价值权衡与文化可解释性
消费者会如何权衡性能与透明度?
第一篇论文探讨了我们在选择 AI 助手时的价值权衡。当面对性能、透明度、环境可持续性与成本时,我们究竟会优先考虑什么?
第二篇论文则为我们理解大语言模型提供了全新视角。当 LLM 的行为超出预期,我们是该归咎于技术故障,还是应将其视为对人类文化模式的反映?文章引入「文化可解释性」框架,主张 AI 已具备相当的交际能力,其看似怪异的表达或许深植于文化脚本之中。
祝今日读写愉悦,洞见深省。
前沿速递
AI 助手选择中的权衡:消费者是否将透明度和可持续性置于 AI 助手性能之上?
核心概念
程序正义(Procedural Justice):程序正义指的是人们对用于决定结果的程序或过程的公平性感知,它关注的是「过程是否公平」,而非「结果是否有利」。一个程序即便产生了不利于某个人的结果,但只要该程序被认为是透明、一致、无偏见且给予了参与者发言权,人们也可能接受这个结果。例如,在 AI 助手情境中,假设你要求 AI 助手推荐一家餐厅,它推荐了一家你并不喜欢的(这是一个不利的结果,关联到分配正义)。但是,如果 AI 助手清晰地解释了它的推荐逻辑,比如「根据您过去对川菜的好评记录、朋友的高分评价以及您目前的位置,这家餐厅是综合评分最高的选择」,那么即使你不喜欢这个结果,你也可能会觉得 AI 的推荐过程是公平合理的。这种对决策过程清晰度的感知就是程序正义的体现,它能显著提升用户对系统的信任和接受度。
控制点(Locus of Control):控制点是一个源于社会学习理论的心理学概念,描述了个体对自己生活中事件结果的控制能力的信念程度。它分为内部和外部两个维度。具有「内部控制点」的人相信他们可以通过自己的努力、能力和行动来控制事件的结果,即「我命由我」。而具有「外部控制点」的人则认为事件的结果是由外部力量,如运气、命运、权威或他人所控制,自己无法改变。举例来说,面对一个复杂的 AI 助手,一个具有内部控制点的用户可能会花时间深入研究其隐私设置和算法偏好选项,因为他们相信通过自己的调整可以让 AI 更好地为自己服务。而一个具有外部控制点的用户则可能直接使用默认设置,认为「开发者怎么设计的就怎么用吧,自己调了也没用」,将控制权交给了外部的系统设计者。
未来导向(Future Orientation):未来导向是个体在做决策时,思考和权衡其行为的未来长远后果的倾向。具有高未来导向的人更愿意为了实现未来的更大目标而牺牲眼前的即时满足,而低未来导向(或称当前导向)的人则更关注当下的快乐和便利。例如,在选择购买 AI 助手时,有两个版本可选。版本 A 性能极佳,反应迅速,能立即带来便利,但其背后数据中心的能耗巨大,对环境有长期的负面影响。版本 B 的反应速度稍慢,便利性略逊一筹,但它采用了节能算法,碳足迹非常小。一个具有高未来导向的消费者,会更倾向于选择版本 B。他们愿意接受当前一点点的不便(牺牲即时满足),因为他们更看重为未来创造一个可持续环境的长期利益。
研究问题
人工智能助手(如 Siri 和 Alexa)在社会中日益普及,但其不透明的决策过程和开发过程中的高能耗引发了人们对算法偏见和环境影响的担忧。现有研究已经探讨了 AI 的透明度与可持续性问题,但往往局限于西方国家或公共部门等高风险应用场景,且研究结论不一。例如,一些研究发现人们更偏好高性能算法而非高透明度算法,这与社会心理学中强调过程公平的「程序正义至上效应」相悖。因此,在个人日常使用的 AI 助手这一低风险场景下,消费者如何在不同价值之间进行权衡,尤其是在非西方文化背景下,仍是一个有待填补的研究空白。
本研究旨在回答以下核心问题:在选择个人 AI 助手时,消费者如何在性能质量、透明度、环境可持续性和成本之间进行权衡?具体而言,日本消费者是否会优先考虑透明度和可持续性,而不是性能?此外,个体的心理特征会如何影响他们对 AI 助手不同特性的偏好?