公眾對人工智能的認知與情感態(tài)度

王益君 董韻美

摘要：[目的/意義]旨在探究公眾對人工智能的認知與情感態(tài)度以及其傳導機制，對豐富人工智能相關領域的研究具有重要意義。[方法/過程]以ChatGPT為例，采用文本挖掘的方法搜集公眾參與此話題討論的微博評論數(shù)據(jù)并進行情感分析，在此基礎上利用元胞自動機模型模擬并探究公眾對人工智能認知與情感的傳遞機制。[結果/結論]研究結論表明：公眾在微博話題對ChatGPT的討論整體呈積極正向的態(tài)度，公眾看待人工智能的認知與情感態(tài)度和公眾的初始情感及周圍鄰居的影響力權重密切相關。

關鍵詞：ChatGPT；人工智能；認知與情感態(tài)度；元胞自動機；仿真

分類號：TP18；G206

引用格式：王益君， 董韻美. 公眾對人工智能的認知與情感態(tài)度——以ChatGPT為例[J/OL]. 知識管理論壇， 2024， 9（1）： 16-29 [引用日期]. http：//www.kmf.ac.cn/p/374/. （Citation： Wang Yijun， Dong Yunmei. The Public's Perceptions and Emotional Attitude Towards Artificial Intelligence： A Case Study on ChatGPT[J/OL]. Knowledge Management Forum， 2024， 9（1）： 16-29 [cite date]. http：//www.kmf.ac.cn/p/374/.）

1? 引言/ Introduction

2023年2月21日，中國外交部正式發(fā)布《全球安全倡議概念文件》[1]，在中國式現(xiàn)代化進程中，人工智能的技術革新是助推科技創(chuàng)新的重要力量之一。習近平總書記高度關注人工智能等新興科技的發(fā)展，強調(diào)要加快提升“人工智能安全等領域的治理能力”“塑造科技向善的文化理念，讓科技更好增進人類福祉”。據(jù)2023年中國信息通信研究院數(shù)據(jù)[2]，2022年中國人工智能的主要產(chǎn)業(yè)值高達5 080億元，并且近些年中國的人工智能及機器人產(chǎn)業(yè)日臻完備，發(fā)展有序。當下，智能科技的孵化已然上升至國家戰(zhàn)略的高度。人工智能作為最具代表性的顛覆性技術，在給人類社會帶來潛在巨大發(fā)展紅利的同時，其不確定性也會帶來諸多全球性挑戰(zhàn)。

2022年11月30日，ChatGPT的發(fā)布開啟了通用人工智能時代，人工智能具有廣泛的學習能力并在大多數(shù)領域達到或超過普通人類的水平，其社會影響將巨大而深遠[3]，在其發(fā)布的5天后，用戶數(shù)量達到了100萬，2個月內(nèi)該軟件的活躍用戶數(shù)更是達到了1億，成為迄今為止增長速度最快的應用軟件[4]。該軟件幾乎可以完成自然語言處理的所有任務，因而其在客服、翻譯、銷售等眾多行業(yè)中有著廣闊的應用前景。同時，有關ChatGPT的信息易引發(fā)公眾熱議，人工智能再度成為熱門話題，人們或褒或貶，各持己見，討論爭論不斷升級。因此，了解這一時期公眾討論人工智能話題的特點，深入挖掘公眾的觀點與立場，呈現(xiàn)其對人工智能的認知與態(tài)度，對人工智能未來的發(fā)展具有重要意義。

2? 文獻綜述/ Literature review

2.1? 態(tài)度與認知研究

近年來，國內(nèi)外多家研究機構與學者圍繞公眾對某一事物或者活動的態(tài)度與認知展開了多項調(diào)查。例如，調(diào)查公眾對人臉識別技術的態(tài)度與認知[5]、教職工對殘疾學生融合教育的認知與態(tài)度[6]，還有公眾對社交媒體的看法[7]等。

在公眾對人工智能的態(tài)度與認知問題上，劍橋大學對美國民眾進行調(diào)查后顯示，41%的調(diào)查者表示：在某種程度上支持人工智能的發(fā)展[8]。中國公民科學素質(zhì)抽樣調(diào)查顯示[9]，82.5%的調(diào)查者認為公眾對科技創(chuàng)新的理解和支持是建設科技強國的基礎。綜上，美國公眾相較于我國公眾對人工智能的支持程度低。針對醫(yī)學領域人工智能的調(diào)查中，S. I. Cho等[10]調(diào)查了醫(yī)學生對皮膚科人工智能的態(tài)度和看法，B. Stai等[11]調(diào)查了公眾對機器人手術的了解；基于新聞從業(yè)者的實證研究的考察中，有研究顯示，公眾認為新聞報道形式更受益于人工智能的應用[12]，新聞從業(yè)者對人工智能沒有明確的態(tài)度[13]；在金融領域，D. Belanche等[14]調(diào)查了使用金融人工智能顧問的意愿，發(fā)現(xiàn)客戶對人工智能顧問的使用持積極態(tài)度。

