研究发现女性使用生成性人工智能较少，主要是由于道德担忧

一项由牛津大学领导的新研究得出结论，女性使用生成性人工智能的频率远低于男性——这并不是因为她们缺乏技能，而是因为她们更担心人工智能对工作、隐私、心理健康和整个社会的危害。

作为未经授权的深度伪造内容的主要目标，女性在过去七年中一直与这一争议的生成性人工智能相关联，导致了一些值得注意的胜利。

然而，一项由牛津大学领导的新研究认为，这种对女性在人工智能周围的担忧的刻画太过狭隘，发现女性使用所有类型的生成性人工智能的频率远低于男性——这并不是由于缺乏访问或技能，而是因为她们更容易将其视为对心理健康、就业、隐私和环境的危害。

该论文指出：

‘使用来自2023-2024年的英国全国代表性调查数据，我们表明女性采用生成性人工智能的频率远低于男性，因为她们对其社会风险的看法不同。 ‘

‘我们捕捉到对心理健康、隐私、气候影响和劳动力市场破坏的担忧的综合指数解释了采用率的9-18％的变异，并在所有年龄组中对女性的预测排名最高——超过了年轻女性的数字素养和教育。 ‘

研究人员指出，最大的差距出现在年轻、数字化程度高的用户中，他们对人工智能的社会风险表示强烈的担忧，性别差异在个人使用中达到45个百分点以上：

生成性人工智能使用中的性别差距在具有高数字化素养的女性中最为明显，她们也报告了对心理健康、气候、隐私和劳动力市场风险的强烈担忧，而最小的差距出现在那些对人工智能的社会影响更乐观的人中。 来源

通过匹配调查波中的相似受访者，该研究发现，当年轻女性变得更加乐观关于人工智能的社会影响时，她们使用生成性人工智能的频率从13％增加到33％，显著地缩小了差距。 在那些担心气候危害的人中，性别差距在生成性人工智能使用中扩大到9.3个百分点，在那些担心心理健康危害的人中，差距扩大到16.8个百分点，由于女性的显著下降而不是男性使用的增加所驱动。

作者因此确定了一个明显的文化效应与性别相关：

‘平均而言，女性表现出更多的社会同理心、传统的道德担忧和追求公平。同时，道德和社会担忧被发现在技术的接受中发挥作用。 ‘

‘关于生成性人工智能在教育中的新兴研究表明，女性更有可能将人工智能在课程或作业中的使用视为不道德或等同于作弊、促进抄袭或传播错误信息。 ‘

‘对社会利益的更大关注可能部分解释了女性采用生成性人工智能的较低程度。 ‘

他们认为，女性对此的看法是合理的：

‘[女性]对环境、社会和道德影响的敏感性并非毫无根据：生成性人工智能系统目前带来显著的能源需求、不均匀的劳动实践和众所周知的偏见和错误信息的风险。 ‘

‘这表明，缩小性别差距不仅是改变看法的问题，也是改进底层技术本身的问题。鼓励低碳模型开发、加强偏见和福祉危害的保障以及增加供应链和训练数据实践的透明度的政策将解决合理的担忧——同时确保女性的风险意识成为技术改进的杠杆，而不是采用障碍。 ‘

他们进一步指出，虽然研究显示了明确的采用差距证据，但这些发现可能在英国以外的地区更为明显（这是新研究的地点）。

这篇新论文的标题是《女性担忧，男性采用：如何性别化的看法影响生成性人工智能的使用》，来自牛津互联网研究所、比利时新经济思想研究所和柏林洪堡互联网与社会研究所的研究人员。

数据和方法

最近的研究表明，女性使用生成性人工智能的频率远低于男性，尽管她们在能力或访问方面没有差异——这是一种被认为是最近贡献因素的差距，导致了性别工资差距，符合以前关于较低互联网使用率（在女性中）与较低工资之间的关系趋势：

来自2023年的论文“互联网使用真的缩小了性别工资差距吗？来自中国一般社会调查数据的证据”，一个图表显示互联网使用在较低的工资水平上更显著地缩小了性别工资差距，随着工资水平的提高，收益逐渐减少。 来源

对于这项新研究，作者使用了英国政府的公共态度与数据和人工智能跟踪调查的年度研究信息来分析人工智能相关风险的看法如何影响采用模式跨性别，隔离风险敏感性作为女性使用减少的关键因素。

