王益君 董韵美

摘要：[目的/意义]旨在探究公众对人工智能的认知与情感态度以及其传导机制，对丰富人工智能相关领域的研究具有重要意义。[方法/过程]以ChatGPT为例，采用文本挖掘的方法搜集公众参与此话题讨论的微博评论数据并进行情感分析，在此基础上利用元胞自动机模型模拟并探究公众对人工智能认知与情感的传递机制。[结果/结论]研究结论表明：公众在微博话题对ChatGPT的讨论整体呈积极正向的态度，公众看待人工智能的认知与情感态度和公众的初始情感及周围邻居的影响力权重密切相关。

关键词：ChatGPT；人工智能；认知与情感态度；元胞自动机；仿真

分类号：TP18；G206

引用格式：王益君， 董韵美. 公众对人工智能的认知与情感态度——以ChatGPT为例[J/OL]. 知识管理论坛， 2024， 9（1）： 16-29 [引用日期]. http：//www.kmf.ac.cn/p/374/. （Citation： Wang Yijun， Dong Yunmei. The Public's Perceptions and Emotional Attitude Towards Artificial Intelligence： A Case Study on ChatGPT[J/OL]. Knowledge Management Forum， 2024， 9（1）： 16-29 [cite date]. http：//www.kmf.ac.cn/p/374/.）

1  引言/ Introduction

2023年2月21日，中国外交部正式发布《全球安全倡议概念文件》[1]，在中国式现代化进程中，人工智能的技术革新是助推科技创新的重要力量之一。习近平总书记高度关注人工智能等新兴科技的发展，强调要加快提升“人工智能安全等领域的治理能力”“塑造科技向善的文化理念，让科技更好增进人类福祉”。据2023年中国信息通信研究院数据[2]，2022年中国人工智能的主要产业值高达5 080亿元，并且近些年中国的人工智能及机器人产业日臻完备，发展有序。当下，智能科技的孵化已然上升至国家战略的高度。人工智能作为最具代表性的颠覆性技术，在给人类社会带来潜在巨大发展红利的同时，其不确定性也会带来诸多全球性挑战。

2022年11月30日，ChatGPT的发布开启了通用人工智能时代，人工智能具有广泛的学习能力并在大多数领域达到或超过普通人类的水平，其社会影响将巨大而深远[3]，在其发布的5天后，用户数量达到了100万，2个月内该软件的活跃用户数更是达到了1亿，成为迄今为止增长速度最快的应用软件[4]。该软件几乎可以完成自然语言处理的所有任务，因而其在客服、翻译、销售等众多行业中有着广阔的应用前景。同时，有关ChatGPT的信息易引发公众热议，人工智能再度成为热门话题，人们或褒或贬，各持己见，讨论争论不断升级。因此，了解这一时期公众讨论人工智能话题的特点，深入挖掘公众的观点与立场，呈现其对人工智能的认知与态度，对人工智能未來的发展具有重要意义。

2  文献综述/ Literature review

2.1  态度与认知研究

近年来，国内外多家研究机构与学者围绕公众对某一事物或者活动的态度与认知展开了多项调查。例如，调查公众对人脸识别技术的态度与认知[5]、教职工对残疾学生融合教育的认知与态度[6]，还有公众对社交媒体的看法[7]等。

在公众对人工智能的态度与认知问题上，剑桥大学对美国民众进行调查后显示，41%的调查者表示：在某种程度上支持人工智能的发展[8]。中国公民科学素质抽样调查显示[9]，82.5%的调查者认为公众对科技创新的理解和支持是建设科技强国的基础。综上，美国公众相较于我国公众对人工智能的支持程度低。针对医学领域人工智能的调查中，S. I. Cho等[10]调查了医学生对皮肤科人工智能的态度和看法，B. Stai等[11]调查了公众对机器人手术的了解；基于新闻从业者的实证研究的考察中，有研究显示，公众认为新闻报道形式更受益于人工智能的应用[12]，新闻从业者对人工智能没有明确的态度[13]；在金融领域，D. Belanche等[14]调查了使用金融人工智能顾问的意愿，发现客户对人工智能顾问的使用持积极态度。

