生成式AI的爆发，重新点燃了关于科技信任与安全的辩论：科技高管能否真正将社会利益置于首位？
由于训练数据源于人类，AI天然带有偏见，受制于我们不完美的世界观。从加剧歧视到助长两极分化，风险显而易见。
OpenAI CEO Sam Altman在呼吁“做对”的同时，请求公众保持“耐心和善意”。数十年来，我们因技术创造者的身份而选择信任，但据2023年Edelman信任度晴雨表显示，全球65%的人担忧科技让人难辨真伪，信任度持续下滑。
是时候让硅谷借鉴美国法律体系中行之有效的路径——程序正义，来重建信任了。
程序正义视角下的信任与合法性
社会心理学研究表明，当人们感到被倾听，且决策过程中立、无偏见、透明时，机构和行为者才更具可信度与合法性。
程序正义包含四大关键要素：
- 中立性：决策不受偏见影响，推理过程透明。
- 尊重：所有人均受到尊严对待。
- 发声：每个人都有机会表达观点。
- 可信赖性：决策者展现出值得信赖的动机。
警方已借此改善社区关系，部分社交媒体公司也开始将其应用于治理与审核。AI公司亦可调整此框架以建立信任。
组建合适的团队来解决正确的问题
UCLA教授Safiya Noble指出，算法偏见是系统性社会问题，不能仅靠工程师解决，需引入外部人文视角以确保社会共识与有效监管。
斯坦福三位教授在《系统错误》中批判了工程文化过度痴迷优化、忽视民主价值观的弊端。尽管OpenAI声称重视社会意见，但其招聘重点仍集中在机器学习工程师和计算机科学家上。
这些技术人员是否有能力做出需要“比通常更多谨慎”的决策？科技公司应组建包含社会科学家的多学科团队，通过多元视角提供透明的决策推理，从而提升公众对技术中立性与可信赖度的认知。
纳入外部视角
程序正义强调参与感。OpenAI虽称寻求“外部意见”，但在其红队测试中，103名参与者有82名为员工，其余多为西方高校CS学者。为获得多样化观点，公司必须超越内部员工、单一学科及地理局限。
此外，应赋予用户对AI表现更多控制权以促进直接反馈，并考虑就新政策或产品变更开放公众评论渠道。
确保透明度
公司应公开所有规则及安全流程，阐明决策背后的可信动机。向公众披露应用训练方式、数据来源、人工干预环节及防滥用安全层至关重要，允许研究人员审计模型也是建立信任的关键。
Altman曾坦言：“社会用来弄清楚如何应对、监管和处理这种情况的时间是有限的。”
摒弃前辈们不透明和盲目信任的老路，AI平台构建者唯有通过程序正义让社会深度参与，才能赢得而非强求真正的信任与合法性。