通過國內(nèi)外主流媒體的報道發(fā)現(xiàn)，中國公眾對人工智能的報道更傾向于使用積極樂觀的態(tài)度，而國外則使用更為謹慎的態(tài)度報道人工智能。H. L. Ding等[15]對《人民日報》與《紐約時報》有關人工智能的報道進行了對比，研究表明：《人民日報》對人工智能更多以樂觀積極的態(tài)度進行報道，而《紐約時報》則對人工智能的報道持保守態(tài)度，報道其風險與對未來的挑戰(zhàn)。郭珂靜等[16]通過對比2011—2019年《人民日報》與《紐約時報》中有關人工智能的報道，結果發(fā)現(xiàn)《人民日報》更多是報道人工智能的美好前景，而《紐約時報》更加注重人工智能的應用及其帶來的風險與不確定性。

綜上所述，現(xiàn)有文獻多討論公眾對人工智能的態(tài)度與認知，且我國公眾對人工智能的態(tài)度及認知多是持樂觀積極的態(tài)度，國外調(diào)查則顯示被調(diào)查者對人工智能的樂觀度較低。

2.2? ChatGPT的研究

ChatGPT作為一種重要的人工智能技術突破，引起了各界廣泛關注。目前，許多學者從ChatGPT前景與挑戰(zhàn)方面進行研究[17-19]，研究結果表明ChatGPT仍然存在一些局限，尚未達到強人工智能的水平。

還有一些學者研究ChatGPT對特定行業(yè)的影響。對于醫(yī)學領域，B. Fatani[20]分析了ChatGPT在牙科醫(yī)學中的應用；S. Sedaghatf[21]分析了ChatGPT在醫(yī)療和教育中的作用，研究表明，盡管ChatGPT有改變醫(yī)療實踐、教育和研究的潛力，但該應用程序還需要進一步改進才能被廣泛應用。對于教育領域，T. Humphry等[22]研究了ChatGPT在本科生化學實驗中的作用；劉天麗等[23]從ChatGPT對教育的意義與問題應對進行研究，表明公眾對ChatGPT+教育的關注主題呈多元化的特點；A. Shoufan[24]研究學生如何看待ChatGPT并評估其潛力和挑戰(zhàn)。對于情報領域，張智雄等[25]分析ChatGPT的技術能力特點及其對于文獻情報工作的影響。

綜上所述，現(xiàn)有文獻對ChatGPT的研究主要聚焦于分析ChatGPT的前景與挑戰(zhàn)以及ChatGPT對行業(yè)的影響，還未有學者研究公眾對ChatGPT本身的認知與情感態(tài)度。

2.3? 存在的問題與本研究的創(chuàng)新

通過上述文獻可知，在研究內(nèi)容上，現(xiàn)有文獻多討論公眾對人工智能的態(tài)度與認知，有關ChatGPT的研究主要分析其前景、挑戰(zhàn)和對行業(yè)的影響；在研究方法上，多是以內(nèi)容分析、文本分析為主，并且未有文獻探究公眾對人工智能的情感是如何變化的。已有文獻的研究成果為本文提供了理論基礎，但仍存在進一步完善的空間。

基于此，本研究的邊際貢獻體現(xiàn)為以下兩個方面：①從研究內(nèi)容來看，本研究將公眾對人工智能的認知與態(tài)度細化為公眾對ChatGPT的認知與態(tài)度，以此為切入口探究公眾對人工智能的情感態(tài)度；②本研究通過仿真模擬公眾對人工智能的認知與態(tài)度變化的機制，探究公眾對人工智能認知與態(tài)度變化的影響因素。因此，筆者利用元胞自動機模型建立人工智能認知與態(tài)度傳遞模型，探究公眾對人工智能的認知與情感態(tài)度的影響因素及傳遞機制，為我國公眾理解人工智能的實踐與理論研究提供內(nèi)容豐富的案例支持。

3? 公眾對人工智能的認知與情感態(tài)度分析/ Analysis of publics perceptions and emotional attitude toward artificial intelligence based

現(xiàn)代傳媒為公眾對人工智能的認知與情感態(tài)度傳遞提供了跨時空的渠道和平臺[27]，在現(xiàn)代傳媒所衍生的渠道和平臺中，微博以其即時性、互動性、多元性等特征成為熱點事件傳播的重要場地，因此，筆者借助新浪微博平臺，使用文本挖掘的方法對微博評論內(nèi)容進行分析，探討公眾對ChatGPT的認知與情感態(tài)度。

