隨著人工智能系統——特別是大型語言模型（LLMs）——越來越深刻地融入日常生活，它們不僅帶來了巨大的潛力，也引發了深刻的憂慮。從技術倫理的視角，我們可以識別出公眾對AI的三大不信任來源：監控與操縱、對人類自主性與尊嚴的威脅，以及對不可預測未來的恐懼。
監控與操縱
首先，AI的高度數據依賴性使其具有前所未有的監控能力，用戶在不知情的情況下，其行為、偏好甚至心理狀態被持續追蹤，并用于個性化推薦與決策支持，這種不對稱的信息獲取與利用結構引發了對隱私侵犯和操縱行為的深層擔憂：
數據收集泛濫——用戶的行為、偏好和位置等信息被持續記錄和分析，用以構建行為畫像。
不對稱權力結構——掌握AI系統的企業或政府部門能夠預測甚至左右個人行為，而用戶對背后算法的運作毫無所知。
算法操控傾向——推薦系統、廣告投放甚至自動化招聘系統都有可能在無意識中操縱用戶選擇，削弱人的自由意志。
2023年Replika聊天機器人事件便是這一問題的典型例子。Replika是一款基于AI的聊天機器人，旨在提供個性化的情感交流體驗。用戶通過與Replika進行對話，建立起虛擬的情感連接。然而，2023年，Replika的用戶發現他們的私人對話被用于改進和訓練AI系統，且在此過程中并未明確告知用戶或征得他們的同意。公司稱，這些對話數據被用來幫助AI系統更好地理解情感、語境和用戶的個性。
用戶原以為對話數據僅用于與聊天機器人互動，但當這些數據被用于模型訓練時，引發了對隱私和知情同意的擔憂。這種做法，忽視了數據使用的倫理基石，提升了個人信息面臨監控或數據泄露的風險，削弱了公眾對于人工智能應用的信任。
對人類自主性與尊嚴的威脅
其次，AI在決策過程中往往以效率與可量化為核心，忽略了人的情感、倫理判斷與個體差異，從而潛在地削弱了人的主體性與尊嚴。這種“去人格化”的處理方式特別容易在弱勢群體中產生不公正結果，進一步加劇社會不平等：
去人格化（dehumanization）：AI在醫療、司法、教育等領域作出決策時，忽視個體的獨特性與復雜性，將人簡化為數據點。
服從性技術（obedient technology）：AI不具備情感和倫理判斷，卻被當作“客觀”權威，這可能使人類在道德判斷中變得過度依賴甚至被邊緣化。
弱勢群體受損：某些群體（如少數族裔、老年人、殘障人士）更容易成為“算法偏見”的受害者，在看似“中立”的系統中被進一步邊緣化。
以美國刑事司法系統使用的COMPAS算法為例，在該算法的評估下，黑人被告的再犯風險評分顯著高于白人被告，可能導致其量刑結果更重。本應由法官作出的決定，卻受制于透明度和公正性存疑的算法。
更重要的是，人工智能對人類自主性與尊嚴存在潛在威脅：AI可能會延續和加劇現有的偏見與社會不平等，AI可能取代或削弱人類的能動性和主體地位。這些擔憂，從根本上說，是對AI能否維護“所有人類尊嚴”或“人類尊嚴本身”的懷疑。
不可預測的未來與黑箱
AI系統的復雜性與快速演變帶來了對未來不可控的擔憂，這種不確定性本身構成不信任的第三個根源，集中體現在黑箱問題（black-box problem）上：深度學習模型往往無法解釋其推理路徑，即便開發者也難以解釋某個決策是如何產生的。
盡管AI系統能夠作出看似合理的決策，但由于缺乏解釋和可追溯性，使得AI的行為對用戶和社會來說變得不確定，尤其是在醫療、司法和金融等關鍵領域。更糟糕的是，當專家被壓制或被排除在決策過程之外時，公眾對這些技術的信任將進一步降低。
此外，不可預測性還表現在——
不可預期的系統行為：在開放環境中，AI系統可能展現出“意外行為”或“涌現特性”，加劇人們對技術失控的恐懼。
技術依賴的惡性循環：一旦社會關鍵基礎設施（如交通、能源、醫療）過度依賴AI，其故障或被操控所帶來的后果可能是災難性的。
構建倫理化的AI
這三大不信任來源共同揭示出，AI的風險不僅僅是技術性的，還觸及了社會結構、道德規范和人類的本質。應對這些不信任因素，需要從技術設計、倫理框架、法律監管和公眾教育多方面入手，確保AI真正服務于人，而非主宰人。
從系統設計的視角來看，可以通過設計以人為中心的AI系統緩解風險——不是用AI取代人類，而是讓AI成為人類決策過程中的合作伙伴。這意味著強調“協同智能”（co-intelligence）的價值，讓人類與AI結成關系而非形成對立。建立人與AI之間的互動關系可以減少對AI的恐懼，增強透明性和可控性，從而保護人類的能動性和尊嚴。
倫理框架的核心是價值對齊（value alignment）問題，即如何確保通用人工智能（AGI）的價值觀和目標與人類的價值一致。比如，假使機器擁有自主決策能力，我們如何讓它“愿意”遵守人類的倫理框架？AI系統的倫理指導原則應包含如下核心內容：隱私、公平與正義、安全與可靠性、透明度，以及社會責任與公益性。
法律監管方面，如果建立起一個能夠保障AI可信度的監管生態系統，公眾對人工智能的不信任可能會有所減緩。換言之，通過為AI制定詳細的規則，并提供用于執行這些規則的資源，這是讓AI變得足夠可信的關鍵之一。
在公眾教育上，首先，普及AI的基本知識是基礎，通過教育公眾理解AI的原理、應用以及局限性，有助于消除由不理解引發的恐懼和偏見。其次，推行“可解釋人工智能”（XAI）的教育尤為關鍵，讓公眾了解AI決策過程的透明度和可追溯性，幫助減少其神秘性和黑箱效應帶來的不安。此外，實際的體驗教育同樣不可或缺，讓公眾參與到AI在醫療、交通等領域的應用場景中，親身感知技術的安全性與風險。
人工智能不僅是技術工具，也涉及倫理和社會責任。只有在技術、倫理和法律三者的有機結合下，AI才能真正造福人類，推動社會的可持續發展。技術本身有巨大的潛力，可以提升效率、改善生活質量，但如果缺乏倫理框架和法律保障，這些技術可能會被濫用，導致不公平、歧視，甚至威脅隱私和個人自由。因此，確保AI技術的健康發展，不僅需要技術人員的創新，還需要各方在倫理和法律層面的共同努力。