盡管有24%的美國(guó)消費(fèi)者認(rèn)為自動(dòng)駕駛汽車的安全性高于人類駕駛員，但人類卻并不相信人工智能或機(jī)器人。但是考慮到90%以上的交通事故都是由人類的錯(cuò)誤導(dǎo)致的，所以未來(lái)有很大的可能人工智能將接過(guò)人類的駕駛權(quán)，那幺我們就不禁要問(wèn)了，為什幺人類不相信人工智能呢？

　　2014 年，沃爾頓商學(xué)院進(jìn)行了一項(xiàng)調(diào)查，在這項(xiàng)調(diào)查中，調(diào)查者會(huì)根據(jù)人們做出的預(yù)測(cè)情況的好壞進(jìn)行適當(dāng)?shù)莫?jiǎng)勵(lì)。在預(yù)測(cè)過(guò)程中，人們可以使用自己的判斷，也可以采用人工智能的意見(jiàn)。這個(gè)算法得出的預(yù)測(cè)比人類的預(yù)測(cè)更好。盡管如此，只要人工智能做出了錯(cuò)誤的預(yù)測(cè)，人們就會(huì)對(duì)其失去信心，盡管他們自己做出的錯(cuò)誤更多。

　　這種情況被稱為“算法規(guī)避”或“算法回避”，即當(dāng)機(jī)器人出現(xiàn)一個(gè)錯(cuò)誤時(shí)，人們就不再信任機(jī)器人。

　　除此之外，在酒品、醫(yī)療服務(wù)和股票選擇上也有一些相似的研究。無(wú)一例外，不管人類和機(jī)器人相比有多幺差勁，人們都會(huì)對(duì)機(jī)器人失去信心。甚至還不需要機(jī)器人真正做錯(cuò)什幺。我們通常不信任那些和我們自己不相似的東西，因?yàn)樗鼈兊倪\(yùn)作模式和我們不一樣。

　　當(dāng)機(jī)器人開(kāi)始在各行各業(yè)開(kāi)始工作時(shí)，或者人工智能出現(xiàn)各種各樣的產(chǎn)品中時(shí)，這就會(huì)成為一個(gè)問(wèn)題。你應(yīng)該如何增加人類對(duì)人工智能的信任，從而讓你的員工和客戶接受它呢？

　　解決方案卻很奇怪：讓機(jī)器人看起來(lái)更沒(méi)有信心。

　　看起來(lái)猶豫不決和困惑不解的機(jī)器人反倒能夠贏得人們更多的信任。馬薩諸塞大學(xué)盧維爾分校進(jìn)行了一項(xiàng)調(diào)查，他們要求人們幫助機(jī)器人通過(guò)一項(xiàng)滑雪游戲的課程。他們可以選擇使用操作桿引導(dǎo)機(jī)器人，或者讓機(jī)器人自己做，或者兩者結(jié)合使用。自動(dòng)模式下的機(jī)器人的運(yùn)動(dòng)時(shí)相當(dāng)快的，但這一點(diǎn)并不為參與者所知，而且機(jī)器人的程序中有讓機(jī)器人犯錯(cuò)的程序。當(dāng)機(jī)器人犯錯(cuò)時(shí)，研究參與者可能就會(huì)放棄機(jī)器人。但研究中的一些機(jī)器人的設(shè)計(jì)中會(huì)表現(xiàn)出困惑。當(dāng)他們不肯定應(yīng)該選擇那一條道路時(shí)，它們的表情就會(huì)從高興切換成悲傷。當(dāng)機(jī)器人表現(xiàn)出困惑時(shí)，人們更容易相信機(jī)器人能找到自己的解決方案。

　　這項(xiàng)研究已經(jīng)用在提高人類對(duì)機(jī)器人的信任上。此外還有兩項(xiàng)分別來(lái)自美國(guó)芝加哥大學(xué)和康涅狄格大學(xué)和荷蘭埃因霍溫大學(xué)的研究也試圖幫助人們提高對(duì)自動(dòng)駕駛汽車的信心。埃因霍溫大學(xué)的研究者設(shè)計(jì)出了一個(gè)名叫Bob的驅(qū)動(dòng)程序，此外它還具有人類的表情和頭部動(dòng)作。在另一項(xiàng)研究中，駕駛模擬器使用了友好的女性聲音，并且還有一個(gè)女性的名字Iris。顯然，人們更容易相信Iris，而不是一個(gè)沒(méi)有名字的機(jī)器。

　　顯然，未來(lái)十年內(nèi)，人工智能的問(wèn)題還將繼續(xù)是一個(gè)敏感問(wèn)題。隨著機(jī)器人和人工智能不斷向工作領(lǐng)域的滲透，關(guān)系重大的不僅僅是是否相信它們的判斷，而且還在于是否丟掉工作，士氣的問(wèn)題以及傷痕累累的自我。但是除非人類知道自己可以相信人工智能，而你并不能完成所有的事情。所以搞清楚如何實(shí)現(xiàn)你的人工智能的人性化才是一個(gè)很好的開(kāi)始。