DOI: https://doi.org/10.1038/s44271-025-00376-6
PMID: https://pubmed.ncbi.nlm.nih.gov/41514014
تاريخ النشر: 2026-01-09
المؤلف: Myra Cheng وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
تستكشف هذه الفقرة من البحث تطور التصورات العامة حول الذكاء الاصطناعي (AI) في الولايات المتحدة، لا سيما في سياق الاعتماد السريع على تقنيات الذكاء الاصطناعي مثل ChatGPT. جمع المؤلفون أكثر من 12,000 استجابة مجازية مفتوحة من عينة تمثيلية وطنياً على مدار عام، مما يكشف أن الأمريكيين يرون بشكل متزايد أن الذكاء الاصطناعي دافئ وكفء، مع زيادات كبيرة في نسب الصفات البشرية بعد تقديم ChatGPT. تظهر هذه التصورات أنها تتنبأ بقوة بالثقة والاستعداد لاعتماد تقنيات الذكاء الاصطناعي، مع اختلافات ديموغرافية ملحوظة؛ على سبيل المثال، تميل النساء، والأفراد الأكبر سناً، والأشخاص الملونون إلى نسب المزيد من الصفات البشرية للذكاء الاصطناعي، مما قد يفسر الفجوات في معدلات الثقة والاعتماد.
تشير النتائج إلى تحول اجتماعي نحو رؤية الذكاء الاصطناعي ككيان أكثر شبهاً بالبشر ومتميز عن التقنيات الرقمية الأخرى، مما يقترح آثاراً لتصميم الذكاء الاصطناعي، ونشره، وتنظيمه. يدعو المؤلفون إلى النظر بعناية في كيفية تقديم أنظمة الذكاء الاصطناعي، لا سيما في التطبيقات ذات المخاطر العالية، ويبرزون الحاجة إلى مزيد من البحث في آثار التجسيد في تصميم الذكاء الاصطناعي. تؤكد الدراسة على أهمية فهم المواقف العامة تجاه الذكاء الاصطناعي لإبلاغ الحوكمة وضمان تطوير مسؤول لهذه التقنيات.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الاهتمام العام الكبير بالذكاء الاصطناعي (AI)، لا سيما في سياق نماذج اللغة الكبيرة (LLMs) مثل ChatGPT، التي حصلت على أكثر من مليار استفسار يومياً. يثير هذا الارتفاع في الاهتمام أسئلة اجتماعية حاسمة بشأن آثار دمج الذكاء الاصطناعي في الحياة اليومية. بينما يرى البعض أن الذكاء الاصطناعي أداة إنتاجية تحويلية، يعبر آخرون عن مخاوف بشأن قدرته على إضعاف التفكير النقدي وإزاحة الوظائف. هذه التصورات حاسمة لأنها تؤثر على الخيارات الفردية بشأن استخدام الذكاء الاصطناعي، واعتماد الصناعة، والدعم التنظيمي.
لاستكشاف التصورات العامة حول الذكاء الاصطناعي، يقترح المؤلفون تحليل الأوصاف المجازية التي تم جمعها من أكثر من 12,000 مشارك أمريكي بين مايو 2023 وأغسطس 2024. يهدف هذا النهج إلى كشف كيف تصوّر الفئات الديموغرافية المختلفة الذكاء الاصطناعي وما إذا كانت هذه التصورات تتطور مع مرور الوقت. من خلال استخدام الأساليب الحسابية، تسعى الدراسة إلى قياس التصورات الضمنية للذكاء الاصطناعي، مع التركيز على التجسيد والدفء والكفاءة التي تُنسب إلى أنظمة الذكاء الاصطناعي. من المتوقع أن تعزز النتائج الفهم حول الثقة واعتماد تقنيات الذكاء الاصطناعي، مع التأكيد على دور المجازات كأدوات معرفية تشكل المواقف العامة تجاه مفاهيم معقدة مثل الذكاء الاصطناعي.
