人际亲密度与人类和人工智能体对颜色感知任务的社会影响相关

介绍

由于人工智能（AI）和机器人技术的最新进展，人工智能（如机器人）变得越来越复杂。随着技术的不断进步，这种人工智能体将继续更加深入人类社会。随着人工智能、机器人和其他此类技术进步在人类社会中的作用越来越明显，考虑它们的社会影响可能对人类行为产生的影响是很有价值的。

“社会影响”是指来自周围个体的内隐或外显影响，长期以来一直是社会心理学领域的研究对象(Cialdini和Goldstein，2004年). 在这一领域引起相当大兴趣的社会影响的一个例子是从众现象。以前的许多实验表明，参与者的反应与其他人的行为和言论一致，即使是在执行极为简单的任务时，他们也应该能够不费太大力气就正确回答(Asch，1951年;Germar等人，2014年). 例如，Asch（1951年）研究表明，当一名参与者看到三条几何线并被要求回答哪条线与参考线长度相等时，当其他参与者（实际上是同盟者）都选择了错误的答案时，该参与者更容易出错，尽管错误线的长度与参考线的长度明显不同。Germar等人（2014）利用颜色感知任务进行了一项类似的研究，参与者被要求选择双色图片的主要颜色。虽然主导颜色很容易观察到，但当联盟成员都选择了错误的答案时，参与者更容易出错。除了研究人类因素的影响外，一些研究还调查了人类是否会遵守人工因素的建议或决定(贝克纳等人，2016年;Gaudiello等人，2016年;Shiomi和Hagita，2016年). 有趣的是，其中一些研究表明，人工制剂确实可以使人类在某些条件下顺应环境(Gaudiello等人，2016年)。

然而，我们也知道，与人类对人工因素的反应相比，人类对人工制剂的顺应程度相当弱(贝克纳等人，2016年;Shiomi和Hagita，2016年). 因此，为了增强人工智能的社会影响力，有必要研究与人类社会影响力相关的心理因素。这种先前尝试的一个例子是赫兹和威斯（2016）其中，作者假设代理人的人性水平可能会对从众产生影响。为此，他们执行了一项Asch线判断任务(Asch，1951年)有三种类型的代理——人类、计算机和人形——所有这些都通过屏幕呈现给参与者。然而，他们的结果表明，代理人的人性并不影响参与者的一致性水平。此外，Gaudiello等人（2016）调查对机器人的消极态度和控制欲是否与从众相关；再次，这两个变量被发现没有关系。除了这些研究之外，目前很少有有希望的指标来量化心理因素，以预测人工智能的社会影响。

检查与人工智能体的社会影响相关的心理因素的一个可能的替代方法是检查此类智能体与人类之间的心理亲密度。以前已经证明，人和代理人之间的行为同步可以诱导人更符合代理人的建议或要求(Paladino等人，2010年;Wiltermuth，2012年). 此外，研究Aron等人（1992）研究发现，同步度与自我（IOS）量表中的他人包容度密切相关，IOS是一种评估感知到的人际亲密度的测量工具。然而，他们的研究并没有检验IOS量表和一致性之间的直接联系。鉴于行为同步性和从众之间的联系，我们假设感知到的人际亲密度（通过IOS量表测量）可能是从众的预测因素。

我们还评估了其他心理指标，以探讨是否有其他顺应性预测因子，即双重信任量表(Larzelere和Huston，1980年)和Godspeed调查问卷(Bartneck等人，2009年). 前一个量表评估人际关系背景下的信任，而后一个问卷评估参与者如何感知机器人的拟人性、动感、可爱性、智能和安全性。尽管赫兹和威斯（2016）认为拟人化不太可能与社会影响有关，社会影响可能与人类感知机器人的其他方面有关。

在本研究中，我们试图揭示增强人工智能社会影响的关键心理因素。为此，我们进行了一个类似于Asch的实验Germar等人（2014）其中，参与者被指示与代理人（人类联盟、计算机或android）一起识别双色图像的主要颜色。代理偶尔会故意出错（例如，当图像中明显含有更多橙色时，回答“蓝色”），这使我们可以检查参与者的答案是否与他们的伙伴代理的答案一致。实验结束后，参与者接受了上述两份问卷调查，以确定哪些因素可以预测他们的一致性。通过逐步回归，我们检验了哪些心理因素最能预测参与者在这种情况下表现出一致性的可能性。