通过国内外主流媒体的报道发现，中国公众对人工智能的报道更倾向于使用积极乐观的态度，而国外则使用更为谨慎的态度报道人工智能。H. L. Ding等[15]对《人民日报》与《纽约时报》有关人工智能的报道进行了对比，研究表明：《人民日报》对人工智能更多以乐观积极的态度进行报道，而《纽约时报》则对人工智能的报道持保守态度，报道其风险与对未来的挑战。郭珂静等[16]通过对比2011—2019年《人民日报》与《纽约时报》中有关人工智能的报道，结果发现《人民日报》更多是报道人工智能的美好前景，而《纽约时报》更加注重人工智能的应用及其带来的风险与不确定性。

综上所述，现有文献多讨论公众对人工智能的态度与认知，且我国公众对人工智能的态度及认知多是持乐观积极的态度，国外调查则显示被调查者对人工智能的乐观度较低。

2.2  ChatGPT的研究

ChatGPT作为一种重要的人工智能技术突破，引起了各界广泛关注。目前，许多学者从ChatGPT前景与挑战方面进行研究[17-19]，研究结果表明ChatGPT仍然存在一些局限，尚未达到强人工智能的水平。

还有一些学者研究ChatGPT对特定行业的影响。对于医学领域，B. Fatani[20]分析了ChatGPT在牙科医学中的应用；S. Sedaghatf[21]分析了ChatGPT在医疗和教育中的作用，研究表明，尽管ChatGPT有改变医疗实践、教育和研究的潜力，但该应用程序还需要进一步改进才能被广泛应用。对于教育领域，T. Humphry等[22]研究了ChatGPT在本科生化学实验中的作用；刘天丽等[23]从ChatGPT对教育的意义与问题应对进行研究，表明公众对ChatGPT+教育的关注主题呈多元化的特点；A. Shoufan[24]研究学生如何看待ChatGPT并评估其潜力和挑战。对于情报领域，张智雄等[25]分析ChatGPT的技术能力特点及其对于文献情报工作的影响。

综上所述，现有文献对ChatGPT的研究主要聚焦于分析ChatGPT的前景与挑战以及ChatGPT对行业的影响，还未有学者研究公众对ChatGPT本身的认知与情感态度。

2.3  存在的問题与本研究的创新

通过上述文献可知，在研究内容上，现有文献多讨论公众对人工智能的态度与认知，有关ChatGPT的研究主要分析其前景、挑战和对行业的影响；在研究方法上，多是以内容分析、文本分析为主，并且未有文献探究公众对人工智能的情感是如何变化的。已有文献的研究成果为本文提供了理论基础，但仍存在进一步完善的空间。

基于此，本研究的边际贡献体现为以下两个方面：①从研究内容来看，本研究将公众对人工智能的认知与态度细化为公众对ChatGPT的认知与态度，以此为切入口探究公众对人工智能的情感态度；②本研究通过仿真模拟公众对人工智能的认知与态度变化的机制，探究公众对人工智能认知与态度变化的影响因素。因此，笔者利用元胞自动机模型建立人工智能认知与态度传递模型，探究公众对人工智能的认知与情感态度的影响因素及传递机制，为我国公众理解人工智能的实践与理论研究提供内容丰富的案例支持。

3  公众对人工智能的认知与情感态度分析/ Analysis of publics perceptions and emotional attitude toward artificial intelligence based

现代传媒为公众对人工智能的认知与情感态度传递提供了跨时空的渠道和平台[27]，在现代传媒所衍生的渠道和平台中，微博以其即时性、互动性、多元性等特征成为热点事件传播的重要场地，因此，笔者借助新浪微博平台，使用文本挖掘的方法对微博评论内容进行分析，探讨公众对ChatGPT的认知与情感态度。

3.1  ChatGPT话题重要节点

2022年11月底，ChatGPT大语言模型出现标志着通用人工智能时代的开启。表1为ChatGPT话题发展历程。

3.2  数据采集

笔者以“ChatGPT”“生成式人工智能”“聊天生成预训练转换器”与“Open AI”为检索关键词，采用机器学习算法在新浪微博平台收集和整理2022年12月1日至2023年3月31日共计120天的全部的微博评论数据，共获取234 002条评论。数据爬取通过Python3.9软件实现。部分评论示例如表2所示：

