问题：随着人工智能更快进入生产与日常生活，美国社会围绕它“能做什么、该做什么”的讨论持续升温。哥伦比亚广播公司新闻频道发布的民意调查显示，公众态度并非简单支持或反对，而是按应用场景划出边界：对低风险、存感较弱的事务更愿意尝试；对可能带来直接后果的关键决策环节则更谨慎，甚至抵触。 原因：从调查涉及的任务类型看，受访者更能接受人工智能用于校对文字、在线搜索等事务性工作。这类任务更像效率工具，容错空间相对更大，出现偏差也更容易纠正，对个人权益的影响通常较间接。相较之下，医疗诊断、税务申报、资金管理以及车辆驾驶等事项关联健康安全、财产利益与法律责任，一旦出错可能造成难以挽回的损失。另外，人工智能仍处于快速迭代阶段，算法透明度、数据来源合规性、责任如何界定等问题尚未完全清晰，深入抬高了公众对高风险应用的心理门槛。有一点是，不同年龄群体的看法差异并不明显，说明这种谨慎并非主要源于代际差异，更像是对风险属性的共同判断。 影响：一上，民调反映出“按场景接受”的共识正形成：公众愿意让技术承担重复、标准化、可复核工作，但不愿轻易把涉及生命、资产和法律后果的决定权交给它。此倾向将影响产品落地的先后顺序与企业竞争策略——低风险、可解释、易纠错的应用更可能先扩展覆盖面。另一上，就业焦虑成为影响舆论的重要因素。调查显示，多数受访者认为人工智能将减少美国可获得的工作岗位。类似担忧技术扩散早中期较常见：企业用工具提升效率、压缩成本时，岗位调整往往先发生，而新的职业需求形成需要时间，劳动者对短期不确定性的感受更强。与此同时，公众对人工智能企业能否确保技术被“适当使用”的信心不足，也凸显了对企业自律与商业压力之间矛盾的担心：在竞争加速、资本推动、产品快速上线的环境下，安全审查、偏差治理与隐私保护是否会被同等对待，成为影响信任的关键。 对策：民调还显示，在政府角色上，更多受访者倾向于通过政策限制人工智能使用，而非鼓励推广。这一取向与就业冲击预期、对企业信任不足相互叠加，反映出公众更看重安全底线与规则供给。面向未来治理，可从三上着力：其一，推进分级分类监管，针对医疗、金融、交通等高后果领域建立更严格的准入、审计与责任追溯机制，明确“谁开发、谁负责”“谁部署、谁担责”。其二，提高透明度与可解释性要求，完善数据合规、模型评测与第三方审查，减少“黑箱”带来的不确定性。其三，同步推进就业与技能政策，通过职业培训、转岗支持与社会保障工具缓冲结构性调整压力，让技术进步更多转化为生产率收益，而不是加剧社会焦虑。 前景：调查还显示，美国公众自报使用人工智能的比例较去年上升，增量覆盖不同年龄、教育和族群，且主要集中在个人用途而非工作场景。这表明技术扩散仍在加速，但社会接受更倾向从日常、低风险应用切入，逐步形成对工具能力与边界的“使用经验”。可以预期，未来一段时间，围绕高风险场景的监管制度、责任体系与行业标准，将成为决定技术能否进一步进入关键领域的核心变量；而能否在效率提升与安全、公平、隐私底线之间取得平衡，将直接影响公众信任修复的速度。
这份民调提示人们，人工智能在社会中的角色并非“替代或不替代”的二选一，而是与风险等级、责任体系和公共信任紧密相连的系统问题。越是涉及生命健康、财产安全与公共秩序的领域，越需要用制度确定性来对冲技术不确定性。能否在促进创新与守住底线之间找到平衡，将决定这项技术最终带来的，是更广泛的效率提升，还是更难化解的社会焦虑。