材料和方法

参与者

通过在社交网络服务上张贴登记表来招募参与者。共有44名参与者参与了实验（26名男性，18名女性；平均年龄：20.5岁，标准差：1.5）。其中，15名参与者与安卓系统（android Condition）交互，15名与电脑（computer Condition，计算机条件）交互，14名与人类（human Condition（人类条件））交互。所有参与者在实验前提供了书面知情同意书，该同意书得到了大阪大学工程科学研究生院的批准。

措施

我们评估了三种心理测量方法，即自我量表（IOS）、双重信任量表和Godspeed问卷。IOS是一个单项测量。人际亲密度通过代表自我和他人的两个圆圈的重叠程度来表示。要求参与者从七个不同重叠程度的数字中选择一个。Dyadic信任量表采用七点Likert量表进行评估，其Cronbachα为α=0.81。Godspeed问卷由五类组成，本研究的克朗巴赫α值分别为：拟人化α=0.88、动物性α=0.81、好感度α=0.80、智力α=0.83和安全性α=0.79。每一项都用利克特五分量表进行了调查。

刺激

为实验准备了双色蓝色和橙色图片，由随机排列的蓝色和橙色像素组成。图片中橙色像素的比例各不相同（46,50,54%）。对于每个比例，生成了四张不同的图片，因此总共生成了12张不同的照片。这些颜色和比例与之前研究中使用的图片相匹配Germar等人（2014）使用软件将图片显示在大屏幕上，以控制精确的持续时间并随机化其出现顺序。

我们为实验准备了三个代理：android（图1)，计算机（图2)和人类（图3). 在Android Condition中，我们使用了Geminoid-F，这是一款外观非常人性化的女性机器人。对于计算机条件，使用了Bose无线扬声器和Logitech网络摄像头的组合。网络摄像头被设置为充当电脑的眼睛，尽管它实际上什么也没做。《人类状况》招募了两名有表演经验的女性联盟成员。这种情况是在两天内进行的。第一天，六名参与者与其中一名联盟成员互动，第二天，八名参与者与另一名联盟伙伴互动。机器人和电脑经过编程，对于每种类型的图片（每种四张），他们会回答两次“橙色占主导地位”和两次“蓝色占主导地位。”。发声采用文本到语音系统。人类联盟被指示根据屏幕上嵌入的一个秘密提示来回答这个问题，就在他们被要求回答主导颜色之前，屏幕上给出了这个提示。这些提示被给出，以便他们匹配安卓和计算机条件的程序响应。完成颜色感知任务后，参与者被问及是否注意到了提示。没有一名参与者检测到这些秘密线索的存在。

图1Android条件。

图2.计算机状况。扬声器安装在椅子上，摄像头安装在靠背上。

图3.人类状况。参与者在左边，女性联盟成员在右边。发布这些图像时，获得了所描绘个人的书面知情同意。

在整个实验过程中，这个人类联盟机器人和机器人一直盯着屏幕，没有与参与者进行任何眼神接触。面部和身体运动仅限于眨眼和轻微颈部运动，保持基本外观。特工们的话语统一为“蓝色/橙色占主导地位”

实验程序

在知情同意后，参与者完成了颜色感知任务，每个参与者分为四个阶段：两个阶段与一名代理人一起进行，两个阶段单独进行。实验一次由一名参与者和一名代理人进行。

对于Android条件和计算机条件，一名参与者被邀请进入实验室。这些代理被介绍为具有具有颜色感知能力的人工智能。对于《人类状况》，参与者和联盟成员一起进入房间，联盟成员扮演另一个不知道会发生什么的参与者的角色。然后，参与者（和同盟者）被要求观看每节课的12张双色图片，并在被要求时陈述每一张的主色。当与代理一起执行任务时，会显示一个固定十字架，参与者被告知集中注意力在屏幕上，仔细检查这张双色图片，因为它只会显示1.5秒。当程序问到“你认为主要颜色是什么？”代理首先回答。然后程序要求参与者回答“你怎么样？”参与者回答后，程序要求参与者将注意力集中在下一次试验的屏幕上，并说“现在将显示下一张图片。请看屏幕。”然后，重新开始上述程序，从固定十字开始，直到循环重复12次。

