李猛：基于模糊DANP方法的生成式AI社会安全风险关键影响因素研究

以下文章来源于科学与社会，作者李猛

基于模糊DANP方法的生成式AI社会安全风险关键影响因素研究

李  猛

(浙江省委党校公共管理教研部;中共浙江省委党校浙江省“八八战略”创新发展研究院)

面对生成式人工智能技术的迅猛发展及其日益凸显的社会安全风险，如何科学识别并解析其背后的关键影响因素，已成为保障技术健康发展的核心议题。本研究旨在构建一个系统性的分析框架，以揭示生成式人工智能社会安全风险的生成机理，并精准量化其关键影响要素，从而为风险治理提供理论依据与实践指引。研究主要围绕三个核心问题展开：一是生成式人工智能社会安全风险的影响因素有哪些，它们之间存在怎样的内在关联？二是如何有效识别并量化这些因素在网络中的影响力权重？三是基于关键影响因素的分析，应提出何种针对性的治理策略以提升风险应对能力？

为解决上述问题，本研究采用了一种混合研究方法，将质性分析的深度与量化分析的精度相结合。首先，基于风险社会理论，研究通过半结构化深度访谈收集原始资料，并运用扎根理论的三级编码程序（开放式编码、主轴式编码、选择式编码），从海量访谈文本中提炼出初始概念与范畴，最终构建了包含“生成式人工智能技术”、“公众风险感知”、“企业管理行为”和“风险治理工具”四个主范畴的理论模型。随后，为进一步剖析各因素间的复杂影响关系并进行量化评估，研究引入了模糊DANP方法。通过邀请领域专家对因素间的影响强度进行评分，构建直接影响矩阵，并利用三角模糊函数处理专家判断的不确定性，最终计算出各影响因素的权重值、中心度及原因度，识别出系统中的关键驱动变量。

研究结论表明，生成式人工智能社会安全风险是一个由技术、公众、企业和政府多方互动构成的复杂系统。通过极限超矩阵计算与多维度排序分析，本研究识别出11个关键影响因素，其中“算法黑箱”、“交互友好”、“专业政策法规”、“多元主体协同”和“社会信任程度”等位居前列。原因度分析显示，“监管制度弹性”、“科技伦理落地”和“专业政策法规”属于核心驱动要素，对系统内其他因素具有显著的辐射作用；而“多元主体协同”则表现出最高的中心度，是连接各要素、影响风险生成与传播的核心枢纽。此外，“个人数字素养”和“应用持续改进”等要素也显示出重要的中介作用。这表明，单纯的技术完善或单一主体的监管已不足以应对系统性风险，未来的治理必须转向多方协同、技术与制度并重的模式。

本研究的理论意义在于，它突破了以往仅关注技术安全或单一治理视角的研究局限，基于风险社会理论，通过严谨的实证方法，构建了生成式人工智能社会安全风险的多维影响模型，揭示了从技术内生缺陷到社会制度响应的完整作用链条，丰富了该领域的理论体系。在实践层面，研究结果为政策制定者和科技企业提供决策参考：治理策略应优先聚焦于提升技术透明度（如推动模型开源）、构建敏捷弹性的监管框架、落实科技伦理审查，并呼吁提升公众的数字素养。同时，必须强化政府、企业、社会组织和公众的多元协同治理，通过行业自律与社会共治，共同应对生成式人工智能带来的社会安全挑战。本研究的创新点主要体现在三个方面：一是研究视角的创新，将“公众风险感知”与“企业管理行为”纳入统一分析框架，强调了风险的社会建构性与主体能动性；二是研究方法的融合，将扎根理论与模糊DANP方法有机结合，有效解决了复杂系统中影响因素识别与量化权重分配的难题；三是研究结论的实践导向，明确提出“多元主体协同”是核心治理路径，并强调了“监管制度弹性”与“容错行政文化”在激发创新与防控风险间平衡的关键作用，为构建适应数字时代的治理体系提供思路。

作者简介

李猛，中共浙江省委党校公共管理教研部讲师，中共浙江省委党校浙江省“八八战略”创新发展研究院研究员。研究方向为数字公共治理、STS研究。

项目资助

湖南省教育厅重点项目“人工智能商业化应用的社会风险及其治理研究”（23A0120）。

阅读全文点击“国家哲学社会科学文献中心”，谢谢！

END