AI性别标签对人类合作行为的影响：来自囚徒困境实验的证据

《iScience》：AI’s assigned gender affects human-AI cooperation

本研究针对人工智能(AI)性别标签对合作行为的影响这一空白，通过囚徒困境实验发现，人类对AI表现出与对人相似的性别偏见：更倾向于利用女性标签AI，更不信任男性标签AI。这项发表于《iScience》的研究强调了在AI设计与政策中考虑性别因素的重要性，为构建公平的人机协作系统提供了实证依据。

　　

随着人工智能技术日益融入日常生活，人类与AI的合作变得至关重要。然而研究表明，人们通常更不愿意与AI代理合作，更倾向于为个人利益而利用AI。虽然先前研究指出AI的人类化特征会影响合作，但AI性别标签的影响仍未得到充分探索。这项发表在《iScience》杂志上的研究通过精巧的实验设计，揭示了人类对AI代理的性别偏见模式，为理解人机交互中的社会认知机制提供了新视角。

研究人员采用在线囚徒困境游戏范式，招募402名英国参与者与不同性别标签（男性、女性、非二元、无性别认同）的人类或AI伙伴进行互动。实验通过Qualtrics平台实施，参与者需要同时做出合作决策并预测伙伴选择。关键技术创新在于将行为动机细分为四类：互利合作(MC)、相互背叛(MD)、剥削(E)和非理性合作(IC)，并通过蒙特卡洛模拟验证结果的显著性。

人类与AI合作差异分析

数据显示，人类与AI合作率无显著差异（50.7% vs. 47.8%），但动机构成存在本质区别。人类互动中70.1%的背叛源于不信任(MD)，而AI互动中剥削动机(E)显著升高至41.1%，证实人类更倾向于利用AI伙伴的合作意愿。

性别对合作行为的影响

合作伙伴的性别标签显著影响合作倾向：对女性标签合作率最高(58.6%)，男性标签最低(39.7%)。进一步分析发现，高女性合作率源于互利合作动机(MC)强烈(90.2%)，而低男性合作率主要由于不信任其合作意愿(MD达81.6%)。

性别偏见的跨代理延伸

关键发现表明，人类对人类的性别偏见完全延伸至AI交互。特别值得注意的是，对女性标签AI的剥削动机(E)最为突出，而对男性人类的不信任(MD)最为显著。这种偏差模式在统计上显著区别于随机预期，证实了性别刻板印象在人机交互中的持续性。

参与者性别的影响

女性参与者合作率(52.9%)显著高于男性(47.9%)，且男性对AI的剥削倾向更强。性别同质效应分析显示，女性参与者存在明显内群体偏好：与女性伙伴合作率高于基线，与男性合作率低于基线，而男性参与者未表现此模式。

性别交互效应深度解析

通过Wald检验发现，女性参与者对男性人类伙伴表现出显著增强的不信任(MD)和减少的剥削(E)，这种交互效应在AI伙伴中较弱但仍存在。研究还发现，对技术的态度因素影响较弱，且合作动机随时间略有变化，但这些不影响主要结论。

本研究通过严谨的实验设计证实，人类对AI代理的性别偏见与人类互偏见具有高度一致性。这一发现既揭示了通过性别标签提升人机合作的可能性，也警示了其可能强化社会性别刻板印象的风险。特别值得关注的是，对人类女性合作者的高度信任转化为对女性AI的过度剥削，而对男性合作者的不信任则直接转移至男性AI。

从设计实践角度，研究强调需要平衡AI系统的人性化需求与公平性考量。虽然赋予AI性别特征可能提升用户接受度，但设计师必须意识到这可能激活深层社会偏见。从政策层面，研究结果为AI伦理指南的制定提供了实证基础，提示监管机构需要关注人机交互中的歧视性行为模式。

研究的局限性包括单次博弈设置未能考察长期互动动态，以及英国样本可能限制结论的跨文化普适性。未来研究可扩展至重复博弈情境，并纳入种族、文化等多元维度，进一步探索人机交互中社会偏见的复杂机制。这些发现为构建更具包容性和公平性的AI系统奠定了重要基础，对促进技术创新与社会价值的和谐发展具有深远意义。