3.3  公众对ChatGPT的情感分析

3.3.1  情感值计算

笔者选择基于情感词典的文本情感分析方法，计算微博评论的情感倾向值。首先，对微博评论文本剔除表情和无效样本，并且进行去停用词及分词的预处理，得到有效数据135 678条。其次，利用Boson NLP情感词典对评论数据进行情感值计算。由于该词典是基于微博、新闻、论坛等数据来源构建的情感词典，因此，该词典适用于处理微博中与ChatGPT相关的文本情感分析。最后，将微博评论文本分词的结果与该词典进行匹配，进而计算情感值。微博评论文本情感值具体计算公式如下：

公式（1）

其中，Emotion（t）是与ChatGPT相关的微博评论t的情感值得分，qi为一条评论文本中第i个情感词的分数，Di为情感词qi对应的程度副词系数，k为情感词前否定词的个数。特别地，如果Emotion（t）≥0，表示评论该条博文的公众对ChatGPT呈积极情感态度，情感值越高，表示积极情感越强烈；如果Emotion（t）<–0.5表示评论该条博文的公众对ChatGPT呈消极情感态度，情感值越低，表示消极情感越强烈；如果–0.5≤Emotion（t）<0，则表示公众对其情感呈中立态度。

3.3.2  情感值分析

本节根据公式（1）计算出2022年12月1日到2023年3月31日之间公众对ChatGPT的情感值，并统计出每个月的微博评论平均值、最大值和最小值，如表3所示。

从表3可以看出，2022年12月，评论情感值最大值为40.36，最小值为-15.04，平均值为1.845，属于较积极情感，并且有68.1%的公众持积极情感态度，说明ChatGPT发布后，只有小部分公众持消极态度，持积极态度者居多；2023年1月，评论情感值的最大值为38.34，最小值为-8.82，平均值为1.807，情感倾向也较积极，并且评论数量有所上升，说明公众对ChatGPT的讨论热度还在上升；2023年2月，评论情感值的最大值为48.67，最小值为-28.28，平均值为1.993，评论数量更是上升到11万条；2023年3月，公众对

ChatGPT的讨论数有所下降，情感的平均值也较前几个月有所下降，但持正向情感的人数还是较多。

根据公式（1），对每个月份的评论内容进行文本情感值计算，经过统计与整理，公众对ChatGPT情感的时间趋势如图2所示：

从图2可以看出，2022年12年，公众对ChatGPT的情感值在0—5之间，说明在ChatGPT刚发布时，公众对其情感呈现出较为中立和积极的状态；随着时间的发展，2023年1月1日，公众对ChatGPT的情感值上升到25.8，表现出较为积极的状态，后期慢慢下降至0左右；2023年2月，公众对ChatGPT的情感值持续上升；2023年3月，有关ChatGPT话题的热度有所下降，公众对其的情感值也随之下降，情感值一直在0—3附近浮动。评论数据的每月词频排名前5的词频统计见表4，评论词云图见图3。

结合微博评论词云图3和微博评论词频统计表4可知，在这一时期，微博评论中最多的是人工智能与人类、发展的话题。2023年1月与2月，词云图中都出现了“厉害”，表明公众开始认识到人工智能的强大威力，而在2023年3月出现了“老师”“科技”，表明公众开始关注到人工智能的应用领域。在每个月的高频词中，大多都包含“人工智能”“人类”“发展”“期待”“取代”和“代替”等。一方面，ChatGPT发布不久，公众密切关注着ChatGPT。另一方面，也存在着害怕被取代的观点，大多数公众担心自己的职业在未来被取代。

基于上述分析，笔者进一步建立公众对人工智能情感的传递机制模型，探究情感传递的影响因素。

4   公众对人工智能的认知与情感传递机制分析/ Analysis of the publics perceptions and emotional attitude transmission mechanism of artificial intelligence based

4.1  影响因素设置

有很多因素可能影响和制约公众对人工智能的认知与情感传递，如公众自身的认知水平、身边人影响以及网络传播环境等影响等。

第一，情感分析是通过判断文本的情感倾向并对其进行分析，从而了解公众对社会事件或事物的态度和看法，并研究信息的传播路径特点。根据朱乐等[27]和张鑫等[28]的研究，笔者将情感倾向作为情感传递的影响因素，将公众的情感态度划分为正面、中立、负面3类，并设置对应元胞的情感倾向度函数St（i， j），其表示元胞（i，j）在t时刻的态度倾向。令，并对其取值区间和情感倾向做出以下划分：

