研究：女性因伦理担忧更少使用生成式人工智能

牛津大学研究发现，女性使用生成式人工智能的概率显著低于男性。原因并非技能不足，而是她们更担忧人工智能可能对就业、隐私、心理健康及整个社会产生的负面影响。

作为未经授权的深度伪造内容的主要受害者，过去七年间女性始终站在反对生成式人工智能争议性应用的前沿，近期更取得若干重大胜利。

然而牛津大学新研究指出，这种对女性担忧的认知过于片面。研究发现女性使用各类生成式AI的频率普遍低于男性，原因并非资源获取或技能差距，而是她们更倾向于认为AI会损害心理健康、就业机会、隐私权及环境。

论文指出：

"基于[2023-2024年]英国全国代表性调查数据，我们证实女性采用生成式AI的频率远低于男性，根源在于对社会风险的认知差异。

"我们构建的综合指数涵盖心理健康、隐私保护、气候影响及劳动力市场冲击等维度，该指数解释了9%-18%的使用差异，并成为所有年龄段女性用户最显著的预测指标——其影响力甚至超越了年轻女性的数字素养和教育水平。"

研究人员指出，最显著的差距出现在年轻且精通技术的用户群体中——他们对人工智能的社会风险表示强烈担忧，个人使用率的性别差异超过45个百分点：

在高频使用生成式人工智能方面，性别差距最大的群体是那些数字技能高超、同时对心理健康、气候、隐私和就业市场风险表示强烈担忧的女性。而对人工智能社会影响持乐观态度的群体中，性别差距最小。来源

通过在合成双胞胎面板中比较连续调查波段的相似受访者，研究发现当年轻女性对人工智能社会影响的乐观度提升时，其生成式人工智能使用率从13%跃升至33%，显著缩小了性别差距。 在担忧气候危害的群体中，生成式AI使用率的性别差距扩大至9.3个百分点；而在忧虑心理健康危害的群体中，该差距更扩大至16.8个百分点。这种变化并非源于男性使用率上升，而是女性使用率显著下降所致。

作者指出一种与性别相关的独特文化效应*：

"总体而言，女性展现出更强的社会同理心、传统道德关切及对[公平]的追求。而道德与社会关切已被证实会影响技术接受度。

"教育领域关于生成式AI的新兴研究表明，女性更倾向于将课程作业中使用AI视为不道德行为，等同于作弊、助长剽窃或传播虚假信息。

"对社会公益的高度关注，或许能部分解释女性采用生成式人工智能的比率较低。"

作者认为研究中观察到的女性视角具有合理性：

‘[女性]对环境、社会及伦理影响的高度敏感性具有合理性：当前生成式人工智能系统存在显著的能源消耗需求、不平等的劳动力实践，以及已被充分记录的偏见与虚假信息风险。

"这表明缩小性别差距不仅需要转变认知，更需改进底层技术。通过激励低碳模型开发、强化偏见与福祉损害防护机制、提升供应链及训练数据实践透明度的政策，既能解决合理担忧，又能确保女性的风险意识推动技术进步而非成为应用障碍。"

研究者进一步指出，尽管本研究清晰揭示了采用率差距，但其结论在英国以外地区可能更为显著——该研究正是在英国开展的。

题为《女性担忧，男性采用：性别认知如何塑造生成式人工智能使用》的新论文，汇集了牛津互联网研究所、比利时新经济思维研究所及柏林洪堡互联网与社会研究所的研究人员。

数据与方法

近期研究趋势表明，尽管能力与获取渠道均等，女性使用各类生成式人工智能的频率仍低于男性。该差距被认为加剧了性别薪酬差距，与先前"女性互联网使用率较低导致薪资偏低"的趋势相吻合：

摘自2023年论文《互联网使用是否真正缩小了性别薪酬差距？：中国社会综合调查数据实证》，该研究表明互联网使用在低薪阶层显著缩小性别薪酬差距，但随着薪资水平提升，其边际效益递减。来源

在新研究中，作者利用英国政府《公众对数据与人工智能态度追踪调查》的年度数据，分析了对人工智能相关风险的认知如何影响不同性别的采用模式，并指出风险敏感性是女性使用率较低的关键因素。

