人工智能的社会承诺与危殆：社会取向（Sociotropic）感知、焦虑与结构性过滤

关于AI焦虑的研究通常假定，对AI社会风险与收益的感知会统一转化为情绪反应，而不考虑社会地位差异。研究人员结合2023年的调查数据，将社会分层理论与风险社会学相结合，将AI焦虑概念化为一种受结构性地位过滤的社会取向（Sociotropic）关切。研究人员考察了个体如何同时感知AI的社会收益与风险，以及AI熟悉度、政治意识形态和主观经济福祉如何塑造这些感知与焦虑之间的关系。结果表明，感知到的收益与风险作为焦虑的 distinct 且独立的预测因子发挥作用，其中收益的影响更强。结构性过滤调节了这种关系。更高的AI熟悉度放大了这两种效应，这一模式挑战了知识赤字模型（Knowledge-deficit models），研究人员将其解释为知情分化（Informed differentiation）。政治意识形态选择性地过滤收益感知，而经济脆弱性则限制了个体从中获得安慰的程度。相比之下，感知到的社会风险对焦虑的影响在各意识形态和经济阶层中并无差异。这些发现将AI焦虑重构为一种分层的（Stratified）社会取向（Sociotropic）反应，并表明基于信息的治理策略如果不结合解决结构性脆弱性和分配后果的差异化方法，可能会被证明是不够的。

人工智能（AI）已迅速成为当代社会的核心组成部分，引发了关于谁受益、谁承担社会融合成本的紧迫问题。近期研究在描绘公众AI态度方面取得了显著进展，表明积极与消极取向可在个体内共存，公民构建了权衡效率希望与结构中断、工作置换及人类能动性丧失恐惧的矛盾的技性社会想象（Sociotechnical imaginaries）。与风险感知研究一致，这些社会取向（Sociotropic，指基于社会整体福祉而非个人直接利益的评估）评估——即对AI对全社会影响的评判——被证明会塑造个体的情绪反应。然而，现有研究倾向于将这些感知路径视为在人群中均匀运作，忽视了人们的观点如何受不同想象和文化叙事的塑造，且这些社会取向评估转化为个人痛苦的确切机制仍未得到充分理论化。

研究人员旨在解决这一空白，考察社会取向（Sociotropic）的AI评估如何转化为个人痛苦（即AI焦虑），以及AI熟悉度、政治意识形态和主观经济福祉如何塑造这些情绪反应。研究人员首先提出将社会取向（Sociotropic）评估概念化为区别于自我取向（Egotropic）自利的概念，区分了AI社会风险（关于监控和数据保护）与收益（关于工作质量、总体福祉和劳动力市场），并询问感知的社会收益和风险是否对AI焦虑产生独立影响，以及个体特征如何调节这种关系，具体考察了AI熟悉度、政治意识形态和经济脆弱性。

研究人员利用了2023年6月至7月在意大利进行的ResPOnsE COVID-19面板调查第6波数据（最终分析样本为1245人）。因变量为AI焦虑，操作为对“总体而言，你是否担心人工智能的发展？”的自我报告担忧（5点Likert量表）。感知社会收益（PSB）由3个11点量表条目均值构成（工作质量改善、福祉积极影响、创造新就业机会，Cronbach's α=0.78）。感知社会风险（PSR）由2个11点量表条目均值构成（监控风险、隐私与数据安全威胁，Cronbach's α=0.71）。调节变量包括：AI熟悉度（自评估理解程度，低/中/高三类）、政治取向（自我报告左右翼位置，0-10分，分为六类）、主观经济福祉（4点序数尺度，反向编码自财务困难条目）。控制变量包括技术准备度、年龄、性别、教育水平、城市化程度和职业类别。主要分析采用有序Probit（Ordered Probit）回归建模有序焦虑量表，并进行调节分析。