公式（2）

其中，St（i， j）越大，表明公众对ChatGPT的情感态度越积极；St（i， j）越小，表明公众对ChatGPT的情感态度越消极。

第二，公眾对ChatGPT的情感态度会受周围人群的影响，即周围邻居对于ChatGPT的情感倾向会影响公众的观点与态度。本文中定义的“周围邻居”与日常生活中的“邻居”的概念不同，由于“周围邻居”较难界定，将周围邻居定义为与中心公众同时浏览、评论或点赞过同一博文的人群，并且邻居对博文的评论会影响同一博文下的其他人。本文设置的邻居与元胞空间见图4，其中，黑色的节点代表的是中心公众，灰色是中心公众的邻域节点，当中心公众在元胞空间的四角时（见图4a），相应的邻居数量为3；当中心公众在元胞空间的四边时（见图4b），对应的邻居数量为5；当中心公众在元胞空间的剩余部分时，对应的邻居数量为8。

4.2  状态转移函数的构建

本研究对状态转移函数做出的改进如下：①在元胞状态更新时，公众受周围邻居情感倾向的影响。②针对不同的情感态度设置不同的影响权重，即在公众对人工智能的认知与情感传递过程中，周围邻居的不同情感态度的影响力是不同的。

公众的状态是公众对人工智能的认知与情感状态，t+1时刻公众状态的转换规则可以表示为：

公式（3）

其中，t时刻公众对人工智能情感态度的坚定度为，体现了公众在受到周围邻居影响时自我的坚持程度；βi，j为周围邻居影响力系数，表示受到周围邻居影响的程度。不同的情感倾向对于公众的影响力不同，在状态转移函数中用ω中、ω负、ω正表示周围邻居的负面、中立和正面情感态度对公众（i，j）的影响权重。

综上所述，基于ChatGPT的公众对人工智能的认知与情感传递机制如图5所示：

4.3  仿真实验与结果分析

根据上一节构建的认知与情感传递模型，笔者将模拟两种情感传递情形，分别以白色、灰色和黑色代表正面、中立及负面情感的公众。仿真实验通过MATLAB（2022a）编程实现。

4.3.1  实验1：公众初始情感对情感传递的影响

本节首先研究公众初始情感对公众情感传递的影响。本组实验通过设置不同的初始情感态度分布模拟现实中的人工智能情感传递。公众的初始情感值于[-1，1]的随机分布，本节的实验参数参照文献[29]设置，如表5所示：

（1）实验1仿真结果示意图。图6为实验1的仿真示意图，图7为3个实验最终的人数占比，3个实验都随机将3种情感赋予10 000个公众，其初始情感状态中正面、中立和负面情感人数各占1/3。从图中可以看出，实验1-a在情感变化初期，公众的情感态度基本上呈现正面情感，还有极少数公众持相反情感态度，但发展到后期，已经全部转变为正面情感态度。1-c与1-a类似，在情感变化初期，90%的公众情感已经呈现负向情感，随着时间的发展，已经全部转变为负面情感态度。而实验1-b中，公众的初始情感态度有一半为中立情感态度，随着时间的发展，持中立情感态度的公众完全消失，全部转变为正向或者负向，并且一直持续到后期。

（2）实验1仿真结果分析。

第一，公众初始情感倾向的比例对空间中不同观点的人数有显著的影响。由此可见，3种情感状态的人数不管怎么设置，随着时间的变化，对人工智能持中立情感态度的公众最终都会消失，并且转化为正面或者负面情感倾向，这与实际社会中的“人以类聚，物以群分”有很高的相似性。并且实验1-a与1-c的结果类似，呈现出相同规律。当公众的初始情感态度正面或者负面的比例为50%时，前期对人工智能持

