我們今天說一個特別有意思的話題：我們到底應該在多大程度上信任AI？

你可能覺得，人對AI的態度無非就兩種。一種是技術樂觀派，覺得AI是未來，無所不能，應該全面擁抱；另一種是技術恐懼者，總擔心AI搶走工作、做出可怕的決定，對AI充滿疑慮，甚至有點像當年的“盧德分子”。

這兩種人確實都存在，但大部分普通人似乎處在這兩者之間。比如，如果一個AI工具能幫你精準預測股票走勢，你可能會很樂意使用它。但反過來，如果你去一家公司求職，而人力資源部用一套AI系統來篩選你的簡歷，你心里是不是就有點打鼓了？

為什么會有這種矛盾的心理？長久以來，學術界對這個問題的研究也充滿了矛盾。2015年有篇影響很大的論文叫《算法厭惡》，說人們對AI犯的錯誤比對人犯的錯誤更不能容忍。可到了2019年，又有一篇流傳很廣的論文叫《算法欣賞》，說人們其實更喜歡聽AI的建議。

這到底是怎么回事？我們對AI到底是“厭惡”還是“欣賞”？

麻省理工學院（MIT）的學者廉·杰克遜（Jackson Lu）和他同事們的一項最新研究，給出了一個極其漂亮的解釋框架，可以說是一舉統一了之前那些看似矛盾的發現。我愿稱之為 “能力—個性化”雙軸模型。

這個模型非常簡單，它說我們對AI的態度，取決于我們在兩個維度上的判斷：

1. 能力（Capability）：在當前這個任務上，AI的客觀能力是不是比人類強？
2. 個性化（Personalization）：這個任務需不需要“特殊關照”？也就是說，它是否需要充分理解我這個人的獨特性和具體情況？

這個框架的結論是什么呢？只有當一個任務同時滿足“高能力”和“低個性化”這兩個條件時，我們才會心甘情愿地擁抱AI。只要有一個條件不滿足，我們就會傾向于選擇人類。

這個洞見太重要了。它告訴我們，光有強大的能力并不能保證AI被我們所接受。

我們來看例子。像金融欺詐檢測、對海量數據進行分類整理，這些任務的特點是什么？首先，AI的能力遠超人類，又快又準。其次，這些任務幾乎不需要任何個性化，它就是個客觀的、標準化的工作。所以，在這些領域，我們對AI是“欣賞”的，甚至可以說是熱烈歡迎。

但換個場景就不一樣了。比如心理治療、工作面試，甚至是醫生診斷。在這些場景里，“個性化”的需求就變得至關重要。

研究者說，我們每個人內心都有一種根深蒂固的愿望，就是希望自己被看作一個“獨特的個體”（unique and distinct）。我們希望治療師能理解我獨一無二的情感困境，希望面試官能看到我簡歷之外的閃光點，希望醫生能考慮到我個人的特殊身體狀況。

AI呢？即便它學習了海量的病例和數據，我們總覺得它是“一視同仁”的，是按照一套固定的、冷冰冰的邏輯在運作。它無法真正“看見”我這個活生生的人。所以在這些需要高度個性化關懷的領域，哪怕AI的診斷準確率可能更高，我們依然會產生“AI厭惡”，寧愿相信一個有血有肉的人。

廉·杰克遜教授和他的團隊為了驗證這個框架，做了一次“元分析”（meta-analysis），把過去163項相關研究、超過82000個反饋數據全部整合起來分析。結果發現，這個“能力—個性化”框架完美地解釋了絕大多數情況。

更有意思的是，研究還發現了兩個影響我們判斷的額外因素：

• 形態的影響：我們對一個看得見、摸得著的實體機器人，比對一個看不見的抽象算法，天然更有好感。這也許是因為實體機器人給了我們一種更直觀的交互感和控制感。
• 經濟環境的影響：在一個國家的失業率越低，人們對AI的欣賞和接受度就越高。這個道理很直白：如果你的飯碗隨時可能被AI端掉，你自然很難對它產生什么好感。

所以你看，我們對AI的態度，既不是盲目崇拜，也不是無腦抵制。我們其實都是非常精明的“情境主義者”。

我們每個人的心里都有一把尺子，在面對一個具體的AI應用時，我們會不自覺地在這兩個維度上進行評估：它的能力比人強嗎？這事兒需要對我特殊照顧嗎？

只有當答案是“是”和“否”的時候，我們才會放心地把任務交給AI。這個來自MIT的“能力—個性化”框架，為我們理解這個復雜的人機時代，提供了一個異常清晰的思考工具。

本文轉載自????草臺AI????，作者：RangerEX