1. Introduction（引言）

研究人员指出，AI的快速整合带来了巨大的社会承诺（如效率、新互补性）与危殆（如劳动力市场风险、隐私侵蚀、伦理错位），而治理机构难以跟上，导致监管和执行缺口。公众话语在乌托邦希望与敌托邦恐惧间摇摆，广泛的AI焦虑已成为关键社会挑战。虽然最近的经验研究表明正负取向可共存，且社会取向感知塑造情绪反应，但这些感知转化为个人痛苦的机制仍缺乏理论化，且现有研究多忽视社会位置（如认知途径、政治文化世界观、物质条件）的塑造作用。

2. Governing the uncertain: sociotropic perceptions and the roots of AI anxiety（治理不确定性：社会取向感知与AI焦虑的根源）

研究人员基于“风险社会”（Risk Society）概念，指出AI风险具有系统相互依赖和不可减少的不确定性，公众焦虑是对结构性条件的理性反应，需从自我取向自利转向社会取向评估。技性社会想象（Sociotechnical imaginaries）结构了公民对AI社会影响的解释，包含竞争性的乌托邦（“便利”vs“过时”）与敌托邦叙事。尽管乌托邦与敌托邦想象可能暗示收益与风险是单一连续体的两端，但AI语境下个体常表现出矛盾心理，同时视为“令人兴奋”和“令人担忧”。风险感知的心理测量范式（Psychometric paradigm）表明，社会取向感知通过情感启发式（Affect heuristic）转化为情绪反应：当感知风险占主导时，转化为以担忧、不安和控制感缺乏为特征的焦虑；当感知收益更显著时，焦虑不太可能产生。研究人员据此提出假设：H1，感知社会收益与风险是两个distinct构念；H2a，感知社会收益越高，AI焦虑越低；H2b，感知社会风险越高，AI焦虑越高。

3. The Structural Filters of AI Anxiety: Epistemic Access, Political Worldviews, and Economic Vulnerability（AI焦虑的结构性过滤：认知途径、政治世界观与经济脆弱性）

研究人员提出，这些宏观评估产生的情绪反应因个体社会位置而异，信念受社会结构中位置相关的社会实践塑造，即情绪反应是社会分层的。聚焦三个维度：AI熟悉度、文化世界观（政治意识形态）、物质经济安全。

• •
  3.1. Does familiarity with AI reduce or increase anxiety?（AI熟悉度降低还是增加焦虑？）：知识赤字模型（Knowledge deficit model）认为熟悉作为去神秘化机制降低焦虑；而社会风险放大框架（SARF）及社会学视角认为熟悉可能增强批判性风险敏感度而非统一降低。研究人员假设熟悉度 sharpen 评估敏感度，放大收益带来的安慰和风险带来的关切（H3a：AI熟悉度放大感知社会收益与焦虑的负相关，即知情安慰；H3b：AI熟悉度放大感知社会风险与焦虑的正相关，即知情关切）。
• •
  3.2. Does political ideology shape which AI narratives citizens find credible?（政治意识形态是否塑造公民认为可信的AI叙事？）：文化认知理论（Cultural Cognition Theory）认为个体是“动机推理者”，选择肯定其文化世界观的证据。左翼优先关怀与公平道德基础，可能对AI社会收益持怀疑（视为企业整合与劳动剥削的“特洛伊木马”），故收益减少焦虑的效果被削弱；右翼可能将风险叙事视为警报主义，承诺市场自由缓冲风险-焦虑链接。研究人员假设政治意识形态过滤社会取向想象的影响转化（H4a：政治意识形态调节感知社会收益与焦虑的负相关，效果在意识形态光谱上系统变化；H4b：政治意识形态调节感知社会风险与焦虑的正相关，效果在意识形态光谱上系统变化）。
• •
  3.3. Does economic security influence how citizens respond to AI's promises and risks?（经济安全是否影响公民对AI承诺与风险的响应？）：相对剥夺理论表明社会经济地位决定客观脆弱性及将技术进步内化为共享社会收益的心理能力。经济安全者视技术变革为可管理过渡，放大收益带来的焦虑减少；经济脆弱者体验聚合社会收益与个人福利间的“ dissonance”，收益减少焦虑的效果被削弱。同时，经济福祉可能通过自我效能机制调节风险影响：富裕者资源缓冲隐私相关压力； precarious 者缺乏缓冲，风险-焦虑关系更强。研究人员假设主观经济福祉是双重调节因子（H5a：主观经济福祉放大感知社会收益与焦虑的负相关，经济安全者体验更强焦虑减少；H5b：主观经济福祉减弱感知社会风险与焦虑的正相关，经济安全者体验更弱焦虑升高）。