生成性人工智能的性别差距随着风险问题的增加而扩大。最大差距，下图所示，为5.3个百分点，出现在具有高数字化技能的女性中，她们将人工智能视为心理健康风险：

生成性人工智能使用中的性别差距根据态度和人口统计学而有所不同。红色单元格显示男性比女性更常使用生成性人工智能，特别是在个人使用中。最大差距出现在高数字化技能与对心理健康风险的担忧相结合时。在工作环境中，差距随着对隐私或气候的担忧而扩大。蓝色单元格标记较小或相反的差距。

心理健康问题往往放大了性别差距，尤其是在年轻和数字化程度更高的用户中，隐私问题也扩大了差距，在某些工作环境中将差距推高至22.6个百分点。

即使在那些对人工智能的气候影响表示担忧的老年受访者中，差距仍然很大，达到17.9个百分点，表明看法的危害在女性中更为重要——包括在整体人工智能使用较低的群体中。

风险看法

为了确定风险看法如何影响采用，研究人员建立了一个基于对人工智能对心理健康、气候、隐私和就业影响的担忧的综合指数。然后，他们使用随机森林模型，按年龄和性别划分，发现人工智能相关风险看法在所有生命周期中一致地预测了生成性人工智能的使用——通常排名高于技能或教育，尤其是对于女性：

按年龄和性别划分的随机森林模型显示，人工智能相关风险看法是女性使用生成性人工智能的更强预测因素，排名所有女性年龄组的前两位，并超过了年轻女性的数字化素养和教育的影响。对于男性，数字化素养占主导地位，而风险看法排名较低，作用不一致。模型表明，社会问题的担忧对女性的采用影响远大于传统的技能或人口统计学因素。请参阅源PDF以获得更好的可读性和一般分辨率。

在所有年龄组中，对人工智能社会风险的担忧更强烈地预测了女性的生成性人工智能使用。对于35岁以下的女性，风险看法排名第二，影响使用的因素，而对于男性则排名第六；在中年和老年群体中，风险看法排名第一，男性排名第二。

在所有模型中，风险看法占预测重要性的9％至18％，超过了教育和数字技能的影响。

根据论文，这些结果表明，女性采用生成性人工智能的程度较低，不是因为她们担心个人风险，而是因为她们对人工智能可能对他人或整个社会造成的危害有更广泛的道德和社会担忧。

合成双胞胎

为了测试改变态度是否可以改变行为，研究人员使用了合成双胞胎设计，匹配了两个调查波中的相似受访者。每个来自早期波的个人都与后期具有相同年龄、性别、教育和职业的受访者匹配。

然后，团队比较了那些改善数字技能或变得更加乐观关于人工智能社会影响的个体中生成性人工智能使用的变化，允许他们分离出更大的数字化素养或减少的担忧是否实际上可以增加采用，特别是在年轻成年人中：

为了测试有针对性的变化是否影响人工智能使用，研究人员比较了年轻成年人，他们改善了数字技能或变得更加乐观关于人工智能的社会影响。两种变化都提高了采用率，但数字化素养扩大了性别差距，帮助男性更多。相比之下，更加乐观的态度提高了女性的使用率，从13％到33％，缩小了差距，表明解决道德问题可能比单纯的技能建设更有效。

提高数字化素养提高了两性使用生成性人工智能的频率，但扩大了差距，男性受益更多。在整个样本中，女性的使用率从9％提高到29％，而男性从11％提高到36％。

在年轻成年人中，数字化素养的提高显著提高了男性使用生成性人工智能的频率，从19％提高到43％，而女性的提高从17％到29％则较为缓慢，且在统计学上不显著。相比之下，对人工智能社会影响的乐观态度带来了更平衡的转变，女性的使用率从13％提高到33％，男性从21％提高到35％。在整个样本中，女性的使用率从8％提高到20％，男性从12％提高到25％。

因此，该论文表明，虽然提高数字化素养可以提高整体采用率，但它也倾向于扩大性别差距——重新塑造人们对人工智能更广泛影响的看法似乎更有效地提高了女性的使用率，而不会不成比例地提高男性中的采用率。

结论

这些发现的重要性似乎随着论文的展开而分叉；早些时候，正如上面所引用，作者认为女性更大的全球关注和道德立场是值得赞赏的。然而，随着论文的结束，一个更为犹豫和务实的观点出现了——也许是在当前的精神状态下——作者们想知道女性是否会由于她们的道德警惕和疑虑而“被甩在后面”：

‘[我们的]发现指向更广泛的机构和劳动力市场动态。如果男性在规范、期望和能力仍在形成时采用人工智能的速度远远高于女性，那么这些早期的优势可能会随着时间的推移而积累，影响生产力、技能发展和职业进步。 ‘

* 我将作者的内联引用转换为超链接。

首次发表于2026年1月8日星期四