当风险担忧与其他特征叠加时，生成式人工智能的性别差距显著扩大。下图所示最大差距达5.3个百分点，出现在数字技能高且认为人工智能会危害心理健康的女性群体中：

生成式人工智能使用中的性别差距因态度和人口统计特征而异。红色单元格表示男性使用生成式人工智能高于女性的情况，尤其在个人使用场景中。当高数字技能与心理健康风险担忧叠加时，差距最大。在工作场景中，隐私或气候担忧会扩大差距。蓝色单元格表示差距较小或反转的情况。

心理健康担忧往往加剧各群体间的性别差距，对年轻技术达人的影响尤为显著。隐私忧虑同样扩大分化，在某些工作场景中差距高达22.6分。

即使在担忧人工智能气候影响的年长受访者群体中，性别差距仍高达17.9分，表明女性对潜在危害的感知更为强烈——即便在整体人工智能使用率较低的群体中亦是如此。

风险认知

为测定风险认知对采用行为的影响强度，研究者基于人工智能对心理健康、气候、隐私及就业的影响担忧构建了综合指数。该评分与教育背景、职业及数字素养数据共同纳入随机森林模型，并按年龄和性别进行分层分析。结果显示：在所有生命阶段，人工智能相关风险认知始终能预测生成式人工智能的使用情况——其影响力往往高于技能或教育水平，对女性群体尤为显著：

按年龄和性别分层的随机森林模型显示：相较于男性，风险认知对女性生成式AI使用具有更强预测力，在所有女性年龄段均位列前两大影响因素，其影响力甚至超越数字素养和教育水平。男性群体中数字素养占据主导地位，风险认知的影响力较弱且不稳定。模型表明，社会关切对女性AI采用的影响远超传统技能或人口统计因素。 为获得更佳可读性与分辨率，请参阅原始PDF文件。

在所有年龄段中，对人工智能社会风险的担忧对女性生成式人工智能使用行为的预测效力均强于男性。对于35岁以下女性，风险认知是影响使用行为的第二大因素，而男性仅排第六位。在中年及以上群体中，该因素对女性排名首位，对男性则位列第二。

在所有模型中，风险认知占预测重要性的9%至18%，其影响力超过教育水平和数字技能指标。

论文指出，这些结果表明女性较低的生成式人工智能采用率，与其说是源于个人风险担忧，不如说是源于更广泛的伦理和社会考量。这种犹豫似乎源于对人工智能可能对他人或社会造成危害的更深刻认识，而非对自身危害的担忧。

合成双胞胎

为验证态度转变能否改变行为，研究者采用合成双胞胎设计，在两轮调查中匹配相似受访者。每名早期受访者均与后期同龄、同性别、同教育背景、同职业的受访者配对。

研究团队随后对比了两组人群生成式AI使用变化：一组提升了数字技能，另一组对AI社会影响持更乐观态度。此设计可分离出数字素养提升或风险担忧降低对采用率的影响，尤其针对年轻群体：

为验证针对性干预对AI使用的影响，研究者对比了数字技能提升者与对AI社会影响持乐观态度的年轻群体。两类干预均提升了采用率，但数字素养的提升加剧了性别差距——男性受益更多。相反，乐观态度的提升使女性使用率从13%跃升至33%，缩小了性别差距，表明解决伦理担忧可能比单纯提升技能更有效。

提升数字素养虽使两性生成式AI使用率均上升，但性别差距扩大，男性获益更多。在完整样本中，女性使用率从9%升至29%，男性则从11%升至36%。

在年轻群体中，数字素养提升使男性使用率从19%激增至43%，而女性仅从17%小幅上升至29%，增幅不显著。 相反，对人工智能社会影响的乐观态度则带来更均衡的转变：女性使用率从13%升至33%，男性从21%升至35%。在完整样本中，女性使用率从8%升至20%，男性从12%升至25%。

由此可见，数字技能提升虽能促进整体采用率，却往往加剧性别差距。重塑对人工智能广泛影响的认知，似乎更能有效提升女性使用率，同时避免男性采用率出现不成比例的增长。

结论

随着论文推进，这些发现的意义逐渐显现。最初如前文所引，作者赞扬女性展现出更强的全球关切与伦理立场。随后出现更务实的视角，质疑女性是否会因道德警惕与保留态度而"被甩在后面"：

"[我们的]发现指向更广泛的制度与劳动力市场动态。若在规范、预期和能力尚未成熟的阶段，男性以不成比例的更高比例采用人工智能，这些早期优势可能随时间累积，进而影响生产力、技能发展和职业晋升。"

*作者内文引注由笔者转换为超链接。

首次发布于2026年1月8日星期四