【笔墨之林】PAR:AI驱动的世界——制度因素如何影响公众对政府AI应用的态度?

我爱免费

作者：能源与可持续发展经济学


“笔墨之林”的由来
“笔墨之林”出自汉·王充《论衡·对作》，指斯文萃集的地方。为香港城市大学能源经济与环境管理研究室（E3M）公众号“研究分享”下的子栏目，同步在E3M官网更新。本栏目长期聚焦能源与环境经济学、可持续发展跨学科研究等方向的前沿文章。欢迎大家关注E3M研究室及本公众号。

原文信息

作者：Kaylyn Jackson Schiff, Daniel S. Schiff, Ian T. Adams, Joshua McCrain, Scott M. Mourtgos

题目：Institutional factors driving citizen perceptions of AI in government: Evidence from a survey experiment on policing

期刊：Public Administration Review

链接：https://doi.org/10.1111/puar.13754



AI是一种新兴趋势，并正在迅速重塑各个行业的运营和发展方式。于此同时，AI驱动的科学发展和应用提升，也成为人们越来越关注的领域。在这其中，公共管理从业者在工作中可以使用的AI工具(有时被称为自动决策系统或决策支持系统)也成为了一个重要的关注点。

本次分享关注到2023年10月刚刚在PAR发表的一篇研究论文，其调查了公众对政府使用AI工具的信任和支持是如何随着制度背景的变化而变化的。

1

引言

AI工具在公共管理中的应用可能会有一些复杂的影响，包括官僚自由裁量权减少、潜在算法偏差以及对自动化系统过度依赖等。这其中，AI应用于刑事司法领域(比如，警务领域)尤其具有争议性，其在预测性警务和面部识别方面的应用是国家和国际政策冲突的焦点问题。一部分民间组织主张要对此方面进行严格的限制，但政府的行动者却更倾向于呼吁对其进行豁免和支持。另外，当今的警务工作存在着种族正义、社区监督、使用武力和问责制等问题，这更意味着AI的应用需要警惕风险。

在过去的研究中，已经有一些关于官僚和公众如何评估AI工具的知识拓展，但大部分内容都集中在工具或算法本身的技术特征上；针对公众对于AI的态度与制度因素的关联的研究几乎没有。

该研究对4200名受访者进行了一项关于警务中AI应用的pre-registered survey experiment，来衡量三个关键的制度因素(institutional factors)如何影响公众对AI在警务中应用的反应。三个因素分别是：

1）官僚接近性bureaucratic proximity：执行算法的官僚机构与公众成员在机构和地理上的接近程度，研究中用执法机构的级别来衡量，并选择当地警长和国家联邦调查局代表这一范围的两端。本文假设与联邦调查局相比，公民将更支持当地警长使用AI。

2）算法目标algorithmic targets：服从自动化决策系统建议或决策的个人或群体，即探讨AI工具是针对外部公众(预测性警务)还是针对内部官僚本身(自动案件审查来发现警察的不当行为)。本文假设公众会更加支持在内部应用人工智能来检测警察不当行为时，而不是用在外部来进行公众的预测性监管，但是这种态度在党派和种族之间存在异质性。

3）机构能力agency capacity：机构为履行职能所拥有的资源、人力和专业知识。本文假设当机构能力不受限制的情况下，公民将更支持人工智能的使用。

另一方面，该研究关注的公众态度包括：对使用AI工具的总体支持，对机构负责任地使用该工具的信任，个人是否愿意缴纳更多税款来资助AI工具的应用，是否愿意分享个人数据来帮助提高AI工具的准确性。

2

主要内容

该研究在2021年11月24日至2022年1月4日期间通过Data for Progress招募了 4198 名受访者。受访者被要求完成一项在Qualtrics上托管的在线调查。研究实验性地操纵了围绕AI在警务中应用的背景和制度因素，来构成2×2×2因子设计，如图1所示 ，参与者以相同的概率随机分配到八个可能的片段场景之一。每个片段场景都会有相应的假设场景描述，在这样的描述下，受访者将回答与态度相关的问题。

随后，使用稳健标准误差的标准OLS回归模型来估计实验结果。例如，为解决第一个因素相关的问题，根据假设的执法机构层级将治疗组分为两组(地方警长和国家联邦调查局)，分别对调查中得出的4种公众态度的结果变量进行回归。其他分析与之类似。