3.1? ChatGPT話題重要節(jié)點

2022年11月底，ChatGPT大語言模型出現(xiàn)標志著通用人工智能時代的開啟。表1為ChatGPT話題發(fā)展歷程。

3.2? 數(shù)據(jù)采集

筆者以“ChatGPT”“生成式人工智能”“聊天生成預訓練轉(zhuǎn)換器”與“Open AI”為檢索關鍵詞，采用機器學習算法在新浪微博平臺收集和整理2022年12月1日至2023年3月31日共計120天的全部的微博評論數(shù)據(jù)，共獲取234 002條評論。數(shù)據(jù)爬取通過Python3.9軟件實現(xiàn)。部分評論示例如表2所示：

3.3? 公眾對ChatGPT的情感分析

3.3.1? 情感值計算

筆者選擇基于情感詞典的文本情感分析方法，計算微博評論的情感傾向值。首先，對微博評論文本剔除表情和無效樣本，并且進行去停用詞及分詞的預處理，得到有效數(shù)據(jù)135 678條。其次，利用Boson NLP情感詞典對評論數(shù)據(jù)進行情感值計算。由于該詞典是基于微博、新聞、論壇等數(shù)據(jù)來源構建的情感詞典，因此，該詞典適用于處理微博中與ChatGPT相關的文本情感分析。最后，將微博評論文本分詞的結果與該詞典進行匹配，進而計算情感值。微博評論文本情感值具體計算公式如下：

公式（1）

其中，Emotion（t）是與ChatGPT相關的微博評論t的情感值得分，qi為一條評論文本中第i個情感詞的分數(shù)，Di為情感詞qi對應的程度副詞系數(shù)，k為情感詞前否定詞的個數(shù)。特別地，如果Emotion（t）≥0，表示評論該條博文的公眾對ChatGPT呈積極情感態(tài)度，情感值越高，表示積極情感越強烈；如果Emotion（t）<–0.5表示評論該條博文的公眾對ChatGPT呈消極情感態(tài)度，情感值越低，表示消極情感越強烈；如果–0.5≤Emotion（t）<0，則表示公眾對其情感呈中立態(tài)度。

3.3.2? 情感值分析

本節(jié)根據(jù)公式（1）計算出2022年12月1日到2023年3月31日之間公眾對ChatGPT的情感值，并統(tǒng)計出每個月的微博評論平均值、最大值和最小值，如表3所示。

從表3可以看出，2022年12月，評論情感值最大值為40.36，最小值為-15.04，平均值為1.845，屬于較積極情感，并且有68.1%的公眾持積極情感態(tài)度，說明ChatGPT發(fā)布后，只有小部分公眾持消極態(tài)度，持積極態(tài)度者居多；2023年1月，評論情感值的最大值為38.34，最小值為-8.82，平均值為1.807，情感傾向也較積極，并且評論數(shù)量有所上升，說明公眾對ChatGPT的討論熱度還在上升；2023年2月，評論情感值的最大值為48.67，最小值為-28.28，平均值為1.993，評論數(shù)量更是上升到11萬條；2023年3月，公眾對

ChatGPT的討論數(shù)有所下降，情感的平均值也較前幾個月有所下降，但持正向情感的人數(shù)還是較多。

根據(jù)公式（1），對每個月份的評論內(nèi)容進行文本情感值計算，經(jīng)過統(tǒng)計與整理，公眾對ChatGPT情感的時間趨勢如圖2所示：

從圖2可以看出，2022年12年，公眾對ChatGPT的情感值在0—5之間，說明在ChatGPT剛發(fā)布時，公眾對其情感呈現(xiàn)出較為中立和積極的狀態(tài)；隨著時間的發(fā)展，2023年1月1日，公眾對ChatGPT的情感值上升到25.8，表現(xiàn)出較為積極的狀態(tài)，后期慢慢下降至0左右；2023年2月，公眾對ChatGPT的情感值持續(xù)上升；2023年3月，有關ChatGPT話題的熱度有所下降，公眾對其的情感值也隨之下降，情感值一直在0—3附近浮動。評論數(shù)據(jù)的每月詞頻排名前5的詞頻統(tǒng)計見表4，評論詞云圖見圖3。

結合微博評論詞云圖3和微博評論詞頻統(tǒng)計表4可知，在這一時期，微博評論中最多的是人工智能與人類、發(fā)展的話題。2023年1月與2月，詞云圖中都出現(xiàn)了“厲害”，表明公眾開始認識到人工智能的強大威力，而在2023年3月出現(xiàn)了“老師”“科技”，表明公眾開始關注到人工智能的應用領域。在每個月的高頻詞中，大多都包含“人工智能”“人類”“發(fā)展”“期待”“取代”和“代替”等。一方面，ChatGPT發(fā)布不久，公眾密切關注著ChatGPT。另一方面，也存在著害怕被取代的觀點，大多數(shù)公眾擔心自己的職業(yè)在未來被取代。

基于上述分析，筆者進一步建立公眾對人工智能情感的傳遞機制模型，探究情感傳遞的影響因素。

4? ?公眾對人工智能的認知與情感傳遞機制分析/ Analysis of the publics perceptions and emotional attitude transmission mechanism of artificial intelligence based

