AI漫剧从业者谈制作分工与创作能力
华西都市报、封面新闻采访中,制作企业负责人杨阳描述团队分工精简,白兔控股陈沛健强调审美与创意,OST传媒袁鹏主张用AI增强人的能力;教育者张立伟强调视听与剪辑功底。报道呈现的是受访者经验与判断,不能据此推算行业净就业变化。
AI与心理学
AI 怎样改变工作、教育、公共信任与社会关系?关注这些心理与行为影响,以及相应的伦理、制度与治理选择。
11 条精选近 30 天 5 条精选共收录 60 条
华西都市报、封面新闻采访中,制作企业负责人杨阳描述团队分工精简,白兔控股陈沛健强调审美与创意,OST传媒袁鹏主张用AI增强人的能力;教育者张立伟强调视听与剪辑功底。报道呈现的是受访者经验与判断,不能据此推算行业净就业变化。
Monday.com委托Nielsen调查了7国约1700名总监及高级管理者,过半受访者称采用AI后更难评估员工工作。这项商业委托调查基于受访者自报,不能据此认定AI造成了管理困难。
针对硅谷对学校日益加深的影响,《纽约时报》记者提出学生需要“科技公民素养”,以在AI等工具快速推进的背景下理解其价值与弊端。该观点来自Harvard Gazette的报道,原文未展开具体研究设计与证据。
加州大学伯克利分校数据科学教师表示,AI工具应补充而非取代他们教授的基本问题解决能力。伯克利新闻的报道介绍了AI正在如何改变该校的计算教育。
MIT 教授 Sherry Turkle 在新书《Artificial Intimacy》访谈中主张,聊天机器人不应使用第一人称“我”和“我”,并称疫情期间的访谈让她从好奇转向警觉。她认为“人类在环”常只是让流程听起来有人把关,实际决策已交给 AI;她也承认孤独者可能从中获得陪伴,但强调这不能替代人与人之间的相互照顾。
一篇发表于《自然·心理健康》的视角文章评估了AI治理中的青少年福祉政策,指出伦理框架与实际应用之间存在差距。文章建议采用文化响应式设计与创伤知情方法,以提升用户安全并有效回应发展需求。
晚点LatePost通过从业者访谈和任务体验,呈现机器人数据采集中的劳动分工。报道中的众包任务按有效采集时长计酬,参与者还需承担设备租金;分包环节和设备成本也会影响实际收入,任务报价并不等于净收入。
一份工作论文测量了2019至2026年美国STEM博士论文中的AI生成文本,2023年前未出现,2026年提交的论文中29%含AI写作,且比例快速上升。作者Daniel P. Gross、Dror Shvadron与Hansen Zhang还发现,同项目同届毕业生中,论文含AI写作者更少进入学术研究岗位、更多进入非终身教职或产业界,该模式在美国本土学生中最明显。应Daily Nous邀请,团队用Pangram对哲学论文做类似分析:2024年1.3%含AI写作,2025年升至7.8%,2026年已分析部分为11.1%。作者提醒,这些数字无法说明AI具体被如何使用。
2023年,Change.org 在其平台上线了一款 AI 辅助请愿起草工具。研究显示,使用该工具后用户的请愿文本发生了明显变化,彼此之间也变得更加相似;但请愿的整体结果并未改善,这体现出 AI 融入线上倡导社群存在局限。
美国博物馆智库 Remuseum 发布报告《AI 人性化博物馆的五种方式》,由创始主任 Stephen Reily 撰写,以七家美国大型艺术博物馆的案例介绍 AI 在访客沟通、策展、筹款、藏品记录与艺术阐释等方面的应用。博物馆研究学者 Sarah Cook 认为,报告虽实用,却回避了 AI 带来的岗位流失、数据归属与伦理法律等复杂问题。
针对领导如何认知与回应下属人机协作,一项研究基于双系统加工理论提出三项相互关联的研究设计。研究分别考察领导的“冷”反应模式(动机归因与未来影响感知引发发展与变革导向行为)和“热”反应模式(相对剥夺感促发报复性无礼行为),并从动态视角比较不同反应对人机协作可持续性的影响。研究指出,现有研究多聚焦员工视角,且存在领导高估下属人机协作绩效与行为者视角客观绩效提升之间的悖论。
多伦多大学哲学家、Ergo 联合创始人 Jonathan Weisberg 认为,LLM 若冲垮期刊体系,失去的只是沉重枷锁和本就糟糕的简历评估捷径。他主张借此机会彻底改写学术“计豆”经济,因为阅读、思考、写作与同行交流并不依赖出版商和传统同行评审。卡内基梅隆数学家 Wes Pegden 则提出以“深度报告”衡量数学才能,作者追问这一标准能否适用于哲学。
皮尤研究中心调查显示,约半数美国成年人从不使用聊天机器人。多数非使用者的理由是不感兴趣,或对隐私和准确性有所顾虑。
针对员工如何在AI求助与同事求助之间进行策略性配置,研究提出“人际导向”理论框架,区分以追求人际收益为目标的“人际促进型AI求助策略”和以规避人际风险为目标的“人际防御型AI求助策略”。研究进一步从概念内涵与测量、形成机制、求助者后果和同事反应四方面展开构想,预期将职场求助研究拓展到求助者、AI与同事的三元关系。
MIT 统计与数据科学中心主任 Sasha Rakhlin 在一篇新文章中梳理 AI 对学术界的影响,聚焦数学、统计、机器学习与工程领域的研究生科研与教育。他指出,验证速度与可靠性决定 AI 在某一学科的进展快慢,论文作为个人专业能力信号正在变弱,院系需重新思考奖励什么。他主张大学应保持一定技术独立性,并建设共享 AI 研究基础设施,以捕捉假设、失败与解读等未发表的知识。