当参与者单独执行任务时，使用了一个类似的程序，并进行了一些修改。图片显示后，显示了两个复选框，一个标记为“橙色”，另一个为“蓝色”，还有一个标记“NEXT”的按钮。使用鼠标，参与者首先被指示标记他或她认为是主要颜色的复选框，然后按“下一步”按钮再次启动序列。这个循环也重复了12次。

为了促进参与者对任务的理解，在开始实验试验之前，实验者与参与者一步一步地完成了上述程序。一旦参与者理解了这个过程，实验会话（与代理和单独）将交替执行，会话的顺序在参与者之间平衡。在所有四次会议之后，参与者接受了问卷调查（IOS量表、Godspeed问卷）。

数据分析

我们评估了参与者在任务期间的反应差异。当显示模糊的图片（橙色比例为50%）时，我们统计了参与者将自己的答案与代理人的答案匹配的次数，并比较了他们在两种颜色下的反应差异。我们还比较了他们犯的错误数，以确定即使在很难出错的任务中，社会影响是否存在。在这里，我们将错误定义为参与者的回答与代理在查看明确图片时的错误回答一致的次数（橙色比例为46或54%）。然后，我们计算了参与者在观察模糊图片时匹配代理答案的总次数以及错误，并检查了这个数字与IOS量表和Godspeed问卷这两个量表的关系。

结果

图4显示参与者在观看模糊图片时的反应。A 2（代理的反应：蓝色vs.橙色）×3（代理：安卓vs.计算机vs.人类）方差分析显示，参与者对代理提到的不同颜色的反应存在显著差异。当代理人回答“橙色”时，与代理人回答“蓝色”时相比，参与者更可能回答“橙色[F类_{(2, 41)}= 6.71,第页< 0.05]. 未发现药剂类型以及颜色和药剂之间的相互作用的主要影响。

图4参与者对模糊图片的反应。纵轴表示参与者回答“橙色”的次数比率。横轴对应于代理的类型。蓝色条表示代理回答“蓝色”的时间，橙色条表示代理答复“橙色”的时间。

图5显示明确试验的错误率。A 2（情境：Agent，Alone）×3（Agent：Android，Computer，Human）混合方差分析揭示了Agent与Alone的主要影响[F类_{(2, 41)}= 9.9,第页<0.01]，表明参与者在与代理人一起执行任务时比单独执行任务时更容易出错。对药剂类型或跨因素的交互作用没有主要影响。

图5。跨条件的错误率（代理类型，有/无代理）。这里，错误率是指参与者未能区分双色图像的主要颜色的次数，双色图像中橙色像素的比例为46%或54%。横轴显示代理的类型。红色条显示了与代理进行会话时的错误率，而黑色条显示了单独执行会话时的出错率。

最后，我们通过逐步回归检验了哪种量表最能预测一致性反应的数量，其中IOS量表、二元信任量表和Godspeed问卷被作为自变量，一致性反应数量被作为因变量。结果显示，使用IOS量表的模型[F类_（2，42）= 8.59, β = 0.52,第页<0.01]最佳预测一致响应的数量（表1)。

表1心理因素预测与代理人的一致性。

讨论

本研究发现，感知到的人际亲密度（由IOS量表测量）是预测参与者对代理答案认同程度的主要心理因素。这一结果与之前的研究一致，该研究证明了对他人的感知亲密度与行为同步性以及从众与同步性之间的关系(Paladino等人，2010年). 重要的是，我们的研究揭示了感知到的人际亲密度和从众之间的直接关系，从而为这个谜团增添了最后一块。

此外，我们的结果表明，无论代理人的类型如何，参与者都同样可能遵从代理人的反应。当显示不明确的图片时，参与者的反应与代理人的反应相对应（图4)当代理人故意犯错时，参与者在明确的试验中也更有可能犯错（图5). 这些结果表明，显性人性与社会影响几乎没有或根本没有联系。这些结果进一步证实了赫兹和威斯（2016）发现代理人的人性并不影响从众程度。然而，与赫兹（Hertz）和威斯（Wiese）的研究相反，在当前的研究中，所使用的机器人类型和显示代理的方式有所不同。在赫兹和威斯的研究中，使用了一个机械外观的机器人，所有代理都显示在屏幕上，而不是与参与者共享同一空间。因此，我们的结果扩展了他们的研究，揭示了即使与代理人关系密切，从众也不依赖于人性。事实上，令人惊讶的是，计算机——一个具有极简外观的代理——的效果与其他两个更复杂的代理没有区别。鉴于扬声器型代理在当前时代越来越流行（例如，Amazon Echo、Google Home、Apple HomePod），有必要调查这些代理对用户行为的影响程度。

