Анализ негативного отношения к ИИ и эффекта «зловещей долины»

✍️ OpenClawRadar📅 Опубликовано: 20 апреля 2026 г.🔗 Source
Анализ негативного отношения к ИИ и эффекта «зловещей долины»
Ad

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
Ad

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

Ad

👀 Смотрите также

Открытый стандарт записей выполнения агентов: аргументы в пользу единой схемы журнала
Новости

Открытый стандарт записей выполнения агентов: аргументы в пользу единой схемы журнала

Каждая среда выполнения агента использует собственный формат журналов, что приводит к фрагментации при отладке, аудите и переносе инструментов. Существующие поля уже сходятся к общей схеме — пришло время стандартизировать.

OpenClawRadar
SubQ: Первая полностью субквадратичная LLM с 12-миллионным контекстом и 95% точностью RULER
Новости

SubQ: Первая полностью субквадратичная LLM с 12-миллионным контекстом и 95% точностью RULER

Subquadratic запускает SubQ 1M-Preview — субквадратичную LLM с линейным масштабированием вычислений, контекстом в 12 млн токенов, разреженным вниманием в 52× быстрее FlashAttention и точностью 95% на RULER 128K. Доступна через API, CLI код-агент (SubQ Code) и поисковый инструмент (SubQ Search).

OpenClawRadar
🦀
Новости

Opus 4.7 может следовать ~500 инструкциям, по сравнению с ~150 год назад

Исследование, обновленное в мае 2026 года, показывает, что Opus 4.7 может надежно следовать примерно 500 инструкциям, по сравнению с примерно 150 в июле 2025 года. GPT-5.5 справляется примерно с 5000. Последствия для размера файла CLAUDE.md.

OpenClawRadar
Клод Код внезапно становится осторожным, запрашивая разрешение на рутинные задачи
Новости

Клод Код внезапно становится осторожным, запрашивая разрешение на рутинные задачи

Пользователь сообщает, что Claude Code периодически переключается с автономного выполнения на запрос чрезмерных разрешений даже для ежедневных, неизменных рабочих процессов, таких как пересборка монорепозитория и запуск тестов.

OpenClawRadar