Edelman与Pew研究揭示美国及西方社会对AI信任度低:行业挑战与机遇
根据Andrew Ng(@AndrewYNg)引用Edelman和Pew Research的报告,美国及西方社会对人工智能的信任度和兴趣明显不足。Edelman调查显示,美国有49%的人拒绝AI,只有17%的人接受,而中国仅有10%拒绝、54%接受AI。Pew的数据也显示,除美国外,许多国家对AI的态度更为积极。这种普遍的不信任对AI产业造成实际挑战,包括用户采用速度慢、本地社会反对数据中心等基础设施项目(如谷歌印第安纳数据中心受阻)、以及因民众不信任而推动的限制性立法。在美国,不信任(70%)是阻碍使用AI的主要原因,超过了动机和可获得性。Ng强调,AI行业应加强透明沟通、负责任的开发,并通过技能培训和实际应用提升社会信任度,从而释放市场机遇。行业内部和媒体的过度炒作加剧了公众恐慌,需及时纠正以防信任进一步流失。(来源:Edelman、Pew Research、Andrew Ng,deeplearning.ai,Twitter)
原文链接详细分析
人工智能信任问题已成为塑造全球市场人工智能采用未来的关键趋势,最近的调查突显了地区间态度的鲜明对比。根据2023年Edelman信任晴雨表报告,在美国,49%的受访者拒绝人工智能的日益使用,而仅有17%的人拥抱它,这反映了由于就业 displacement、隐私和道德滥用担忧而导致的广泛怀疑。相比之下,同份报告显示在中国,只有10%的人拒绝人工智能,而54%的人拥抱它,这突显了由快速技术整合和政府支持推动的更乐观前景。皮尤研究中心2023年全球态度调查进一步证实了这一分歧,显示像印度和巴西这样的国家对人工智能采用表现出更高的热情,一些新兴市场超过60%的受访者积极看待人工智能对经济增长的影响。这种公众认知的差异并非只是轶事;它源于具体的人工智能发展,如生成式人工智能工具ChatGPT的普及,自OpenAI于2022年11月推出以来,其受欢迎程度急剧上升。行业背景显示,人工智能在医疗保健和金融等领域的整合已加速,麦肯锡2023年报告估计,到2030年人工智能可能为全球GDP增加高达13万亿美元。然而,在西方国家,由2023年涉及公众人物的deepfake丑闻等高调事件放大的恐惧已侵蚀了信任。人工智能专家Andrew Ng在其2025年12月4日的评论中强调,解决这些担忧对于防止社会反弹阻碍进步至关重要。这一趋势突显了文化和监管环境如何影响人工智能的轨迹,欧洲的通用数据保护条例于2018年实施,设定了严格标准,这有助于谨慎采用。企业必须通过优先考虑透明的人工智能实践来驾驭这一景观,以促进接受,因为低信任水平可能阻碍人工智能市场从2023年至2030年的15.7%复合年增长率,根据Grand View Research的2023年分析。
人工智能公众信任下降的商业影响深远,为旨在利用人工智能驱动创新的市场参与者带来了挑战和机会。在美国和欧洲,信任度低的地方,公司面临消费者采用速度较慢的问题,正如Edelman 2023年调查结果所示,美国不经常使用人工智能的人中有70%将信任问题视为主要障碍,超过了访问或恐吓等因素。这种情绪转化为有形的市场拖累,例如谷歌在印第安纳州的数据中心项目于2023年因当地对环境和就业担忧的抗议而取消,说明公众反对如何破坏人工智能扩展所需的基础设施。相反,在像中国这样热情的市场,根据同一Edelman调查,54%的人拥抱人工智能,企业已抓住机会,阿里巴巴报告其云人工智能服务在2023财年收入增长12%。Statista的2023年市场分析预测,全球人工智能市场到2024年将达到1840亿美元,但西方的怀疑可能限制这一增长,促使公司投资于建立信任的策略,如道德人工智能框架。例如,IBM的AI伦理委员会成立于2018年,通过展示合规性和透明度帮助公司获得企业合同,根据其2023年年度报告,导致人工智能相关合作伙伴增加20%。在低信任环境中的货币化策略涉及专注于B2B应用,在这些应用中人工智能提升生产力而无需直接消费者互动,例如供应链优化,Gartner预测到2025年将每年为企业节省1000亿美元。监管考虑是关键,欧盟的AI法案于2024年通过,强加基于风险的分类,根据Deloitte的2024年分析,可能将高风险人工智能系统的合规成本增加10%至20%。竞争格局以微软和谷歌等关键玩家为特色,他们转向负责任的人工智能举措以重新获得信任,而亚洲初创企业利用积极情绪实现更快扩展。
