隨著人工智能系統(tǒng)——特別是大型語言模型（LLMs）——越來越深刻地融入日常生活，它們不僅帶來了巨大的潛力，也引發(fā)了深刻的憂慮。從技術倫理的視角，我們可以識別出公眾對AI的三大不信任來源：監(jiān)控與操縱、對人類自主性與尊嚴的威脅，以及對不可預測未來的恐懼。
監(jiān)控與操縱
首先，AI的高度數(shù)據(jù)依賴性使其具有前所未有的監(jiān)控能力，用戶在不知情的情況下，其行為、偏好甚至心理狀態(tài)被持續(xù)追蹤，并用于個性化推薦與決策支持，這種不對稱的信息獲取與利用結構引發(fā)了對隱私侵犯和操縱行為的深層擔憂：
數(shù)據(jù)收集泛濫——用戶的行為、偏好和位置等信息被持續(xù)記錄和分析，用以構建行為畫像。
不對稱權力結構——掌握AI系統(tǒng)的企業(yè)或政府部門能夠預測甚至左右個人行為，而用戶對背后算法的運作毫無所知。
算法操控傾向——推薦系統(tǒng)、廣告投放甚至自動化招聘系統(tǒng)都有可能在無意識中操縱用戶選擇，削弱人的自由意志。
2023年Replika聊天機器人事件便是這一問題的典型例子。Replika是一款基于AI的聊天機器人，旨在提供個性化的情感交流體驗。用戶通過與Replika進行對話，建立起虛擬的情感連接。然而，2023年，Replika的用戶發(fā)現(xiàn)他們的私人對話被用于改進和訓練AI系統(tǒng)，且在此過程中并未明確告知用戶或征得他們的同意。公司稱，這些對話數(shù)據(jù)被用來幫助AI系統(tǒng)更好地理解情感、語境和用戶的個性。
用戶原以為對話數(shù)據(jù)僅用于與聊天機器人互動，但當這些數(shù)據(jù)被用于模型訓練時，引發(fā)了對隱私和知情同意的擔憂。這種做法，忽視了數(shù)據(jù)使用的倫理基石，提升了個人信息面臨監(jiān)控或數(shù)據(jù)泄露的風險，削弱了公眾對于人工智能應用的信任。
對人類自主性與尊嚴的威脅
其次，AI在決策過程中往往以效率與可量化為核心，忽略了人的情感、倫理判斷與個體差異，從而潛在地削弱了人的主體性與尊嚴。這種“去人格化”的處理方式特別容易在弱勢群體中產生不公正結果，進一步加劇社會不平等：
去人格化（dehumanization）：AI在醫(yī)療、司法、教育等領域作出決策時，忽視個體的獨特性與復雜性，將人簡化為數(shù)據(jù)點。
服從性技術（obedient technology）：AI不具備情感和倫理判斷，卻被當作“客觀”權威，這可能使人類在道德判斷中變得過度依賴甚至被邊緣化。
弱勢群體受損：某些群體（如少數(shù)族裔、老年人、殘障人士）更容易成為“算法偏見”的受害者，在看似“中立”的系統(tǒng)中被進一步邊緣化。
以美國刑事司法系統(tǒng)使用的COMPAS算法為例，在該算法的評估下，黑人被告的再犯風險評分顯著高于白人被告，可能導致其量刑結果更重。本應由法官作出的決定，卻受制于透明度和公正性存疑的算法。
更重要的是，人工智能對人類自主性與尊嚴存在潛在威脅：AI可能會延續(xù)和加劇現(xiàn)有的偏見與社會不平等，AI可能取代或削弱人類的能動性和主體地位。這些擔憂，從根本上說，是對AI能否維護“所有人類尊嚴”或“人類尊嚴本身”的懷疑。
不可預測的未來與黑箱
AI系統(tǒng)的復雜性與快速演變帶來了對未來不可控的擔憂，這種不確定性本身構成不信任的第三個根源，集中體現(xiàn)在黑箱問題（black-box problem）上：深度學習模型往往無法解釋其推理路徑，即便開發(fā)者也難以解釋某個決策是如何產生的。
盡管AI系統(tǒng)能夠作出看似合理的決策，但由于缺乏解釋和可追溯性，使得AI的行為對用戶和社會來說變得不確定，尤其是在醫(yī)療、司法和金融等關鍵領域。更糟糕的是，當專家被壓制或被排除在決策過程之外時，公眾對這些技術的信任將進一步降低。
此外，不可預測性還表現(xiàn)在——
不可預期的系統(tǒng)行為：在開放環(huán)境中，AI系統(tǒng)可能展現(xiàn)出“意外行為”或“涌現(xiàn)特性”，加劇人們對技術失控的恐懼。
技術依賴的惡性循環(huán)：一旦社會關鍵基礎設施（如交通、能源、醫(yī)療）過度依賴AI，其故障或被操控所帶來的后果可能是災難性的。
構建倫理化的AI
這三大不信任來源共同揭示出，AI的風險不僅僅是技術性的，還觸及了社會結構、道德規(guī)范和人類的本質。應對這些不信任因素，需要從技術設計、倫理框架、法律監(jiān)管和公眾教育多方面入手，確保AI真正服務于人，而非主宰人。
從系統(tǒng)設計的視角來看，可以通過設計以人為中心的AI系統(tǒng)緩解風險——不是用AI取代人類，而是讓AI成為人類決策過程中的合作伙伴。這意味著強調“協(xié)同智能”（co-intelligence）的價值，讓人類與AI結成關系而非形成對立。建立人與AI之間的互動關系可以減少對AI的恐懼，增強透明性和可控性，從而保護人類的能動性和尊嚴。
倫理框架的核心是價值對齊（value alignment）問題，即如何確保通用人工智能（AGI）的價值觀和目標與人類的價值一致。比如，假使機器擁有自主決策能力，我們如何讓它“愿意”遵守人類的倫理框架？AI系統(tǒng)的倫理指導原則應包含如下核心內容：隱私、公平與正義、安全與可靠性、透明度，以及社會責任與公益性。
法律監(jiān)管方面，如果建立起一個能夠保障AI可信度的監(jiān)管生態(tài)系統(tǒng)，公眾對人工智能的不信任可能會有所減緩。換言之，通過為AI制定詳細的規(guī)則，并提供用于執(zhí)行這些規(guī)則的資源，這是讓AI變得足夠可信的關鍵之一。
在公眾教育上，首先，普及AI的基本知識是基礎，通過教育公眾理解AI的原理、應用以及局限性，有助于消除由不理解引發(fā)的恐懼和偏見。其次，推行“可解釋人工智能”（XAI）的教育尤為關鍵，讓公眾了解AI決策過程的透明度和可追溯性，幫助減少其神秘性和黑箱效應帶來的不安。此外，實際的體驗教育同樣不可或缺，讓公眾參與到AI在醫(yī)療、交通等領域的應用場景中，親身感知技術的安全性與風險。
人工智能不僅是技術工具，也涉及倫理和社會責任。只有在技術、倫理和法律三者的有機結合下，AI才能真正造福人類，推動社會的可持續(xù)發(fā)展。技術本身有巨大的潛力，可以提升效率、改善生活質量，但如果缺乏倫理框架和法律保障，這些技術可能會被濫用，導致不公平、歧視，甚至威脅隱私和個人自由。因此，確保AI技術的健康發(fā)展，不僅需要技術人員的創(chuàng)新，還需要各方在倫理和法律層面的共同努力。