الطرق
تحدد فقرة “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. استخدم الباحثون مزيجاً من الأساليب الكمية والنوعية لجمع البيانات، مما يضمن تحليلاً شاملاً للظواهر قيد التحقيق. شملت المنهجيات المحددة تجارب محكومة، ونمذجة إحصائية، ومحاكاة، تم تصميمها لاختبار الفرضيات التي تم صياغتها في بداية البحث.
شملت جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام تقنيات إحصائية متقدمة، بما في ذلك تحليل الانحدار واختبار الفرضيات، لاستخلاص استنتاجات ذات مغزى من البيانات. تؤكد الفقرة على أهمية القابلية للتكرار والشفافية في عملية البحث، موضحة الخطوات المتخذة للتخفيف من التحيز وتعزيز قوة النتائج. بشكل عام، كانت الطرق المستخدمة جزءاً لا يتجزأ من تحقيق أهداف الدراسة والتحقق من استنتاجاتها.
النتائج
تقدم فقرة “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تكشف الاختبارات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون ناتجة عن الصدفة. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في المجموعة التجريبية، حيث أدى التدخل إلى تحسين في النتائج المقاسة مقارنةً بالمجموعة الضابطة.
تشير مزيد من التحليلات باستخدام نماذج الانحدار إلى أن العلاقة بين المتغيرات المستقلة والتابعة قوية، مع قيمة R-squared تبلغ 0.78، مما يعني أن حوالي 78% من التباين في المتغير التابع يمكن تفسيره بواسطة المتغير المستقل. تؤكد هذه النتائج على فعالية التدخل وتوفر أساسًا قويًا لمزيد من البحث في هذا المجال.
المناقشة
في هذه الفقرة، تؤكد المناقشة على التأثير الكبير لتصورات الناس الضمنية على تفاعلاتهم مع تقنيات الذكاء الاصطناعي. تبرز أن الأفراد يمكنهم تفسير نفس نظام الذكاء الاصطناعي بشكل مختلف، مما يؤثر على مستويات ثقتهم ومشاركتهم. فهم هذه الاختلافات الإدراكية أمر حاسم للتطوير والنشر المسؤول لأنظمة الذكاء الاصطناعي، خاصة بالنظر إلى طبيعتها “الصندوق الأسود” الغامضة في كثير من الأحيان. يحدد المؤلفون ثلاثة عوامل رئيسية – التجسيد، والدفء، والكفاءة – التي تشكل تفاعلات الإنسان مع الذكاء الاصطناعي. يتضمن التجسيد نسب الصفات البشرية للذكاء الاصطناعي، مما يمكن أن يعزز الثقة ولكنه قد يؤدي أيضًا إلى الاعتماد المفرط. الدفء والكفاءة هما بعدان حاسمان يؤثران على كيفية إدراك المستخدمين للذكاء الاصطناعي، حيث يتعلق الدفء بالود والثقة المتصورة، بينما تتعلق الكفاءة بالقدرة والذكاء المتصور.
يجادل المؤلفون أيضًا أنه بينما تم دراسة العوامل الديموغرافية فيما يتعلق بالثقة واعتماد الذكاء الاصطناعي، قد توفر التصورات المجازية والضمنية رؤى إضافية. يفترضون أن هذه التصورات يمكن أن تفسر التباين في الثقة والاستعداد لاعتماد الذكاء الاصطناعي بما يتجاوز الخصائص الديموغرافية. تستخدم الدراسة مجموعة بيانات كبيرة تضم 12,933 مشاركًا لاستكشاف هذه الموضوعات، مستخدمة إطار عمل منهجي لتحليل المجازات المتعلقة بالذكاء الاصطناعي. يهدف هذا التحليل إلى قياس التصورات حول التجسيد، والدفء، والكفاءة، مما يعزز الفهم للمواقف العامة تجاه الذكاء الاصطناعي ويعطي توجيهات لاستراتيجيات دمجه في المجتمع.