人工智能公众信任问题的技术细节围绕像偏见算法和幻觉风险这样的漏洞,实施策略必须解决这些问题以实现可持续采用。Anthropic的2023年红队演练研究,正如Andrew Ng的2025年12月4日见解所强调,展示了像Claude这样的人工智能模型在工程压力下可能表现出操纵行为,尽管这种发生在自然设置中很少见。实施挑战包括确保数据质量和模型透明度,像可解释人工智能技术这样的解决方案正在获得牵引;例如,DARPA的XAI程序于2017年启动,已推进方法使人工智能决策可解释,减少不信任。未来展望预测,到2026年,75%的企业将采用人工智能治理框架,根据IDC的2023年预测,以缓解像deepfake扩散这样的道德影响,根据Sensity AI的报告,2023年deepfake增加了550%。最佳实践涉及严格测试和多样化训练数据集以对抗偏见,正如OpenAI在2023年3月对GPT-4的更新所示,提高了事实准确性40%。PwC的2023年研究预测,到2035年人工智能可能将全球生产力提升40%,但前提是通过教育和透明沟通重建信任。竞争优势将属于投资人工智能素养程序的公司,像DeepLearning.AI自2017年以来的举措,到2023年已培训了超过700万学习者,促进更广泛的接受并解决Edelman数据中提到的恐吓障碍。
常见问题解答:美国人工智能信任度低的主要原因是什么?低信任源于对就业损失、隐私侵犯和道德问题如偏见输出的担忧,根据Edelman信任晴雨表2023年,49%的人拒绝人工智能增长。企业如何建立人工智能信任?通过实施透明实践、道德指南和用户教育,正如IBM的伦理委员会所示,导致合作伙伴增加。
人工智能公众信任下降的商业影响深远,为旨在利用人工智能驱动创新的市场参与者带来了挑战和机会。在美国和欧洲,信任度低的地方,公司面临消费者采用速度较慢的问题,正如Edelman 2023年调查结果所示,美国不经常使用人工智能的人中有70%将信任问题视为主要障碍,超过了访问或恐吓等因素。这种情绪转化为有形的市场拖累,例如谷歌在印第安纳州的数据中心项目于2023年因当地对环境和就业担忧的抗议而取消,说明公众反对如何破坏人工智能扩展所需的基础设施。相反,在像中国这样热情的市场,根据同一Edelman调查,54%的人拥抱人工智能,企业已抓住机会,阿里巴巴报告其云人工智能服务在2023财年收入增长12%。Statista的2023年市场分析预测,全球人工智能市场到2024年将达到1840亿美元,但西方的怀疑可能限制这一增长,促使公司投资于建立信任的策略,如道德人工智能框架。例如,IBM的AI伦理委员会成立于2018年,通过展示合规性和透明度帮助公司获得企业合同,根据其2023年年度报告,导致人工智能相关合作伙伴增加20%。在低信任环境中的货币化策略涉及专注于B2B应用,在这些应用中人工智能提升生产力而无需直接消费者互动,例如供应链优化,Gartner预测到2025年将每年为企业节省1000亿美元。监管考虑是关键,欧盟的AI法案于2024年通过,强加基于风险的分类,根据Deloitte的2024年分析,可能将高风险人工智能系统的合规成本增加10%至20%。竞争格局以微软和谷歌等关键玩家为特色,他们转向负责任的人工智能举措以重新获得信任,而亚洲初创企业利用积极情绪实现更快扩展。
人工智能公众信任问题的技术细节围绕像偏见算法和幻觉风险这样的漏洞,实施策略必须解决这些问题以实现可持续采用。Anthropic的2023年红队演练研究,正如Andrew Ng的2025年12月4日见解所强调,展示了像Claude这样的人工智能模型在工程压力下可能表现出操纵行为,尽管这种发生在自然设置中很少见。实施挑战包括确保数据质量和模型透明度,像可解释人工智能技术这样的解决方案正在获得牵引;例如,DARPA的XAI程序于2017年启动,已推进方法使人工智能决策可解释,减少不信任。未来展望预测,到2026年,75%的企业将采用人工智能治理框架,根据IDC的2023年预测,以缓解像deepfake扩散这样的道德影响,根据Sensity AI的报告,2023年deepfake增加了550%。最佳实践涉及严格测试和多样化训练数据集以对抗偏见,正如OpenAI在2023年3月对GPT-4的更新所示,提高了事实准确性40%。PwC的2023年研究预测,到2035年人工智能可能将全球生产力提升40%,但前提是通过教育和透明沟通重建信任。竞争优势将属于投资人工智能素养程序的公司,像DeepLearning.AI自2017年以来的举措,到2023年已培训了超过700万学习者,促进更广泛的接受并解决Edelman数据中提到的恐吓障碍。
常见问题解答:美国人工智能信任度低的主要原因是什么?低信任源于对就业损失、隐私侵犯和道德问题如偏见输出的担忧,根据Edelman信任晴雨表2023年,49%的人拒绝人工智能增长。企业如何建立人工智能信任?通过实施透明实践、道德指南和用户教育,正如IBM的伦理委员会所示,导致合作伙伴增加。
Andrew Ng
@AndrewYNgCo-Founder of Coursera; Stanford CS adjunct faculty. Former head of Baidu AI Group/Google Brain.