高风险情境下AI工具的公共与私人提供：来自印度技术和法律学生的实验证据

人工智能（Artificial Intelligence, AI）工具的快速发展及其在社会情境中不断扩大的应用引发了关于其设计、社会接受度和监管的问题。研究人员开展了一项随机化小插图实验（vignette experiment），详细描述了采用算法工具的六个当代高风险情境（high-stakes contexts），并揭示了对AI提供来源（公共部门与私营部门）的不同态度。参与者来自印度的技术和法律院校，代表了该国AI政策生态系统中的关键未来利益相关者。主要结果表明，总体上更倾向于公共部门提供AI工具，这对AI系统公共部门扩张的社会可接受性具有重要影响。尽管全球南方（Global South）见证了AI工具在缺乏充分审查下的广泛扩张，但关于AI态度的新兴学术研究却不成比例地来自全球北方（Global North）。本研究填补了这一空白，也填补了关于社会情境中AI工具私人与公共提供的实证证据空白。

**论文解读：高风险情境下AI工具的公共与私人提供——来自印度技术与法律学生的实验证据**

**研究背景与动机**

随着人工智能（Artificial Intelligence, AI）工具的快速发展，其在社会各领域的应用日益广泛，尤其在涉及高风险决策的场景（如金融、警务、医疗）中引发了对设计、社会接受度和监管的深刻讨论。印度政府推动“AI主权”战略，促使公共与私营实体加速部署AI系统，但大规模公共部门项目常与私营IT企业合作开展。然而，关于AI态度的现有研究主要集中于全球北方（Global North）国家（如美国、欧洲），来自全球南方（Global South）的实证证据极为匮乏。印度虽已出现对AI权威性和技术乐观主义的初步调查，但尚未系统探讨AI提供来源（公共部门vs私营部门）对态度的影响。这一缺口在印度尤为关键，因为政府是AI系统的主要推动者，而公私合作模式可能模糊责任边界。因此，研究人员开展本研究，旨在通过因果实验设计，回答以下三个问题：（1）算法开发/部署来源如何影响态度？（2）不同情境和目标下态度如何变化？（3）受访者的学科背景如何调节态度？研究结果对印度AI系统公共部门扩张的社会可接受性具有重要政策启示。该论文发表在《Data》期刊。

**关键研究方法**

研究人员采用随机化小插图实验（vignette experiment）方法，设计了6个假设的高风险应用场景：面部识别技术（FRT）防止ATM盗窃、机器学习（Machine Learning, ML）进行皮肤癌检测、大语言模型（Large Language Models, LLMs）辅助司法决策、FRT用于地铁逃票、互联网服务提供商（ISP）内容审核算法、风险评估工具（Risk Assessment Tools, RATs）辅助保释决定。每个场景中，AI工具的开发/部署来源（公共或私营部门）被随机分配。样本来自印度两所顶尖技术学院（n=108）和法律学院（n=84）的192名学生，代表未来AI生态系统中的开发者与审查者角色。分析包括协变量平衡检验、t检验、Mann-Whitney检验及多元线性回归，并辅以开放式评论的定性编码。

**研究结果**

4.1 偏好公共部门提供（Preference for public sector provisioning）
通过比较“公共组”与“私营组”的均值，并在回归模型中控制协变量，研究人员发现：在除内容审核外的所有情境中，受访者显著更偏好公共部门提供AI工具（α=0.05）。定性评论显示，私营部门引发了对数据商品化、价格歧视和利润驱动公平问题的担忧。

4.2 法律学生对AI的疑虑（AI apprehension amongst law students）
回归系数表明，法律学生在4个情境（FRT ATM、ML癌症检测、LLM司法、RAT保释）中的支持度显著低于技术学生（α=0.01）。定性数据揭示，法律学生更关注隐私权（如援引“Puttaswamy标准”）、言论自由和基本权利侵犯问题。

4.3 弱势群体态度（Attitudes of vulnerable groups）
分析发现，印度教受访者对地铁FRT支持度更高（α=0.01），而少数宗教群体普遍反对FRT，担忧监视和少数群体污名化。历史上处于弱势地位的种姓群体对内容审核支持度更高（α=0.05），其评论强调有必要遏制仇恨言论。

**讨论与结论**

讨论部分指出，本研究首次在印度背景下提供公私提供对AI态度影响的因果估计。主要发现——公共部门提供更受青睐——与国外研究一致，但需结合印度公众的“AI权威”倾向（即对AI的普遍信任）谨慎解读，这可能助长国家监控的扩张。法律学生普遍的AI疑虑凸显了跨学科AI伦理教育的重要性。不同情境中，医疗领域（癌症检测）获得最高支持，而司法应用（LLM和RAT）和内容审核支持度最低，这对政府在这些领域的快速扩展提出了警示。弱势群体态度的差异表明，AI系统必须考虑不同生活经验。研究局限性包括样本仅来自两所精英机构、自愿参与可能导致选择偏倚、以及统计效力在子样本中不足。结论部分（翻译自原文）：总体而言，本文有助于全球南方对AI态度的实证测量，并揭示了在高风险社会情境中，相对于私营部门，总体上更偏好AI工具由公共部门开发和/或部署——这一倾向在技术人员中尤为显著，在法律人员中则较为温和。研究人员强调，该工作是研究AI技术公私部署的初步贡献，急需在更广泛的利益相关者和情境中展开实证探讨。