4.1? 影響因素設置

有很多因素可能影響和制約公眾對人工智能的認知與情感傳遞，如公眾自身的認知水平、身邊人影響以及網(wǎng)絡傳播環(huán)境等影響等。

第一，情感分析是通過判斷文本的情感傾向并對其進行分析，從而了解公眾對社會事件或事物的態(tài)度和看法，并研究信息的傳播路徑特點。根據(jù)朱樂等[27]和張鑫等[28]的研究，筆者將情感傾向作為情感傳遞的影響因素，將公眾的情感態(tài)度劃分為正面、中立、負面3類，并設置對應元胞的情感傾向度函數(shù)St（i， j），其表示元胞（i，j）在t時刻的態(tài)度傾向。令，并對其取值區(qū)間和情感傾向做出以下劃分：

公式（2）

其中，St（i， j）越大，表明公眾對ChatGPT的情感態(tài)度越積極；St（i， j）越小，表明公眾對ChatGPT的情感態(tài)度越消極。

第二，公眾對ChatGPT的情感態(tài)度會受周圍人群的影響，即周圍鄰居對于ChatGPT的情感傾向會影響公眾的觀點與態(tài)度。本文中定義的“周圍鄰居”與日常生活中的“鄰居”的概念不同，由于“周圍鄰居”較難界定，將周圍鄰居定義為與中心公眾同時瀏覽、評論或點贊過同一博文的人群，并且鄰居對博文的評論會影響同一博文下的其他人。本文設置的鄰居與元胞空間見圖4，其中，黑色的節(jié)點代表的是中心公眾，灰色是中心公眾的鄰域節(jié)點，當中心公眾在元胞空間的四角時（見圖4a），相應的鄰居數(shù)量為3；當中心公眾在元胞空間的四邊時（見圖4b），對應的鄰居數(shù)量為5；當中心公眾在元胞空間的剩余部分時，對應的鄰居數(shù)量為8。

4.2? 狀態(tài)轉(zhuǎn)移函數(shù)的構建

本研究對狀態(tài)轉(zhuǎn)移函數(shù)做出的改進如下：①在元胞狀態(tài)更新時，公眾受周圍鄰居情感傾向的影響。②針對不同的情感態(tài)度設置不同的影響權重，即在公眾對人工智能的認知與情感傳遞過程中，周圍鄰居的不同情感態(tài)度的影響力是不同的。

公眾的狀態(tài)是公眾對人工智能的認知與情感狀態(tài)，t+1時刻公眾狀態(tài)的轉(zhuǎn)換規(guī)則可以表示為：

公式（3）

其中，t時刻公眾對人工智能情感態(tài)度的堅定度為，體現(xiàn)了公眾在受到周圍鄰居影響時自我的堅持程度；βi，j為周圍鄰居影響力系數(shù)，表示受到周圍鄰居影響的程度。不同的情感傾向?qū)τ诠姷挠绊懥Σ煌?，在狀態(tài)轉(zhuǎn)移函數(shù)中用ω中、ω負、ω正表示周圍鄰居的負面、中立和正面情感態(tài)度對公眾（i，j）的影響權重。

綜上所述，基于ChatGPT的公眾對人工智能的認知與情感傳遞機制如圖5所示：

4.3? 仿真實驗與結果分析

根據(jù)上一節(jié)構建的認知與情感傳遞模型，筆者將模擬兩種情感傳遞情形，分別以白色、灰色和黑色代表正面、中立及負面情感的公眾。仿真實驗通過MATLAB（2022a）編程實現(xiàn)。

4.3.1? 實驗1：公眾初始情感對情感傳遞的影響

本節(jié)首先研究公眾初始情感對公眾情感傳遞的影響。本組實驗通過設置不同的初始情感態(tài)度分布模擬現(xiàn)實中的人工智能情感傳遞。公眾的初始情感值于[-1，1]的隨機分布，本節(jié)的實驗參數(shù)參照文獻[29]設置，如表5所示：

（1）實驗1仿真結果示意圖。圖6為實驗1的仿真示意圖，圖7為3個實驗最終的人數(shù)占比，3個實驗都隨機將3種情感賦予10 000個公眾，其初始情感狀態(tài)中正面、中立和負面情感人數(shù)各占1/3。從圖中可以看出，實驗1-a在情感變化初期，公眾的情感態(tài)度基本上呈現(xiàn)正面情感，還有極少數(shù)公眾持相反情感態(tài)度，但發(fā)展到后期，已經(jīng)全部轉(zhuǎn)變?yōu)檎媲楦袘B(tài)度。1-c與1-a類似，在情感變化初期，90%的公眾情感已經(jīng)呈現(xiàn)負向情感，隨著時間的發(fā)展，已經(jīng)全部轉(zhuǎn)變?yōu)樨撁媲楦袘B(tài)度。而實驗1-b中，公眾的初始情感態(tài)度有一半為中立情感態(tài)度，隨著時間的發(fā)展，持中立情感態(tài)度的公眾完全消失，全部轉(zhuǎn)變?yōu)檎蚧蛘哓撓?，并且一直持續(xù)到后期。

