我們都相信，或許未來我們都要以人機協(xié)作的方式生存。傳說中能夠代勞一切的終極算法顯然一時半會兒不會出現(xiàn)，但人類和機器人一同勞作已經(jīng)成為可能，人類也會接受越來越多來自于機器提供的服務(wù)。

如果說在人機協(xié)作上，AI技術(shù)能力的成熟與否是第一前提，那么第二前提就是人類和機器之間的信任關(guān)系了。

今天的我們總是在關(guān)注第一前提，并且取得突飛猛進(jìn)的進(jìn)展，但往往忽略第二前提的重要性。想象一下，要是人類和機器之間無法形成信任關(guān)系，人機協(xié)作的未來將會怎樣？

律師所的律師靠AI搜集整理資料，但AI搜集完了以后，律師又不放心，重新把AI助手的工作又檢查一遍，最后其實浪費了更多的時間。而如今廠商們所宣傳的理想中的自動駕駛，是人一上車就躺下休息，而自動駕駛會把乘客安全的送達(dá)終點?？扇绻祟惒恍湃巫詣玉{駛，這一畫面就變成了人類上了車立刻進(jìn)入緊張狀態(tài)，像駕校司機一樣緊盯路況還時不時對AI的駕駛技術(shù)表示嫌棄。這樣一來，肯定是有悖于AI提升工作效率的初衷的。就連“網(wǎng)紅機器人”索菲亞都說，為了共建人類和AI之間的信任，應(yīng)該少拍點機器人與人類為敵的電影。

“不道德”的AI，你能相信嗎？

但首先我們要弄明白一個問題，人類真的會很難和AI建立起信任關(guān)系嗎？想想看，我們似乎天生就相信烤箱會把食物加熱而不是讓食物有毒，也相信冰箱會用低溫保存食物而不是讓食物變質(zhì)。難道到了AI這里就不靈了嗎？

這其中的差異，在于心理學(xué)上的“釋義法則”，即人們會更容易信任他們能夠理解其原理的技術(shù)?？鞠涞母邷亍⒈涞牡蜏?，其實都是千百年以來我們非常熟悉的處理食物的方式了。不信換成微波爐，這么多年了還有人質(zhì)疑它會“輻射”食物。

AI就更是如此，加上神經(jīng)網(wǎng)絡(luò)的黑箱特征，人們很難從理解原理這一層面上去信任AI。

同時當(dāng)AI進(jìn)入我們生活中的方方面面時，難免會在進(jìn)行決策時遇到道德問題。最典型的“人行橋困境”就是如此，鐵軌上綁著五個無辜的人，火車即將壓過他們的身體，這時如果把人行橋上的一位大漢推下橋去，就可以阻止火車向前拯救鐵軌上的五個人。那么究竟該不該犧牲一個人的姓名拯救五個人？在現(xiàn)實中雖然不太會出現(xiàn)這種極端情況，但有沒有可能自動駕駛在行駛時為了不發(fā)生剮蹭而碰撞到過路的動物？這時是損害車還是損害路過的小動物，也是一種道德困境。

面對這種狀況，哲學(xué)上有一種說法叫“后果論”，即認(rèn)為計算結(jié)果才是做出道德決策的正確途徑，結(jié)果收益最高的決策才是最道德決策。同時《實驗心理學(xué)月刊》上的研究結(jié)果表明，那些通過后果論進(jìn)行決策的人往往人緣更差，人們會認(rèn)為他們冷酷、自私、不近人情，因為普通人更愿意遵守代代相傳的道德觀，即使那樣會得出收益不那么高的結(jié)果。

但AI的進(jìn)行的往往都是后果論決策，追求收益而非道德正確。因此研究推斷，未來人類很可能也會對AI做出的決策產(chǎn)生一些質(zhì)疑。因為人類會默認(rèn)機器沒有道德感、同理心、同情心這種以往概念里一個好的決策者應(yīng)有的特質(zhì)。

AI如何獲取人類信任？

除了套路還是套路

不過現(xiàn)在也有很多研究團(tuán)隊意識到了這一問題，開始想辦法研究如何建立起人機信任。目前來看，研究方向大概分為兩個角度，一個是從人的角度尋找什么樣的AI才更容易獲得人類的信賴，另一個是從AI的角度去感知和評估人類的信任程度。

MIT曾經(jīng)和新加坡科技設(shè)計大學(xué)進(jìn)行過一系列實驗，得出兩個結(jié)論，第一是想讓人類信任AI，就需要讓人類“參與”AI訓(xùn)練的過程；第二人類更希望AI指出問題而不是確認(rèn)問題。

在第一個實驗中，人們被要求在看過一系列照片后，再在AI的輔助下從一系列圖片庫中選中自己看過的圖片。實驗對象被分為AB兩組，A組被告知AI技術(shù)會隨著用戶選擇過程循序漸進(jìn)提升，用戶決策正確的越多，AI技術(shù)也會隨之提升。B組沒有被告知任何信息，實際上兩組AI算法的精準(zhǔn)度是一樣的。但實驗結(jié)果是，A組實驗對象會更信任AI算法，B組則更信任自己的選擇。

而在第二個實驗中，算法對無人機回傳來的畫面進(jìn)行圖像識別，A組對象中AI會把畫面中的火災(zāi)、偷盜、搶劫等等畫面圈出來，B組對象中AI則會把畫面圈出來，并且標(biāo)注上“火災(zāi)”、“偷盜”、“搶劫”等等。兩組算法都有同樣的誤差比率，但實驗結(jié)果表明A組實驗對象對于AI的信任程度要遠(yuǎn)高于B組，畫面檢閱的效率也遠(yuǎn)高于B組。因為在人類看來，對于具體情況的判斷失誤是一種非常嚴(yán)重的錯誤，代表著算法很不可信，所以他們要把畫面整體都重新細(xì)細(xì)看一遍，比起A組用戶判斷標(biāo)注出來畫面的具體情況，要浪費了不少時間。

或許未來AI獲取人類信任也需要一些“套路”，像是假裝需要人類參與訓(xùn)練，或者刻意把一些工作分擔(dān)給人類。

而最近普渡大學(xué)械工程學(xué)院推出了一項系統(tǒng)，通過對膚電測試和腦電波測試采集人們的狀態(tài)，推出適用于大眾的“通用信任模型”和個人的“個性化信任模型”。研究者表示AI工具可以和這些信任模型聯(lián)動起來，尤其在兒童教育、老年人看護(hù)這些領(lǐng)域，對于人類信任狀態(tài)的感知可以幫助AI更好的服務(wù)人類。例如當(dāng)AI感知到人類的不信任時，可以暫停當(dāng)下的工作，通過安撫一類的方式提升人類的信任。

人機信任的第一步……

或許是AI打假？

不過在以上提到的幾個實驗中，都出現(xiàn)了一個有趣的共同發(fā)現(xiàn)——人類對AI的信任程度是可以被控制的，AI的表現(xiàn)越差、給用戶造成不好的體驗，人類的信任程度越低——不管是從腦電圖的生理狀況看來還是從行為看來都是如此。

例如讓人乘坐一輛自動駕駛的汽車，如果汽車總是無緣無故的突然剎車，讓人在車中顛簸，人類的信任程度就會快速降低。

那這么看來，真正有害于人機信任的并不是狗血科幻電影，而是那些正洶涌而來的人工智障。或許如今建立人機信任最高效的方法不是別的，而是AI打假。