支持其总体发展

我们现在探索个体层面的协变量及其关系，以支持和使用这些人工智能自主技术。虽然我们没有对它们进行理论化，但我们将它们作为控制变量。我们在下文中讨论了它们的重要性或不足，为未来的研究奠定基础，并以更具描述性的方式进一步为文献做出贡献。总的来说，研究表明，新兴技术更有可能被在技术领域工作的年轻、男性、高收入个人所采用（Bansal等人，2016；Haboucha等人2017；Kadylak和Cotten 2020；Moody等人2020；Payre等人2014；Wang等人2020）。毫不奇怪，这一人群最有可能使用自动驾驶汽车，尤其是因为它们在采用更通用的技术方面也表现出更高的风险倾向（Hulse等人，2018）。此外，人们对新兴技术和科学技术问题的态度往往两极分化（Drummond和Fischhoff 2017；高查特2012；古伯2013）。我们的结果显示了什么？我们现在使用OLS回归模型，其中因变量是支持水平，自变量是研究设计部分中描述的协变量。我们采用团队权重来确保群体代表性。使用有序logit模型、logit模型和无团队权重的模型是一致的

图。9

支持自动驾驶汽车和手术的驱动程序

全尺寸图像

结果显示，女性对人工智能车辆和手术的支持率明显低于男性，效果大小表明支持率相对下降了40%。年龄是负面的，但实质性影响很小，而与文献一致的更高水平的教育导致对人工智能车辆和手术的更有力支持。生活在城市地区与支持车辆或手术没有显著联系

车辆有党派偏见的影响，但手术没有。在其他条件相同的情况下，共和党人支持自动驾驶汽车的可能性要小得多，但对自动驾驶手术没有显著影响。那些生活在顶端的人密歇根州等十个汽车制造州支持人工智能自动驾驶汽车的可能性要小得多，尽管置信区间相当大，但支持率下降了20%。医疗保健就业排名前十的州更有可能支持人工智能自主手术

人工智能军事系统的结果在某些方面与车辆和手术结果不同。网络防御存在强烈的性别影响，女性支持网络防御的可能性低于男性，但尽管系数为负，但自主武器系统在统计上没有显著的性别差距（也许是因为男性支持网络防御能力的可能性低于任何其他人工智能自主系统）。没有年龄效应，但有种族效应。非白人受访者支持自主武器系统和自主网络防御的可能性大大降低，这是我们没有预料到的。这需要进一步调查以了解原因

与车辆和外科手术不同，更高水平的教育不会导致对自主武器系统和网络防御的更强支持。以前服过兵役也与加强支持无关。唯一其他明显的影响来自党派之争。共和党人比民主党人更有可能支持自主武器系统（尽管不是自主网络防御系统）。这可能反映出共和党对军事系统的平均支持度更高

6结论

本文为熟悉技术和之前的相关生活决策授权如何影响支持人工智能自主系统的政治提供了重要的新背景。通过对美国成年人的两项代表性调查，我们发现，在新冠肺炎之前，那些在交通环境中使用技术经验丰富的人，以及通过共享乘车应用程序授权驾驶责任的人，在大多数情况下更有可能支持采用和使用AI自动系统

我们还表明，个人更愿意支持这些技术的发展，而不是自己实际使用这些技术，这表明尽管这些技术对公众来说很有趣，而且它们可能会带来好处，他们可能还不熟悉或不太相信当前的技术状态，无法在日常生活中舒适地使用它们。最后，我们还发现，对这些人工智能自主系统的任何支持、兴趣或开放性都因用例而异。特别是，在关键的人口类别中，存在着对自主武器系统的持续、强烈的厌恶

这些发现和可能为未来研究提供信息的研究设计存在局限性。我们只调查美国成年人。一个更大、更全球化的样本可能会进一步分解，并显示这些对人工智能自主系统的看法是普遍的，还是特定于某些背景和文化。未来的研究还可以整合更多的亚群体，重点关注他们的观点与普通公众的观点有何不同，例如医疗保健提供者对自主手术的看法，或者那些在军队工作的人如何看待自主网络防御和武器系统。通过近距离观察人工智能自主系统的具体应用来评估子群体，将使研究人员能够进一步探索熟悉程度和感知特定应用的好处、风险和用途的潜在能力如何改变对其开发的支持