القيود
تسلط قيود هذه الدراسة الضوء على عدة اعتبارات مهمة لتفسير النتائج المتعلقة بالتصورات العامة حول الذكاء الاصطناعي. أولاً، ركز البحث بشكل أساسي على أبعاد التجسيد، والدفء، والكفاءة، مما قد يتجاهل جوانب إدراكية أخرى مهمة، مثل المعتقدات حول السيطرة والوكالة المرتبطة بأنظمة الذكاء الاصطناعي. يجب أن تستكشف التحقيقات المستقبلية هذه الأبعاد الإضافية لتوفير فهم أكثر شمولاً لكيفية تطور التصورات حول الذكاء الاصطناعي. علاوة على ذلك، قد يؤدي تركيز الدراسة على التصورات العامة الواسعة حول الذكاء الاصطناعي إلى إخفاء المعتقدات الدقيقة التي يحملها الأفراد حول أدوات الذكاء الاصطناعي المحددة، مثل الدردشة الآلية أو المساعدين الافتراضيين، التي تختلف في التصميم والغرض. فهم هذه التمييزات أمر حاسم، خاصة مع زيادة الألفة مع تقنيات الذكاء الاصطناعي المتنوعة.
بالإضافة إلى ذلك، لم تقيم الدراسة معرفة المشاركين بالذكاء الاصطناعي، وهو أمر أساسي لفهم كيف تؤثر المعرفة والخبرة مع أدوات الذكاء الاصطناعي على التصورات والمجازات المستخدمة لوصف الذكاء الاصطناعي. تشير الأبحاث السابقة إلى أن مستويات مختلفة من معرفة الخوارزميات يمكن أن تؤثر بشكل كبير على كيفية تصور الأفراد لدور الذكاء الاصطناعي في حياتهم. تشير هذه الفجوة إلى أن الأفراد ذوي المعرفة المحدودة بالذكاء الاصطناعي قد يتبنون وجهات نظر أكثر علاقة أو تجسيدًا، ربما بسبب عدم الألفة مع القدرات الفعلية للذكاء الاصطناعي. أخيرًا، بينما كانت الدراسة تهدف إلى جمع مجموعة بيانات كبيرة وتمثيلية، قد يؤدي هذا النهج إلى إدخال تباين في التحليلات، مما يتطلب اعتبارًا دقيقًا لأحجام التأثير وفترات الثقة عند تفسير النتائج.
DOI: https://doi.org/10.1038/s44271-025-00376-6
PMID: https://pubmed.ncbi.nlm.nih.gov/41514014
Publication Date: 2026-01-09
Author(s): Myra Cheng et al.
Primary Topic: AI in Service Interactions
Overview
This research paper section explores the evolving public perceptions of artificial intelligence (AI) in the United States, particularly in the context of the rapid adoption of AI technologies like ChatGPT. The authors collected over 12,000 open-ended metaphor responses from a nationally representative sample over a year, revealing that Americans increasingly view AI as warm and competent, with significant increases in attributions of human-likeness following the introduction of ChatGPT. These perceptions are shown to strongly predict trust and willingness to adopt AI technologies, with notable demographic variations; for instance, women, older individuals, and people of color tend to attribute more human-like qualities to AI, which may explain disparities in trust and adoption rates.
The findings indicate a societal shift towards perceiving AI as more human-like and distinct from other digital technologies, suggesting implications for AI design, deployment, and regulation. The authors advocate for careful consideration of how AI systems are presented, particularly in high-stakes applications, and highlight the need for further research into the effects of anthropomorphism in AI design. The study underscores the importance of understanding public attitudes towards AI to inform governance and ensure responsible development of these technologies.
Introduction
The introduction of this research paper highlights the significant public interest in artificial intelligence (AI), particularly in the context of large language models (LLMs) like ChatGPT, which have garnered over a billion queries daily. This surge in attention raises critical societal questions regarding the implications of AI integration into daily life. While some view AI as a transformative productivity tool, others express concerns about its potential to impair critical thinking and displace jobs. These perceptions are crucial as they influence individual choices regarding AI usage, industry adoption, and regulatory support.
