人工智能（AI）推动了风险感知的信任程度

算法似乎总是正确的，但现实总是充满了不确定性——投资、开车、做手术、评估工作以及申请大学offer都充满了太多的变化因素。

那么，人们是否愿意求助于人工智能，以获得更好的结果呢？近期发表在《心理科学》杂志上的一项研究发现：人们还没有准备好接受人工智能的计算结果。

芝加哥大学的Berkeley J. Dietvorst和Soaham Bharti说：

“这些结果表明，人们不愿意在固有的不确定领域采纳AI算法并不是因为人们在等待技术改进，或者等待更好的算法。“

”鉴于投资、医疗决策和其他领域天生就存在很多的不确定性，因此人们在这些领域使用人工智能的可能性就更低，哪怕是目前最好的算法。”

我们知道，人工智能算法确实优于人类的预测，人工智能使用的工具更先进，遵循的规则更合理，错误率都比人类更低。

研究人员说：“拒绝采用这些（优于人类）的算法会带来更高的成本。例如，很多人都不敢使用自动驾驶技术……尽管研究表明，自动驾驶系统挽救了成千上万人的生命。”

拒绝人工智能是因为他几乎不犯错

那么，是什么阻止了人们对人工智能的接纳程度，反而偏爱人类自己的技能和本能？

研究人员认为，这其中的原因在于我们相信自己会对不确定的决定承担更多风险，我们不相信计算机会为我们承担这种风险。因为人工智能一旦犯错，他们的错误就更加的显眼，哪怕人工智能犯错的情况非常罕见。

Dietvorst和Bharti在谈及相关的决策风险时说：

“我们建议人们逐渐降低预测误差的敏感性，即，渐渐不再挑剔预测的准确性，并且接受一定程度的误差。这会让人们偏爱那些近乎完美的方案（即，一个几乎没有错误的方法）。”

“与之相反，当人们觉得算法不可能产生近乎完美的答案时，他们往往会选择风险更高、往往表现较差的决策方法（如人类判断）。”

研究人员通过9项实验发现：“人们觉得近乎完美的预测（可能产生的最好的预测，几乎没有误差）之间存在的主观差异更大，而误差较大的预测之间的主观差异却相对较小。”

也就是说，预测越是精确，人们越是需要更高的准确度；当误差较大时，反而会更能够马马虎虎的接受。

研究结果显示，人们不太可能在难以预测的（随机或方程）领域中选择最佳的决策者，相反，他们自认为的近乎完美选择更可能来自于自己的喜好，而且选择结果有很大的差异。最终导致了人们在不确定的领域中选择那些风险更大、结果较差的决策者（例如人为判断）的倾向。

研究人员总结说：“这些结果表明，说服人们在固有的不确定领域使用算法。并非意味着拿出更好的技术或出现更好的算法。”

这种拒绝人工智能的行为会带来巨大的影响，因为如果人们不愿意通过人工智能预测不确定性的话，这些领域就无法利用技术进步获得更多的收益。”

机器有道德吗？

最近的另一篇文章探讨了无人驾驶的困境。

在这种困境中，自动驾驶的车辆必须在道路上做出高风险的道德决定，例如，应该伤害谁、拯救谁（例如行人或乘客）。

Julian De Freitas等人认为，这些担忧会扰乱工程和政策决策。

他说：”我们教人类如何开车时，不会让驾驶员被迫进行选择——不会告诉他应该杀了谁。这是因为计划一个不可能、无法察觉和无法控制的情况会扰乱我们训练新司机的目标——尽量减少伤害任何人。”

研究人员说，这样的目标同样适用于自动驾驶系统。