（2）實驗1仿真結果分析。

第一，公眾初始情感傾向的比例對空間中不同觀點的人數(shù)有顯著的影響。由此可見，3種情感狀態(tài)的人數(shù)不管怎么設置，隨著時間的變化，對人工智能持中立情感態(tài)度的公眾最終都會消失，并且轉(zhuǎn)化為正面或者負面情感傾向，這與實際社會中的“人以類聚，物以群分”有很高的相似性。并且實驗1-a與1-c的結果類似，呈現(xiàn)出相同規(guī)律。當公眾的初始情感態(tài)度正面或者負面的比例為50%時，前期對人工智能持

第二，通過每組實驗對比可以發(fā)現(xiàn)，具有同樣情感態(tài)度的公眾逐步聚集，即在公眾瀏覽有關ChatGPT信息之后，彼此之間進行信息交流，持有同樣情感態(tài)度或類似情緒的人逐步集中起來。當每組實驗到后期，形成不同觀點的群體，公眾將自己在網(wǎng)絡上獲得的信息與周圍的網(wǎng)友們進行交流，公眾之間的信息持續(xù)地進行著互動，最后，意見一致的個體漸漸地集中起來，這就形成公眾對人工智能情感的聚集效應。實驗1-c的公眾持負向情感所占比重較多，這與現(xiàn)實生活中許多事件類似，例如“非洲豬瘟”疫情就引起了廣大公眾的恐慌，這一事件發(fā)生后引發(fā)了公眾大量的熱議，導致公眾對市場上的豬肉安全問題產(chǎn)生懷疑，對養(yǎng)豬業(yè)造成了巨大的損失。

第三，無論公眾的3種初始情感態(tài)度如何改變，隨著時間的發(fā)展，對人工智能持中立態(tài)度的人數(shù)在一開始出現(xiàn)小幅的上升，然后快速減少，在ChatGPT情感傳遞的早期全部消失。這表明公眾因為信息的缺乏以及認知水平的限制，很少有人可以一直保持著客觀、公平的態(tài)度。

圖8表示公眾初始情感對后期的情感傳遞影響圖，其中綠色為持正向情感態(tài)度的公眾，藍色為持負向情感態(tài)度的公眾，初始情感態(tài)度影響著整體情感傳遞的發(fā)展。

綜上所述，公眾初始情感態(tài)度影響著情感傳遞的整體發(fā)展，并且影響著后期網(wǎng)絡空間中不同觀點的公眾數(shù)量。

4.3.2? 實驗2：周圍鄰居影響力權重對情感傳遞的影響

周圍鄰居的影響力也會對公眾情感傳遞產(chǎn)生影響，即所謂的“羊群效應”，同時當一種情感影響略大時情感傳遞存在一定規(guī)律。因此，本組實驗令ω正+ω中+ω負=1，具體的實驗參數(shù)如表6所示：

（1）實驗2仿真示意圖。圖9為實驗2的仿真示意圖，圖10為實驗2最終人數(shù)占比。從圖中可以看出，實驗2-a與2-b結果類似，對人工智能持中立態(tài)度的公眾基本消失，在情感傳遞前期，持正面或者負面情感人數(shù)占比達到60%左右，并且出現(xiàn)了兩種情感聚合的現(xiàn)象。在情感傳遞后期，同樣對人工智能的情感態(tài)度全部轉(zhuǎn)變?yōu)閮煞N對立的情感，并且對人工智能持正面或負面情感的公眾占80%左右。從圖10可以看出，在人工智能情感傳遞的初期，持正面情感或者負面情感的公眾人數(shù)有小幅度的下降，而持中立情感的人數(shù)有所上升，隨著時間的發(fā)展，持中立情感態(tài)度的公眾基本消失。

（2）實驗2仿真結果分析。從上述兩個實驗可以看出，無論周圍鄰居影響力系數(shù)大小怎么設置，最終都呈現(xiàn)正面、負面兩種情感傾向的集聚效應，并且周圍鄰居的情感影響著公眾的情感傾向。具體表現(xiàn)為：

第一，將周圍鄰居對公眾的影響力設置為正面或者負面略大時，對公眾情感傳遞有顯著影響。說明公眾與周圍鄰居進行交流后，受鄰

居觀點影響而改變自己的觀點，如果周圍大部分鄰居對人工智能持正面情感態(tài)度，最后有80%的公眾對人工智能持正向的情感態(tài)度；反之，如果對人工智能持消極態(tài)度的鄰居較多，也會在情感傳遞過程中將周圍公眾影響成持負向情感態(tài)度。對人工智能持中立情感態(tài)度的公眾數(shù)量都在情感傳遞初期到最大值，從兩個實驗最終人數(shù)占比圖中可以看出，在情感傳遞第15次左右，持中立態(tài)度的公眾人數(shù)都急劇收斂至零。