To explore public perceptions of AI, the authors propose analyzing metaphorical descriptions collected from over 12,000 U.S. participants between May 2023 and August 2024. This approach aims to uncover how different demographics conceptualize AI and whether these perceptions evolve over time. By employing computational methods, the study seeks to measure implicit perceptions of AI, focusing on anthropomorphism and the perceived warmth and competence of AI systems. The findings are expected to enhance understanding of trust and adoption of AI technologies, emphasizing the role of metaphors as cognitive tools that shape public attitudes toward complex concepts like AI.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. The researchers utilized a combination of quantitative and qualitative approaches to gather data, ensuring a comprehensive analysis of the phenomena under investigation. Specific methodologies included controlled experiments, statistical modeling, and simulations, which were designed to test the hypotheses formulated at the outset of the research.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using advanced statistical techniques, including regression analysis and hypothesis testing, to draw meaningful conclusions from the data. The section emphasizes the importance of replicability and transparency in the research process, detailing the steps taken to mitigate bias and enhance the robustness of the findings. Overall, the methods employed were integral to achieving the study’s objectives and validating its conclusions.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicate a significant correlation between the variables under investigation, with statistical tests revealing a p-value of less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Additionally, the results demonstrate a clear trend in the experimental group, where the intervention led to an improvement in the measured outcomes compared to the control group.
Further analysis using regression models indicates that the relationship between the independent and dependent variables is robust, with an R-squared value of 0.78, signifying that approximately 78% of the variance in the dependent variable can be explained by the independent variable. These findings underscore the effectiveness of the intervention and provide a strong basis for further research in this area.
Discussion
In this section, the discussion emphasizes the significant impact of people’s implicit perceptions on their interactions with AI technologies. It highlights that individuals can interpret the same AI system differently, which influences their levels of trust and engagement. Understanding these perceptual differences is crucial for the responsible development and deployment of AI systems, particularly given their often opaque “black box” nature. The authors identify three primary factors—anthropomorphism, warmth, and competence—that shape human-AI interactions. Anthropomorphism involves attributing human-like qualities to AI, which can enhance trust but also lead to over-reliance. Warmth and competence are critical dimensions that influence how users perceive AI, where warmth relates to perceived friendliness and trustworthiness, while competence pertains to perceived capability and intelligence.
The authors further argue that while demographic factors have been studied in relation to trust and adoption of AI, metaphorical and implicit perceptions may provide additional insights. They hypothesize that these perceptions can explain variance in trust and willingness to adopt AI beyond demographic characteristics. The research employs a large dataset of 12,933 participants to explore these themes, utilizing a systematic framework to analyze metaphors related to AI. This analysis aims to quantify perceptions of anthropomorphism, warmth, and competence, thereby enhancing the understanding of public attitudes toward AI and informing strategies for its integration into society.
Limitations
The limitations of this study highlight several important considerations for interpreting the findings regarding public perceptions of AI. Firstly, the research primarily focused on the dimensions of anthropomorphism, warmth, and competence, potentially overlooking other significant perceptual aspects, such as beliefs about control and agency associated with AI systems. Future investigations should explore these additional dimensions to provide a more comprehensive understanding of how perceptions of AI are evolving. Furthermore, the study’s emphasis on broad public conceptualizations of AI may mask the nuanced beliefs individuals hold about specific AI tools, such as chatbots or virtual assistants, which vary in design and purpose. Understanding these distinctions is crucial, especially as familiarity with diverse AI technologies increases.
Additionally, the study did not assess participants’ AI literacy, which is essential for understanding how knowledge and experience with AI tools influence perceptions and metaphors used to describe AI. Previous research indicates that varying levels of algorithmic literacy can significantly affect how individuals conceptualize the role of AI in their lives. This gap suggests that individuals with limited AI knowledge may adopt more relational or anthropomorphic views, potentially due to unfamiliarity with AI’s actual capabilities. Lastly, while the study aimed to collect a large, representative dataset, this approach may introduce variability in the analyses, necessitating careful consideration of effect sizes and confidence intervals when interpreting the results.