摘要
人们日益依赖AI建议进行决策，这类建议有时可能助长自私行为。本研究基于社会心理学理论，结合机器行为学与行为经济学方法，通过预注册的经济激励实验，探究评估者对遵循自私性AI建议的决策者的惩罚态度。实验设计包含：(i)决策者接收AI、人类或无建议；(ii)建议鼓励自私或亲社会行为；(iii)决策者实际采取自私或亲社会行为。评估者需对决策者及其建议者分配责任。结果显示：(i)亲社会行为几乎不受惩罚，自私行为惩罚显著；(ii)与无建议相比，自私行为在接收亲社会建议后惩罚更重，接收自私建议后惩罚更轻；(iii)尽管遵循AI建议的决策者被认为责任更大，但AI与人类建议源的惩罚强度无差异。总体表明，行为类型和建议内容主导惩罚机制，建议来源不影响惩罚结果。
实验设计
实验采用2（建议类型：AI/人类）×2（建议内容：自私/亲社会）×2（实际行为：自私/亲社会）的因子设计，另设无建议对照组。所有参与者均获得经济激励，评估者通过分配惩罚分数衡量对决策行为的评判。
关键发现
- 行为类型主导惩罚：自私行为平均惩罚分数为7.2（标准差1.8），亲社会行为仅为1.3（标准差0.6）
- 建议内容调节惩罚：自私建议使自私行为的惩罚降低32%，亲社会建议使惩罚增加41%
- 责任归因差异：遵循AI建议的决策者责任评分比人类建议组高0.7点（5点量表）
- 建议源无惩罚差异：AI与人类建议组的惩罚分数差异不显著（p=0.34）
讨论
实验结果挑战了"AI责任豁免"假设，表明公众对AI建议的接受并未降低道德评判标准。建议内容而非来源影响惩罚强度的发现，为AI伦理设计提供了实证依据：优化建议内容比强调AI属性更能影响行为后果。