第二，周圍鄰居對公眾影響力是決定觀點聚集效應的重要因素。當周圍鄰居的消極情感態(tài)度的影響權重稍大于另外兩個時，就會對其他公眾的態(tài)度變化產(chǎn)生明顯的影響，并在后期產(chǎn)生消極情緒的聚合結果；反之，當積極正面態(tài)度的影響權重稍大于另外兩個時，就會對其他公眾的態(tài)度變化產(chǎn)生明顯正面影響，并在后期產(chǎn)生積極情感的聚合結果。

圖11表示周圍鄰居情感影響力對后期情感傳遞的影響，其中綠色為持正向情感態(tài)度的公眾，藍色為持負向情感態(tài)度的公眾，周圍鄰居情感態(tài)度影響著整體情感傳遞的發(fā)展。

綜上所述，周圍鄰居影響力權重影響著情感傳遞的整體發(fā)展，并且影響著后期網(wǎng)絡空間中不同觀點的公眾數(shù)量。

5? 結論與政策建議/ Conclusion and policy recommendations

筆者以公眾對人工智能的認知與情感態(tài)度作為研究場景，采用機器學習算法收集和整理微博評論數(shù)據(jù)并利用文本挖掘的方法對其進行情感分析，利用元胞自動機模型建立公眾情感傳遞模型，探究公眾情感傳遞的影響機制。研究結果表明：①每個月份公眾對ChatGPT的認知與情感態(tài)度各不相同，公眾盡管對ChatGPT有負向評價，但是平均來看，還是以積極評價為主；②公眾初始情感態(tài)度與周圍鄰居影響力權重影響著情感傳遞的整體發(fā)展，并且影響著后期網(wǎng)絡空間中不同觀點的公眾數(shù)量。

根據(jù)上述得出的研究結論，筆者提出以下政策建議：①媒體在通用人工智能的大背景下，應該以公眾傾向的人工智能話題為主，多將客觀的報道釋放給大眾，使大眾以更加理性與客觀的態(tài)度對待人工智能，引導公眾積極探討。在發(fā)展初期，有關部門可以進行宣傳以及開展更有意義與針對性的科普活動，推動我國在人工智能領域的發(fā)展，并且創(chuàng)造良好的社會環(huán)境。②由于情感傳遞與公眾的初始情感密切相關。因此，在人工智能話題傳播的初期，相關職能部門應該進行適當?shù)男畔⑴都扒闆r說明，減少信息的不完整性及不對稱性，提高公眾對人工智能的正確認識。③周圍鄰居對公眾的影響力是決定觀點聚集效應的重要因素，因此，相關職能部門應該及時篩選有關謠言及不實信息，防止不實信息發(fā)酵，造成不良的社會影響以及負面觀點聚集，公眾也應當保持自己對人工智能的正確認知，維護良好的社會環(huán)境。

此外，盡管本研究為公眾對人工智能的認知與情感傳遞提供了更為多樣化的理論模型和研究思路，但也存在案例單一、影響因素設置較少等層面的缺陷和不足，后續(xù)研究可以通過設置更多的影響因素，進一步對公眾了解人工智能的理論與實踐發(fā)展進行研究。

參考文獻/References：

[1] 習近平. 全球安全倡議概念文件（全文）[EB/OL]. [2023-02-21]. https：//www.mfa.gov.cn/wjbxw_new/202302/t20230221_11028322.shtml. （XI J P. Global security initiative concept paper （full text）[EB/OL]. [2023-02-21]. https：//www.mfa.gov.cn/wjbxw_new/202302/t20230221_11028322.shtml.）

[2] 郭夢. 人工智能市場需求逐漸增加： 2023人工智能行業(yè)發(fā)展趨勢及現(xiàn)狀分析[EB/OL]. [2023-04-02]. https：//www.chinairn.com/news/20230328/104458763.shtml. （GUO M. Artificial intelligence market demand is gradually increasing： analysis of development trends and current situation of the artificial intelligence industry in 2023[EB/OL]. [2023-04-02]. https：//www.chinairn.com/news/20230328/104458763.shtml.）

[3] 何哲， 曾潤喜， 秦維， 等. ChatGPT等新一代人工智能技術的社會影響及其治理[J]. 電子政務， 2023（4）： 2-24. （HE Z， ZENG R X， QIN W， et al. The social impact and governance of new generation artificial intelligence technologies such as ChatGPT[J]. E-government， 2023（4）： 2-24.）

[4] ?；w， 于劍. 從ChatGPT看AI未來趨勢和挑戰(zhàn)[J]. 計算機研究與發(fā)展， 2023， 60（6）： 1191-1201. （SANG J T， YU J. ChatGPT： a glimpse into AIs future[J]. Journal of computer research and development， 2023， 60（6）： 1191-1201.）

