This study investigates how citizens across seven countries evaluate competing AI governance designs using a three-dimensional conjoint experiment (objective: safety vs. innovation; mode: public vs. private; level: national vs. international) across three domains (workplace, policing, warfare). It finds broad support for AI regulation with a robust preference for safety over innovation, public governance over private self-regulation, and international over national regulation. The strength of the safety preference is higher among those who perceive AI as risky, unpredictable, and personally consequential. The findings imply a systematic misalignment between dominant national models (e.g., US, China) and citizen preferences, highlighting the political salience of risk perceptions in AI governance .
以下是一份对所给金融研究报告“Governing Artificial Intelligence: Public Preferences and Regulatory Options”的极为详细、分章节的解读与评析。分析覆盖原文的核心论点、数据、假设、图表与表格,力求把每一个重要数据点和推理逻辑讲清楚,并结合图表内容进行解读与溯源标注。为便于追溯,涉及到原文中的结论或推断,均在句末标注了来源页码:[page::页码],并在需要时补充相应图表的溯源图片。
2.1 元素设计与研究框架(Conjoint设计的理论与结构)
章节定位:2. Assessing Regulatory Preferences(评估监管偏好),以及 3. 方法(Methods)与随后的 Results(结果)章节联合构成研究的核心分析框架。结论性论断集中于对公众在AI治理设计中的偏好及其驱动因素的揭示。可溯源:章节起始即点明研究的三大设计维度(目标、治理模式、治理层级)以及三个应用领域(工作场所、警务、战争),并强调结果来自跨国共轭实验。参见:2 与 3 页内容。,
关键论点与假设(Hypotheses):研究提出三条主假设(H1–H3):
研究样本与设计要点(Methods/Sample and Design):七国样本(巴西、 中国、德国、印度、南非、英国、美国),每国至少2000名受访者,总样本量14,239;通过分层配额实现 national representativeness。共轭任务在三个领域循环进行(工作场所、警务、战争),每对提案在三个维度上变体,回答“更偏好哪一个提案”与对每个提案的逐条评分。权重采用rim权重以接近人口结构。此设计与样本信息在 Method 与 Supplement 的 1.5、1.6 条中有详细描述。可溯源:,
重要数据点/度量方式:
2.2 结果要点解读(核心发现、证据与推理)
面向所有七国的总体支持:Figure 1(Workplace/Policing/Warfare 相关背景下)显示,各国民众普遍支持对AI进行监管,且对监管的总体态度较积极。不同国家的支持程度存在差异,但方向一致:普遍支持监管。该结论在文本“We find that citizens in all seven countries strongly support regulating AI”处明确给出,且与图1(a)的国家间差异相呼应。可溯源:, 图1(a)描述。
图1(b)展示个人特征对支持程度的预测系数:年龄、教育、收入等因素与支持程度呈现正向关系,性别、职业无显著关联,AI风险感知越高、AI知识越多者越支持监管,对科技公司信任与政府信任的关系并不显著。该部分的结论直接来自 Fig.1(b) 的回归结果。可溯源:
对监管设计的偏好(三维共轭结果,Figure 2):
结论要点:跨国 pooled 的共轭结果显示,公众在三大维度上都偏好“安全性优先”的监管设计;在“目标/对象”维度上,安全性优于创新;在“模式”维度上,政府主导优于科技公司自我规制;在“层级”维度上,国际层面优于国家层面。更重要的是,安全性维度对选择概率的影响最大,跨三维度的选择概率差距达到约12个百分点(约4倍于模式或层级的差异),显示强烈的偏好结构。该点在 Figure 2(a) 的“profile choice”中尤为突出,且在 Figure 2(b) 的“rating”中也得到类似趋势的证实。可溯源:(图示及文字描述)
领域一致性:Figure 3 展示在工作场所、警务、战争三大领域中的偏好高度一致。无论应用领域,公众都偏好“安全优先、政府主导、国际协作”的组合,且在创新-安全这条核心维度上的一致性最显著。对比这三域,在治理模式与层级维度上,领域差异略微增大,但总体趋势仍然一致。此结论直接来自“Figure 3 shows that preferences are remarkably consistent across domains”段落。可溯源:
国家层面的异同:Figure 4 提供七国层面的国家级对比。总体而言,除中国在“安全优于创新”的效应在统计上略显不显著(p=0.072,未达到0.05的显著性)之外,大多数国家在三个维度上的趋势与全球趋势一致。中国、美国在“Level/国际对国家”的偏好呈现出与其他国家不同的格局:美国对国际治理的偏好并非显著,且美国对国家层面与国际层面的偏好分布较为中性。中国对国家层面的偏好更明显。此处的国家层面差异及统计显著性在文本对 Fig. 4 的描述中明确提及,且在图注中对 p 值作出标注。可溯源:
异质性分析(H4–H8,Figure 5 与 Supplement Figures S10–S16 等):Figure 5 展示对六个亚群变量(感知AI风险、AI不可预测性、个人受影响程度、国际主义、左-右意识形态、精英/大众身份)的六组分组分析。关键发现包括:
鲜明的制度性偏好错位(Discussion 的核心论断之一):研究发现,当前全球主要国家在AI治理上的设计路径(EU强调安全、公共 authority、国际合作;美国偏向创新、市场导向、国家灵活性;中国偏向国家主导的快速创新与集中治理)往往与公众偏好产生错位。EU 模型在公众偏好上最为接近,但并非完全一致;美国与中国的模式在某些维度上与公众偏好存在系统性偏离。这一结论在讨论段落及Fig. S24/S25/S26等的综合分析中有系统阐述。可溯源:,
2.3 结果的跨国与跨域稳健性(方法学鲁棒性)
2.4 限制与谨慎之处(Limitations)
图1. 对AI监管的支持(Figure 1,Panel a 与 Panel b)
图2. 对监管属性的支持(Figure 2)
图3. 跨域一致性(Figure 3)
图4. 国家层面偏好(Figure 4)
图5. 异质性治疗效应(Figure 5)
其他 supplementary 图表(鲁棒性与分组分析)
预测性分析(Figure S24 等)
附:本文中主要图表的溯源图片(便于快速查看)
总结性评价与建议
如需,我可以把以上分析按章节整理成更详细的报告笔记,逐条对应原文的图表与表格,并扩展对特定国家/领域的对照分析。
2607.14585.pdf