第二，通过每组实验对比可以发现，具有同样情感态度的公众逐步聚集，即在公众浏览有关ChatGPT信息之后，彼此之间进行信息交流，持有同样情感态度或类似情绪的人逐步集中起来。当每组实验到后期，形成不同观点的群体，公众将自己在网络上获得的信息与周围的网友们进行交流，公众之间的信息持续地进行着互动，最后，意见一致的个体渐渐地集中起来，这就形成公众对人工智能情感的聚集效应。实验1-c的公众持负向情感所占比重较多，这与现实生活中许多事件类似，例如“非洲猪瘟”疫情就引起了广大公众的恐慌，这一事件发生后引发了公众大量的热议，导致公众对市场上的猪肉安全问题产生怀疑，对养猪业造成了巨大的损失。

第三，无论公众的3种初始情感态度如何改变，随着时间的发展，对人工智能持中立态度的人数在一开始出现小幅的上升，然后快速减少，在ChatGPT情感传递的早期全部消失。这表明公众因为信息的缺乏以及认知水平的限制，很少有人可以一直保持着客观、公平的态度。

图8表示公众初始情感对后期的情感传递影响图，其中绿色为持正向情感态度的公众，蓝色为持负向情感态度的公众，初始情感态度影响着整体情感传递的发展。

综上所述，公众初始情感态度影响着情感传递的整体发展，并且影响着后期网络空间中不同观点的公众数量。

4.3.2  实验2：周围邻居影响力权重对情感传递的影响

周围邻居的影响力也会对公众情感传递产生影响，即所谓的“羊群效应”，同时当一种情感影响略大时情感传递存在一定规律。因此，本组实验令ω正+ω中+ω负=1，具体的实验参数如表6所示：

（1）实验2仿真示意图。图9为实验2的仿真示意图，图10为实验2最终人数占比。从图中可以看出，实验2-a与2-b结果类似，对人工智能持中立态度的公众基本消失，在情感传递前期，持正面或者负面情感人数占比达到60%左右，并且出现了两种情感聚合的现象。在情感传递后期，同样对人工智能的情感态度全部转变为两种对立的情感，并且对人工智能持正面或负面情感的公众占80%左右。从图10可以看出，在人工智能情感传递的初期，持正面情感或者负面情感的公众人数有小幅度的下降，而持中立情感的人数有所上升，随着时间的发展，持中立情感态度的公众基本消失。

（2）实验2仿真结果分析。从上述两个实验可以看出，无论周围邻居影响力系数大小怎么设置，最终都呈现正面、负面两种情感倾向的集聚效应，并且周围邻居的情感影响着公众的情感倾向。具体表现为：

第一，将周围邻居对公众的影响力设置为正面或者负面略大时，对公众情感传递有显著影响。说明公众与周围邻居进行交流后，受邻

居观点影响而改变自己的观点，如果周围大部分邻居对人工智能持正面情感态度，最后有80%的公众对人工智能持正向的情感态度；反之，如果对人工智能持消极态度的邻居较多，也会在情感传递过程中将周围公众影响成持负向情感态度。对人工智能持中立情感态度的公众数量都在情感传递初期到最大值，从两个实验最终人数占比图中可以看出，在情感传递第15次左右，持中立态度的公众人数都急剧收敛至零。

第二，周围邻居对公众影响力是决定观点聚集效应的重要因素。当周围邻居的消极情感态度的影响权重稍大于另外两个时，就会对其他公众的态度变化产生明显的影响，并在后期产生消极情绪的聚合结果；反之，当积极正面态度的影响权重稍大于另外两个时，就会对其他公众的态度变化产生明显正面影响，并在后期产生积极情感的聚合结果。

图11表示周围邻居情感影响力对后期情感传递的影响，其中绿色为持正向情感态度的公众，蓝色为持负向情感态度的公众，周围邻居情感态度影响着整体情感传递的发展。

综上所述，周围邻居影响力权重影响着情感传递的整体发展，并且影响着后期网络空间中不同观点的公众数量。

5  结论与政策建议/ Conclusion and policy recommendations

笔者以公众对人工智能的认知与情感态度作为研究场景，采用机器学习算法收集和整理微博评论数据并利用文本挖掘的方法对其进行情感分析，利用元胞自动机模型建立公众情感传递模型，探究公众情感传递的影响机制。研究结果表明：①每个月份公众对ChatGPT的认知与情感态度各不相同，公众尽管对ChatGPT有负向评价，但是平均来看，还是以积极评价为主；②公众初始情感态度与周围邻居影响力权重影响着情感传递的整体发展，并且影响着后期网络空间中不同观点的公众数量。