[5] 羅傲， 賈萍萍， 張增一. 國外公眾對人臉識別技術的認知與態(tài)度——基于Twitter相關話題討論的質(zhì)性分析[J]. 北京理工大學學報（社會科學版）， 2023， 25（4）： 192-200. （LUO A， JIA P P， ZHANG Z Y. Public cognition and attitude toward facial recognition in social media—qualitative analysis of relevant discussion texts on twitter[J]. Journal of Beijing Institute of Technology （social sciences edition）， 2023， 25（4）： 192-200.）

[6] MARIA P， ANASTASIA M， NIKOLAOS B， et al. Perceived knowledge and attitudes of faculty members towards inclusive education for students with disabilities： evidence from a Greek University[J]. International journal of environmental research and public health， 2022， 19（4）： 2151.

[7] ALI R， JAWED S， BAIG M， et al. General public perception of social media， impact of COVID-19 pandemic， and related misconceptions[J]. Disaster medicine and public health preparedness， 2023， 17： e23.

[8] MILES B， SHAHAR A， JACK C， et al. the malicious use of artificial intelligence： forecasting， prevention， and mitigation[J]. arXiv preprint arXiv：1802.07228， 2018.

[9] 何薇， 張超， 任磊， 等. 中國公民的科學素質(zhì)及對科學技術的態(tài)度——2020年中國公民科學素質(zhì)抽樣調(diào)查報告[J]. 科普研究， 2021， 16（2）： 5-17， 107. （HE W， ZHANG C， REN L， et al. Chinese civic scientific literacy and their attitudes toward science and technology——main findings from the 2020 national survey of civic scientific literacy in China[J]. Studies on science popularization， 2021， 16（2）： 5-17， 107.）

[10] CHO S I， HAN B， HUR K， et al. Perceptions and attitudes of medical students regarding artificial intelligence in dermatology[J]. Journal of the European Academy of Dermatology and Venereology， 2021， 35（1）： e72-e73.

[11] STAI B， HELLER N， MCSWEENEY S， et al. Public perceptions of artificial intelligence and robotics in medicine[J]. Journal of endourology， 2020， 34（10）： 1041-1048.

[12] SUN M， HU W， WU Y. Public perceptions and attitudes towards the application of artificial intelligence in journalism： from a China-based survey[J]. Journalism practice， 2022， 21（3）： 102.

[13] 胡翼青， 朱曉穎.人工智能的“幻影公眾”——基于新聞從業(yè)者實證研究的考察[J]. 中國出版， 2018（19）： 15-21. （HU Y Q， ZHU X Y. Artificial intelligences “phantom public”—an investigation based on empirical research of journalists[J] China publishing journal， 2018（19）： 15-21.）

[14] BELANCHE D， CASAL? L V， FLAVI?N C. Artificial intelligence in FinTech： understanding robo-advisors adoption among customers[J]. Industrial management & data systems， 2019， 19（7）： 1411-1430.

[15] DING H L， KONG Y Q. Constructing artificial intelligence in the U.S. and China： a cross-cultural， corpus-assisted study[J]. China media research， 2019， 15（1）： 93-105.

[16] 郭珂靜， 張悅晨.“賽托邦”與“賽維坦”： 人工智能的媒介呈現(xiàn)——以人民日報與紐約時報的報道為例[J]. 青年記者， 2020（14）： 33-34. （GUO K J， ZHANG Y C. ‘Cytopia and ‘Sevitan： the media presentation of artificial intelligence – take the Peoples Daily and the New York Times as examples [J]. Youth journalist， 2020（14）： 33-34.）

[17] GOTTLIEB M， KLINE J A， SCHNEIDER A J， et al. ChatGPT and conversational artificial intelligence： friend， foe， or future of research？[J]. The American journal of emergency medicine， 2023， 70： 81-83.

[18] 劉禹良， 李鴻亮， 白翔， 等. 淺析ChatGPT：歷史沿革、應用現(xiàn)狀及前景展望[J]. 中國圖象圖形學報， 2023， 28（4）： 893-902. （LIU Y L， LI H L， BAI X， et al. A brief analysis of ChatGPT： historical evolution， current applications， and future prospects[J]. Journal of image and graphics， 2023， 28（4）： 893-902. ）

[19] 蒲清平， 向往.生成式人工智能——Chat GPT的變革影響、風險挑戰(zhàn)及應對策略[J]. 重慶大學學報（社會科學版）， 2023（3）： 102-114. （PU Q P， XIANG W. Opportunities and challenges aroused by ChatGPT as generative AI and strategy for response[J]. Journal of Chongqing University （social science edition）， 2023（3）： 102-114.）

[20] FATANI B. ChatGPT for future medical and dental research[J]. Cureus， 2023， 15（4）： e37285.