图1：实验的2×2×2因子设计，联邦调查局

图2展示了预先假设和研究结果。首先，根据地方政府信任相关的文献以及对社区嵌入的理论期望，研究发现：1）公众对地方机构使用警务AI的强烈偏好超过了其在国家级机构的应用，这一结果在稳健性检验中保持不变，同时这种偏好在共和党派中更加明显；2）公众在应用AI审查外部公众成员和内部警察之间基本上没有显著偏向，只是共和党人更倾向于预测性警务(外部公众成员)，民主党人则更倾向于检测警察不当行为(内部警察)，且民主党人对这两种用例的总体支持程度更高；3）现有机构的能力对公众在警务中使用AI的态度上影响不大，且在机构层级上没有差异性。



图2：结果总结

3

研究评价‍‍‍

本文的研究结果为未来的工作提出了两条途径：（1）研究是什么影响了公众对政府能力的理解，特别是在新兴技术(AI)方面；（2）探索公众对应用AI的机构能力的有限认识，是否以及何时，会对问责制和民主治理构成威胁。

该研究对于该领域的问题的回答仍然有局限性。首先，只考虑了三个制度因素，应该补充一些公众在AI应用中对背景和技术因素、成本效益和优势进行比较和权衡的研究。出于道德考虑，研究只是测量了受访者对假设场景的反应，这一定程度上降低了此研究与现实世界的相关性。

但该研究的结果鼓励了人们更广泛地关注能力、资金和人员等制度因素，这些问题对公共管理者而言十分重要，但对公众来说不是非常明显。沿着这个思路，政府在应用AI时，为了促进公众沟通、教育和参与所采取的努力，受到了极大关注；这些努力可能会受益于关注影响AI应用的背景因素的研究。研究公众对这些制度问题的理解，可以支持公众关注政府在AI应用方面的需求和挑战的能力，以便决策者在制定政府AI方向时，可以更自信地征求公众意见。

ABSTRACT

Law enforcement agencies are increasingly adopting artificial intelligence (AI)-powered tools. While prior work emphasizes the technological features driving public opinion, we investigate how public trust and support for AI in government vary with the institutional context. We administer a pre-registered survey experiment to 4200 respondents about AI use cases in policing to measure responsiveness to three key institutional factors: bureaucratic proximity (i.e., local sheriff versus national Federal Bureau of Investigation), algorithmic targets (i.e., public targets via predictive policing versus detecting officer misconduct through automated case review), and agency capacity (i.e., necessary resources and expertise). We find that the public clearly prefers local over national law enforcement use of AI, while reactions to different algorithmic targets are more limited and politicized. However, we find no responsiveness to agency capacity or lack thereof. The findings suggest the need for greater scholarly, practitioner, and public attention to organizational, not only technical, prerequisites for successful government implementation of AI.

阅读原文，获取更多文章信息

图片来源网络，侵删‍‍



关于我们

香港城市大学能源经济与环境管理研究室（The Laboratory of Energy Economics and Environmental Management，E3M）成立于2017年，是香港地区第一个也是迄今为止唯一一个致力于能源和环境问题经济分析的实验室，探讨了经济、能源和环境之间的相互作用，为全球变化时代下的经济发展制定可持续的智能增长框架铺平道路。

更多信息请见E3M主页：

https://www.cityu.edu.hk/see_eeem/index.html

本期作者：张琯汝，香港城市大学博士生

本期审校：王慧欣，香港城市大学访问学生（西南财经大学博士生）‍

本期排版：李强，香港城市大学博士生

本期终审：张林教授，香港城市大学

相关推文：

香港城市大学张林、中国人民大学周文戟获批NSFC-RGC联合科研基金项目

【笔墨之林】AEJ：负负得正？公用事业行业的定价行为研究——成本回收、外部性和效率

【笔墨之林】Econometrica：气候变化中的学习和适应行为——模型与应用

【笔墨之林】JPART：公共组织对气候变化的适应：宏观与中观制度逻辑的配置

【博士招生】香港城市大学与内地高校博士生联培项目

【博士招生】We Want You ：香港城市大学张林教授团队面向海内外招收博士研究生

《The Energy Journal》2023年11月——文献导读

《The Energy Journal》2023年9月——文献导读

《The Energy Journal》2023年7月——文献导读

【论文导读】AER：低收入家庭节能技术使用中的信贷、关注度和外部性

【论文导读】RES：灾难、不确定性与经济增长

【论文导读】Econometrica：宏观经济不确定性对于企业决策的影响

【E3M研究分享】01 关于效率Efficiency：能源效率和SFA方法

【E3M研究分享】02 关于效率Efficiency：效率和DEA方法

【E3M研究分享】香港挂一天八号风球的经济损失

微信号：能源与可持续发展经济学

（点击识别下方二维码关注我们）



文章推荐/投稿/合作联系方式