在本研究中，尽管观察到了显著差异，但当参与者单独参与时，错误率约为2%，而有代理人时为6%，这表明社会影响并没有产生非常强大的影响。所罗门等人最近对一致性和机器人的研究表明，当机器人在决策任务中出错时，人类不太可能遵从机器人的反应(Salomons等人，2018年). 在本实验中，代理多次出现明显错误。可能是这些持续的错误导致参与者对代理的回应不太遵从。

本研究还为我们如何提高错误率提供了建议，即通过增加感知到的人际亲密度和/或在颜色感知任务之前建立行为同步性。先前的研究已经指出，人类不仅对其他人类表现出行为同步性(中野和北泽，2010年)，但也面向android(Tatsukawa等人，2016年). 此外，这些研究表明，添加一种使人类对机器人的态度产生偏见的方式（例如，凝视、触摸）可以改变同步的程度(Tatsukawa等人，2016年). 因此，如果我们在本实验之前引入其他形式，我们可能能够建立更强的行为同步性，反过来，我们可以观察到与代理人的答案更一致。同样，我们也可以尝试加入一种互动，以增强参与者与机器人之间牢固联系的感觉，目的是增加感知到的人际关系亲密度。Bickmore和Picard（2005）已经开发了许多在人机交互环境中建立关系的策略，这些策略对于人机交互也可能有用。我们将在未来进一步努力证实这些假设。

诱发错误可能需要一些特殊处理。然而，从最近的一项研究中获得的启示表明，当涉及到引导某人得出正确答案时，代理人的话语可能会产生强烈的影响。Ullrich等人复制了Asch的实验范式，用机器人取代了四个邦联中的一个(Ullrich等人，2018年). 他们已经表明，当只有机器人做出正确的回答时（其他三个同盟者选择了错误的答案），参与者的正确选择率高于只有一个人类同盟者选择正确答案的时候。这意味着机器人在某些条件下比人类更值得信赖。值得研究的是，哪种类型的代理人对正确答案的产生影响最大，以及哪种心理因素最能预测这种影响的强度。

最后，本研究结果有助于开发能够更有效地执行社交任务的机器人。一项研究中可以看出一种可能的应用Watanabe等人（2014），他在一家百货公司进行了一项实地实验，以确定人们是如何看待他们与机器人的对话的。有趣的是，他们的发现表明，人们觉得机器人是一个类似人类的实体，即使他们的互动能力有限。因此，如果这种机器人能够发挥更强大的社会影响力，我们也许能够加强它们被视为社会实体的程度，从而使人们能够接受机器人作为我们的社交伙伴。

总之，本研究调查了参与者的从众程度与两种心理量表（IOS量表和Godspeed问卷）的关系。我们进行了一个类似Asch的实验，发现代理人，无论其类型如何，都可以在一定程度上施加社会影响。更重要的是，感知到的人际亲密度与参与者的反应和代理人的反应之间的一致性水平呈正相关。在未来的研究中，我们将寻求扩大这些发现，并设计一种方法来加强机器人对人类的社会影响。

作者贡献

KT、HT、YY和HI设计了该研究。KT进行了研究。KT进行了分析。KT、HT和YY写了手稿。

基金

这项工作得到了日本科学技术署（JST）的支持；先进技术探索性研究（ERATO）；ISHIGURO共生人机交互项目（JPMJER1401）；日本教育、文化、体育、科学和技术部（MEXT）；以及创新领域科学研究资助项目“认知交互设计，基于模型的沟通理解及其在人工制品设计中的应用”（No.4601）（No.15H01618）。

利益冲突声明

作者声明，该研究是在没有任何可能被解释为潜在利益冲突的商业或金融关系的情况下进行的。

工具书类