随着更多美国人采用AI工具,他们对结果的信任度却在降低。
美国人越来越多地使用人工智能来协助研究、写作、学校或工作项目以及数据分析等任务,但他们对此并不完全满意。
根据昆尼皮亚克大学周一发布的一项民调显示,尽管AI的使用和采用率在上升,但美国人对这一新工具仍然缺乏信任。在接受调查的近1400名美国人中,超过四分之三的人表示不信任AI——76%的人说他们很少或有时信任AI,相比之下只有21%的人大部分时间或几乎总是信任AI。
尽管越来越多的美国人在日常生活中采用AI,但信任度仍然不高。只有27%的人说他们从未使用过AI工具,低于2025年4月的33%。
昆尼皮亚克大学计算机科学教授切坦·贾斯瓦尔表示:"AI使用与信任之间的矛盾令人震惊。51%的人说他们使用AI进行研究,许多人还将其用于写作、工作和数据分析。但只有21%的人大部分时间或几乎总是信任AI生成的信息。美国人显然正在采用AI,但他们是带着深深的犹豫而非深度信任在这样做。"
缺乏信任的部分原因可能来自对AI将带来的未来的恐惧感。民调发现,只有可怜的6%的人对AI"非常兴奋",而62%的人要么不太兴奋,要么完全不兴奋。当谈到担忧时,这些数字基本上是相反的:80%的人对AI要么非常担心,要么有些担心,其中千禧一代和婴儿潮一代最为担忧,Z世代紧随其后。
根据民调,有一半的人(55%)认为AI在日常生活中弊大于利,只有三分之一的人认为AI利大于弊。据研究人员称,与去年的调查相比,更多人对AI持负面看法——这在经历了一年的大科技公司裁员、致命的AI精神病例以及给能源网络带来压力的数据中心之后,可能并不令人意外。
美国人普遍反对在他们的社区建设AI数据中心,65%的人表示不希望建设这样的设施,主要原因是高昂的电力成本和水资源使用。
大多数人(70%)认为AI进步会减少就业机会,而只有7%的人认为AI会带来更多就业机会。这与去年56%的美国人认为AI进步会导致就业减少、13%的人认为AI会增加就业机会的情况相比有所变化。出生于1997年至2008年的Z世代成员最为悲观,81%的人预见就业会减少。
他们的担忧也并非想象。美国入门级职位发布自2023年以来下降了35%,而Anthropic首席执行官达里奥·阿莫代伊等AI领导者已经警告说,这项技术将消除就业机会。
昆尼皮亚克大学商业分析和信息系统教授塔米拉·特里安托罗在一份声明中说:"年轻的美国人报告对AI工具最为熟悉,但他们对劳动力市场也最不乐观。这里AI熟练程度和乐观态度正朝着相反的方向发展。"
有趣的是,尽管大多数美国人担心AI对整个劳动力市场的影响,但大多数人不认为它会特别影响自己的工作。在有工作的美国人中,30%的人担心AI会使他们的工作过时。不过,这比去年的21%有所上升。
特里安托罗说:"美国人更担心AI可能对劳动力市场做什么,而不是它可能对自己的工作做什么。人们似乎更愿意预测市场会更加艰难,而不愿意想象自己处于这种破坏的失败一方——这是一个值得关注的模式,因为技术正在更深入地进入职场。"
美国人对AI缺乏信任的一个重要原因可能是他们不相信技术背后的公司在说实话。三分之二的受访者表示,企业在AI使用的透明度方面做得不够。同样比例的人还表示政府在AI监管方面做得不够。这种情绪出现在各州努力维持其对AI规则的权威的时候,尽管联邦官员——包括在特朗普最新的、很大程度上轻度监管的AI框架下——和行业领袖都主张限制州级监管。
特里安托罗说:"美国人并没有完全拒绝AI,但他们正在发出警告。太多的不确定性,太少的信任,太少的监管,以及对就业的过多恐惧。"
Q&A
Q1:美国人对人工智能的信任度如何?
A:根据昆尼皮亚克大学的民调显示,76%的美国人很少或有时信任AI,只有21%的人大部分时间或几乎总是信任AI生成的信息。尽管AI使用率在上升,但信任度仍然很低。
Q2:人工智能对就业市场的影响如何?
A:70%的美国人认为AI进步会减少就业机会,只有7%认为会增加就业机会。美国入门级职位发布自2023年以来已下降35%,Z世代对此最为悲观,81%预见就业会减少。
Q3:美国人为什么对人工智能数据中心建设持反对态度?
A:65%的美国人反对在社区建设AI数据中心,主要原因是担心高昂的电力成本和大量的水资源使用。这反映了公众对AI基础设施环境影响的担忧。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。