人工智能(Artificial Intelligence, AI)已在生产和生活的诸多领域得到广泛应用。研究发现,人们对 AI 的信任程度在其对 AI 技术的接纳和使用中至关重要。社会认知观点下的信任理论认为,人们基于能力(competence)和友善(warmth)来感知并形成对 AI 的信任,但尚未有实证研究验证这两个维度是否在 AI 信任中起核心作用,也未深入比较人对 AI 的信任(AI 信任)与人对人的信任(人际信任)的异同。此外,大多数 AI 信任研究依赖自我报告数据,缺乏行为层面的实证分析。针对这些问题,本论文通过四项研究(N = 4073)探讨能力、友善及其他变量在 AI 信任中的作用,比较 AI 信任与人际信任在行为和自 我报告上的差异,并探索调控 AI 信任的方法。这些研究深化了对 AI 信任机制的理解,为促进良好的人机协作提供了实证支持与实践启示。 研究一通过一项大型的代表性问卷调查(N=2187),系统考察了能力、友善以及其他 17 个信任影响变量与 AI 信任间的关系。结果表明,人们对 AI 能力 和友善程度的感知可较好地解释他们对 AI 信任的水平(R 2 = 0.47);能力和友善在其他变量与 AI信任的关系中起部分中介作用,进一步证明了这两个因素在AI信任中起核心作用。基于信任者、信任对象和交互背景的三维框架模型,研究一发现,除了能力和友善,一些 AI 作为信任对象所特有的变量(如稳健性和拟人化程度)、部分信任者特征变量(如享乐动机)和交互背景变量(如社会影响)对AI信任也有显著影响。本研究涵盖了目前为止AI信任研究中最广泛的变量,证实了以社会认知观点理解 AI 信任的有效性,明确了能力和友善在AI 信任中的核心作用。 基于能力和友善两维度,研究二通过行为实验(N = 644),在自我报告和行为指标上比较了 AI 信任与人际信任的差异。行为信任通过建议的采纳程度(WOA, weight of advice)来衡量。实验要求被试估计照片中人物的年龄,独立判断后与合作对象(AI 或人)合作完成任务,最终由被试做出判断,合作对象负责分配奖励。通过控制建议的准确性和奖励分配比例,操控合作对象的能力与友善程度。结果显示能力可以显著影响 AI 信任和人际信任,而友善虽然是影响人际信任的重要因素,但对 AI 信任的影响相对较弱。总体而言,尽管被试对 人类的评价更高,但在行为上却表现出对 AI 的偏好,即相比于人类建议,他们更倾向于采纳 AI 的建议。 算法厌恶是近期 AI 态度研究中的一个重要发现。为检验在现实环境决策中个体对 AI 和人类的信任是否存在差异,以及是否表现出对 AI 算法的偏好或厌恶,研究三开展了四项田野实验(N = 484)。研究采用了建议采纳范式,招募体育爱好者对美国职业篮球联盟(NBA)和欧洲杯足球比赛进行有奖励的预测竞猜。被试可以参考三类建议:智能算法、他人猜测和赌博赔率。结果显示,尽 管智能算法预测准确率最高,在篮球比赛中,被试最倾向采纳赌场赔率的建议;而在足球比赛中,被试对智能算法和赌博赔率的选择频率最高,但对不同来源信息的建议采纳度没有差异。总体而言,实验结果未在行为层面发现明显的AI 算法偏好或厌恶。在以体育比赛预测为代表的现实环境决策中,被试对AI 算法和人类的信任无明显差异,这可能与 AI 算法能力、任务情境及个体经验有关,需进一步研究探讨。 研究四通过五个行为实验(N = 758)检验了通过增强个体对 AI 的友善和能力感知来调控 AI 信任的多种方法,为 AI 信任的干预策略提供了实证基础。研究 4a 发现友善表情反馈对 AI 信任有提升作用,研究 4b 表明显示与 AI 能力匹配的置信度可以有效调控信任水平,研究 4c 发现显示 AI 和被试的历史表现可以增加被试对高能力 AI 的信任,研究 4d发现解释 AI出现偏差的原因会降低 AI信任,研究 4e 则初步探索了 AI 素养培训对信任的影响。研究四验证了通过增强个体对 AI 的友善和能力感知可以实现对 AI 信任的调控,为 AI 信任干预措施的 制定提供了理论和实践依据。 本论文通过一项大规模问卷调查和三项实验研究,围绕能力和友善维度,考察了影响 AI 信任的关键因素,比较了 AI 信任与人际信任的差别,在理论上 深化了对AI信任形成机制的理解,并在实践上探索了调控AI信任的方法手段。本论文的主要贡献和创新点在于:(1)明确了能力和友善在 AI 信任中的核心作用,验证了 AI 信任的社会认知观点的有效性;(2)在行为和自我报告指标上,对比了 AI 信任与人际信任的差异,发现了 AI 信任在态度与行为之间的分离以及 AI 偏好现象;(3)在现实的决策情境下考察了个体对 AI 算法和人的信任的差异,未在行为层面发现明显的 AI 算法偏好或厌恶;(4)考察了通过增强能力和友善感知来调控 AI 信任的不同方式,发现友善反馈、置信度反馈、历史表现反馈和偏差解释反馈可以有效调控 AI 信任,为 AI 交互设计和信任调控提供了重要启示;(5)开发了一个基于建议采纳的行为研究范式,可用于系统检验 AI信任的影响因素和调控手段。