在工作场所对人工智能辅助决策的工具性态度与体验性态度

《Computers in Human Behavior: Artificial Humans》：Instrumental and Experiential Attitudes toward (A.I.) Augmented Decision-Making at Work

创意内容标注为AI生成、人类生成或人机协作时，受众对创造性和态度的感知存在显著差异：人类生成内容最被认可，AI生成最低，人机协作居中。研究通过两个预注册实验发现，机器启发式（MH）信念调节个体对AI努力的感知，进而影响创造性和态度评价，人机协作通过提升努力感知部分缓解算法厌恶。该研究扩展了算法厌恶理论，揭示了MH作为关键调节变量，并证实了人机协作在创意产业中的潜在作用。

　　人类对人工智能（AI）生成内容的评价往往与其对人类创作内容的评价存在差异，这种现象被称为“算法厌恶”。本研究通过两个预注册实验，探讨了人们在面对被标记为AI创作、人类创作或人类与AI协作创作的内容时，如何评价其创意性。实验采用Netflix节目描述作为刺激材料，以确保研究的现实性和相关性。研究结果表明，当内容被归因于AI时，其创意性和受欢迎程度普遍低于人类创作的内容。然而，人类与AI协作创作的内容则在多个维度上表现优于AI单独创作的内容，这表明通过明确的人类参与标识，可以部分缓解对AI生成内容的负面偏见。

研究揭示了算法厌恶在创意领域的具体表现，即个体倾向于将创意性归因于人类，而对AI创作的内容则持怀疑态度。这种偏见可能源于个体对AI缺乏努力和创造力的固有认知。实验还发现了“机器启发式”（Machine Heuristic, MH）在个体对AI生成内容评价中的关键作用。MH指的是个体对AI能力的预设信念，它影响着人们如何评估AI的产出。例如，MH较强的个体更倾向于认为AI在创作过程中投入了更多的努力，从而提升了他们对AI创作内容的创意性评价。相反，MH较弱的个体则可能将AI的高效性误解为缺乏创造力，进而降低对AI创作内容的接受度。

实验结果进一步揭示了MH对创意性评价和态度之间的中介作用。在MH较低的个体中，AI创作内容的创意性评估显著低于人类创作内容，而在MH较高的个体中，这种差异则有所减小。这表明，个体对AI能力的认知差异可以影响他们对AI创作内容的整体评价。此外，MH还影响了对AI内容的接受意愿，表明其不仅在认知层面，还在行为层面具有重要作用。

在创意领域，这种偏见不仅仅是简单的技术怀疑，而是深层次的认知和情感反应。个体普遍认为，创意性需要人类独有的特质，如直觉、情感理解和意图性，而这些特质是当前AI所缺乏的。因此，即使AI生成的内容在技术质量上与人类创作内容相当，人们仍可能认为其缺乏真实性和人类情感的投入。这一现象在创意产业中尤为重要，因为随着AI技术的快速发展，越来越多的创意工作开始涉及AI的参与。

研究结果对创意产业的实践者提供了重要的启示。首先，企业在展示其创意内容时，应注重传达创作过程中所投入的努力和创造性。无论AI在其中扮演何种角色，透明地说明创作的复杂性和创造性，有助于提升消费者对内容的评价。其次，企业在使用AI进行内容创作时，应明确突出人类的参与，以增强消费者对创意性的感知。例如，可以通过强调AI作为辅助工具的角色，突出人类在创作过程中的主导地位和创造性贡献。最后，由于个体对AI的认知存在差异，企业需要针对不同受众设计差异化的沟通策略。对于MH较高的个体，可以强调AI的先进能力和效率；而对于MH较低的个体，则应突出人类的监督和创造性控制，以减少对AI生成内容的负面评价。

从实践角度来看，研究结果对AI工具的设计者和开发者也具有指导意义。在设计AI工具时，应考虑其如何被用户感知，尤其是在创意领域的应用。如果AI工具的设计过于自动化，可能会被用户认为缺乏创意和努力，从而降低其接受度。因此，AI工具的设计应注重用户与AI之间的互动，以及用户在创作过程中的主动性和创造性贡献。例如，可以通过界面设计，让用户更清楚地看到他们在AI创作过程中的参与，从而提升他们对最终内容的创意性评价。

对于创意工作者而言，研究结果提供了关于如何有效整合AI技术的见解。尽管AI可以作为辅助工具，但其使用方式和宣传策略对消费者的评价至关重要。创作者应透明地传达AI在创作过程中的角色，强调人类的创意主导和AI的辅助作用，以减少消费者对AI生成内容的负面看法。此外，由于不同受众对AI的认知存在差异，创作者需要根据目标受众调整其宣传策略，以确保信息传递的有效性。

从消费者的角度来看，研究结果强调了对AI生成内容进行评价时，应意识到作者标签的重要性。消费者可能因标签而对内容产生不同的认知，因此培养批判性思维和媒体素养对于正确评估AI生成内容至关重要。消费者应反思自己对AI能力的固有看法，同时客观地评价内容本身的价值，而不是仅仅基于作者身份进行判断。

尽管研究提供了有价值的见解，但仍存在一些局限性。例如，实验使用了虚构的节目描述，这可能无法完全反映真实世界中AI生成内容与人类创作内容之间的差异。此外，实验设计可能对某些变量的测量不够全面，如创意性可能受到其他因素的影响，如情感共鸣或独特性。因此，未来的研究可以进一步探索这些潜在的中介变量，并在不同文化背景下验证算法厌恶现象的普遍性。

总体而言，本研究为理解个体对AI生成内容的评价提供了新的视角，特别是在创意领域。通过揭示MH在这一过程中的作用，以及创意性评估和态度之间的中介机制，研究为创意产业如何有效整合AI技术提供了理论和实践上的指导。未来的研究应继续探索这些现象在不同情境下的表现，并进一步完善对算法厌恶的理论框架，以更好地指导AI技术的应用和发展。