4. Data and methods（数据与方法）

如前述，数据源自意大利ResPOnsE COVID-19面板第6波（2023年6-7月），样本1245人。变量操作化如上。分析采用有序Probit回归，逐步加入变量，并进行调节交互模型分析。

5. Results（结果）

探索性因子分析确认社会取向AI感知的二维结构，收益与风险因子间相关性可忽略（r=-0.14），支持H1（distinct构念）。按PSB与PSR中位数分类，约半数受访者呈一致感知（高收益高风险的“矛盾”组26%，低收益低风险的“冷漠”组23%），其余为“乐观者”（高收益低风险25%）与“悲观者”（低收益高风险26%），焦虑水平从乐观者到悲观者单调增加，矛盾与冷漠居中间。

逐步回归分析显示：模型3加入PSB指数带来最大拟合改进（ΔR²=0.11），感知社会收益显著降低焦虑，支持H2a；模型4加入PSR指数，感知社会风险显著增加焦虑，支持H2b，且收益效应保持大小与显著性，进一步支持H1（独立路径），收益影响更强。AI熟悉度主效应不显著，不支持知识赤字解释。

调节分析表明：AI熟悉度调节两条路径，高熟悉度者体验超两倍的收益驱动焦虑减少（支持H3a部分，中熟悉度无差异），中高熟悉度者的风险-焦虑耦合更强（支持H3b，低熟悉度总效应不显著），即知情分化。政治意识形态调节收益-焦虑路径，中左翼、中间、中右翼相较极左翼从感知收益中获得更强焦虑减少（支持H4a，极左翼有限减少，反映平等主义-社群主义世界观对技术资本主义乐观主张的系统性怀疑），但风险-焦虑路径无显著交互（不支持H4b，表明风险感知-焦虑正相关跨意识形态恒定，为泛化跨党派威胁敏感度）。主观经济福祉调节收益-焦虑路径，经济困难者从收益中获有限安慰，效果随经济舒适度渐进增强（支持H5a，物质安全扩大对安抚性社会取向信息的心理能力，脆弱性限制），但风险-焦虑路径交互不显著（不支持H5b，虽系数方向一致但可能统计功效不足）。

6. Discussion（讨论）

研究人员总结，AI焦虑由社会取向感知驱动，收益与风险为独立预测因子（收益影响更强）；AI熟悉度放大两条路径（知情分化），挑战知识赤字模型；政治意识形态与经济福祉调节收益减轻焦虑的程度（左翼与经济脆弱者受限），但风险升高焦虑的路径不受二者调节（可能为广泛共享的关切，部分绕过文化与物质过滤）。局限性包括：横截面数据难以确立因果方向、单独检验调节未考察高阶交互、将AI作为一般类别未分应用域、意大利语境限制推广性、AI焦虑为单条目测量。结论意义：仅“教育公众”的个体层面干预可能不足，需差异化制度响应，解决价值本位怀疑与分配不公；沟通需考虑不同群体的安慰路径差异，承认分配后果与缓解政策；AI熟悉度与透明性若无制度能力证明可能增加警惕而非信任；监管框架（如EU AI Act）需超越技术专家治国的风险缓解，成为新社会契约载体，确保民主机构控制技术未来。

论文发表在《TECHNOLOGY IN SOCIETY》。