[21] SEDAGHAT S. Early applications of ChatGPT in medical practice， education and research[J]. Clinical medicine， 2023， 23（3）： 278-279.

[22] HUMPHRY T， FULLER A L. Potential ChatGPT use in undergraduate chemistry laboratories[J]. Journal of chemical education， 2023， 100（4）： 1434-1436.

[23] 劉天麗， 楊現(xiàn)民， 李康康， 等.社會公眾如何看待ChatGPT+教育？——基于國內(nèi)主流開放社區(qū)的文本分析[J]. 現(xiàn)代教育技術， 2023， 33（10）： 14-23. （LIU T L， YANG X M， LI K K. How does the public view ChatGPT+ education？——text analysis based on domestic mainstream open communities[J]. Modern educational technology， 2023， 33（10）： 14-23.）

[24] SHOUFAN A. Exploring students perceptions of ChatGPT： thematic analysis and follow-up survey[J]. IEEE Access， 2023， 11：38805-38818.

[25] 張智雄， 于改紅， 劉熠， 等.ChatGPT對文獻情報工作的影響[J]. 數(shù)據(jù)分析與知識發(fā)現(xiàn)， 2023， 7（3）： 36-42. （ZHANG Z X， YU G H， LIU Y， et al. The influence of ChatGPT on library & information services[J]. Data analysis and knowledge discovery， 2023， 7（3）： 36-42.）

[26] 沈正賦.社會風險視野中網(wǎng)絡輿情的生成、傳播及其信息治理——基于新冠肺炎疫情網(wǎng)絡信息的梳理與闡發(fā)[J]. 安徽師范大學學報（人文社會科學版）， 2020， 48（5）： 140-147. （SHEN Z F. The generation， dissemination and information governance of internet public opinions from the social risk perspective—based on the analysis of internet information of COVID-19 epidemic[J]. Journal of Anhui Normal University（humanities and social sciences）， 2020， 48（5）： 140-147.）

[27] 朱樂， 李秋萍， 朱燚丹.基于深度學習的“教育公平”網(wǎng)絡輿情分析[J]. 情報探索， 2020（6）： 40-47. （ZHU L， LI Q P， ZHU Y D. Network public opinion analysis of educational fairness based on deep learning[J]. Information research， 2020（6）： 40-47.）

[28] 張鑫， 田雪燦， 劉鑫雅.反復性視角下網(wǎng)絡輿情風險評估指標體系研究[J]. 圖書與情報， 2020（6）： 123-135. （ZHANG X， TIAN X C， LIU X Y. Research on the risk assessment index system of internet public opinion from the perspective of recurrence[J]. Library & information， 2020（6）： 123-135.）

[29] 傅麗芳， 裴城妍， 郭永瑞， 等.農(nóng)產(chǎn)品安全網(wǎng)絡輿情演化分析與導控策略[J]. 科學技術與工程， 2020， 20（7）： 2801-2809. （FU L F， PEI C Y， GUO Y R， et al. The evolution and guidance strategies for the online public opinion of agricultural products[J]. Science technology and engineering， 2020， 20（7）： 2801-2809.）

作者貢獻說明/ Author contributions：

王益君：提出研究方向與思路，確定選題，分析數(shù)據(jù)與撰寫論文；

董韻美：收集并處理數(shù)據(jù)，分析數(shù)據(jù)與撰寫論文。

The Public's Perceptions and Emotional Attitude Towards Artificial Intelligence： A Case Study on ChatGPT

Wang Yijun? Dong Yunmei

School of Public Administration， Xian University of Architecture and Technology， Xian 710055

Abstract： [Purpose/Significance] This paper aims to explore the public's perceptions and emotional attitude towards artificial intelligence and its transmission mechanism， which is of great significance to enrich research in artificial intelligence-related fields. [Method/Process] Taking ChatGPT as an example， text mining methods were used to collect Weibo comment data of public participation in this topic discussion and sentiment analysis was performed. On this basis， the cellular automaton model was used to simulate and explore the transmission mechanism of public's cognition and emotion towards artificial intelligence. [Result/Conclusion] The research conclusion show that： First， the publics discussion of ChatGPT on Weibo topic generally has a positive attitude. Second， the publics cognition and emotional attitude towards artificial intelligence are closely related to the their initial emotions and the influence weight of surrounding neighbors.

Keywords： ChatGPT? ? artificial intelligence? ? perceptions and emotional attitude? ? cellular automata

simulation

Fund project（s）： This work is supported by the Humanities and Social Sciences Planning Project of the Ministry of Education titled “Research on real-time monitoring and early warning methods of online public opinion risks for major public policy adjustments” （Grant No. 23YJAZH147）.

Author（s）： Wang Yijun， associate professor， PhD; Dong Yunmei， master candidate， corresponding author， E-mail： yunmeidong163@163.com.

Received： 2023-09-13? ? Published： 2024-02-20