Анализ негативного отношения к ИИ и эффекта «зловещей долины»

Данные опросов: мнения общественности и экспертов
Опрос Pew 2025 года показал, что 76% экспертов по ИИ заявили, что ИИ принесёт им личную пользу, в то время как среди населения США так считали только 24%. Общественность гораздо чаще говорила, что ИИ принесёт им вред, а не пользу.
Негативные настроения, по-видимому, растут. Quinnipiac в марте 2026 года обнаружил, что 55% американцев считали, что ИИ принесёт больше вреда, чем пользы в их повседневной жизни, по сравнению с 44% в апреле 2025 года. Тот же опрос показал, что 64% считают, что ИИ принесёт больше вреда, чем пользы в образовании.
Причины враждебности общественности
- Мошенничество
- Дезинформация
- Вторжение в частную жизнь
- Концентрация власти
- Вытеснение рабочих мест (что имеет эмоциональный вес, угрожая статусу, средствам к существованию и социальной полезности)
Концепция «зловещей долины»
Масахиро Мори представил концепцию «зловещей долины» в 1970 году, изначально описав, как трупы и зомби находятся глубоко в этой долине. Исходный график напрямую связывал человеческое сходство с отвращением, как только сходство переходило в нечто кажущееся одушевлённым, но безжизненным.
Современная литература предлагает несколько объяснений, почему происходит это падение симпатии, включая:
- Несоответствие
- Неоднозначность категории
- Нарушение ожиданий
- Отвращение
- Механизмы, связанные с угрозой
Как ИИ вызывает зловещие реакции
ИИ теперь появляется в формах, которые провоцируют человеческие ожидания в повседневной жизни:
- Текст, который звучит как разговорный
- Голоса, которые звучат естественно
- Изображения и видео, которые почти проходят проверку
- Агенты, имитирующие компетентность, память, инициативу или эмпатию
Несоответствие — самое сильное базовое объяснение. ИИ подаёт сигналы, которые вызывают человеческие социальные ожидания, а затем не может надёжно их удовлетворить:
- Естественный язык вызывает ожидания понимания
- Тёплый тон вызывает ожидания заботы
- Реалистичное видео вызывает ожидания подлинности
- Агентное поведение вызывает ожидания суждения и компетентности
Исследования повторного воздействия
Некоторые работы по повторному взаимодействию с роботами предполагают, что зловещность может уменьшаться с привыканием в определённых контекстах. Знакомство может снизить испуг, оставляя более устойчивое ощущение, что категория ненадёжна. Это особенно хорошо подходит для ИИ, потому что люди сталкиваются со многими версиями одного и того же почти человеческого паттерна в разных модальностях.
Механизмы отвращения и опасности
Исследование 2025 года о виртуальных агентах явно формулирует выводы в терминах гипотезы избегания патогенов. Муса и Уд-Дин утверждают, что одного избегания патогенов слишком узко, потому что даже свежий труп может вызвать сильное отвращение до появления видимого разложения. Их предложение заключается в том, что «зловещая долина» отражает систему избегания опасности в более общем смысле.
ИИ часто представляет почти человеческую аномалию, которая может соответствовать этому объяснению: он говорит уверенно без понимания, демонстрирует социальную беглость без удовлетворения условий, которые делают человеческие социальные сигналы заслуживающими доверия. Это несоответствие может задействовать процессы отвращения или обнаружения опасности, даже когда стимулом является текст, голос или видео, а не буквальное тело.
📖 Read the full source: HN AI Agents
👀 Смотрите также

Первый шаг к ИИ общего назначения: преодоление разрыва с ClawDBot
Изучите, как ClawDBot продвигает нас к общему искусственному интеллекту (AGI), совершенствуя AI-агентов по программированию, демонстрируя важный шаг в эволюции ИИ.

Запуск Claude Code v2.1.214: трассировка OTel, исправления разрешений, инструмент EndConversation и защита Docker
Anthropic выпустила Claude Code v2.1.214 с критическими исправлениями разрешений для Bash и PowerShell, новыми атрибутами OpenTelemetry, запросами подтверждения для Docker и инструментом EndConversation для работы с нарушителями.

Nvidia Nemotron 3 Super: Модель с 120 миллиардами параметров и 12 миллиардами активных при выводе.
Модель Nvidia Nemotron 3 Super имеет 120 миллиардов общих параметров, но активирует только 12 миллиардов во время вывода, достигая знаний модели на 120 миллиардов параметров примерно по вычислительной стоимости модели на 12 миллиардов благодаря эффективной маршрутизации, а не сжатию.

AI написал PHP-движок на Rust, прошел 17% тестов PHP-src, отображает WordPress
Phargo — это написанный с нуля интерпретатор PHP на Rust, созданный полностью ИИ. Он проходит 3 844 из 22 037 тестов (17,4%) и отображает страницы WordPress из SQLite.