根据上述得出的研究结论，笔者提出以下政策建议：①媒体在通用人工智能的大背景下，应该以公众倾向的人工智能话题为主，多将客观的报道释放给大众，使大众以更加理性与客观的态度对待人工智能，引导公众积极探讨。在发展初期，有关部门可以进行宣传以及开展更有意义与针对性的科普活动，推动我国在人工智能领域的发展，并且创造良好的社会环境。②由于情感传递与公众的初始情感密切相关。因此，在人工智能话题传播的初期，相关职能部门应该进行适当的信息披露及情况说明，减少信息的不完整性及不对称性，提高公众对人工智能的正确认识。③周围邻居对公众的影响力是决定观点聚集效应的重要因素，因此，相关职能部门应该及时筛选有关谣言及不实信息，防止不实信息发酵，造成不良的社会影响以及负面观点聚集，公众也应当保持自己对人工智能的正确认知，维护良好的社会环境。

此外，尽管本研究为公众对人工智能的认知与情感传递提供了更为多样化的理论模型和研究思路，但也存在案例单一、影响因素设置较少等层面的缺陷和不足，后续研究可以通过设置更多的影响因素，进一步对公众了解人工智能的理论与实践发展进行研究。

参考文献/References：

[1] 习近平. 全球安全倡议概念文件（全文）[EB/OL]. [2023-02-21]. https：//www.mfa.gov.cn/wjbxw_new/202302/t20230221_11028322.shtml. （XI J P. Global security initiative concept paper （full text）[EB/OL]. [2023-02-21]. https：//www.mfa.gov.cn/wjbxw_new/202302/t20230221_11028322.shtml.）

[2] 郭夢. 人工智能市场需求逐渐增加： 2023人工智能行业发展趋势及现状分析[EB/OL]. [2023-04-02]. https：//www.chinairn.com/news/20230328/104458763.shtml. （GUO M. Artificial intelligence market demand is gradually increasing： analysis of development trends and current situation of the artificial intelligence industry in 2023[EB/OL]. [2023-04-02]. https：//www.chinairn.com/news/20230328/104458763.shtml.）

[3] 何哲， 曾润喜， 秦维， 等. ChatGPT等新一代人工智能技术的社会影响及其治理[J]. 电子政务， 2023（4）： 2-24. （HE Z， ZENG R X， QIN W， et al. The social impact and governance of new generation artificial intelligence technologies such as ChatGPT[J]. E-government， 2023（4）： 2-24.）

[4] 桑基韬， 于剑. 从ChatGPT看AI未来趋势和挑战[J]. 计算机研究与发展， 2023， 60（6）： 1191-1201. （SANG J T， YU J. ChatGPT： a glimpse into AIs future[J]. Journal of computer research and development， 2023， 60（6）： 1191-1201.）

[5] 罗傲， 贾萍萍， 张增一. 国外公众对人脸识别技术的认知与态度——基于Twitter相关话题讨论的质性分析[J]. 北京理工大学学报（社会科学版）， 2023， 25（4）： 192-200. （LUO A， JIA P P， ZHANG Z Y. Public cognition and attitude toward facial recognition in social media—qualitative analysis of relevant discussion texts on twitter[J]. Journal of Beijing Institute of Technology （social sciences edition）， 2023， 25（4）： 192-200.）

[6] MARIA P， ANASTASIA M， NIKOLAOS B， et al. Perceived knowledge and attitudes of faculty members towards inclusive education for students with disabilities： evidence from a Greek University[J]. International journal of environmental research and public health， 2022， 19（4）： 2151.

[7] ALI R， JAWED S， BAIG M， et al. General public perception of social media， impact of COVID-19 pandemic， and related misconceptions[J]. Disaster medicine and public health preparedness， 2023， 17： e23.

[8] MILES B， SHAHAR A， JACK C， et al. the malicious use of artificial intelligence： forecasting， prevention， and mitigation[J]. arXiv preprint arXiv：1802.07228， 2018.

[9] 何薇， 張超， 任磊， 等. 中国公民的科学素质及对科学技术的态度——2020年中国公民科学素质抽样调查报告[J]. 科普研究， 2021， 16（2）： 5-17， 107. （HE W， ZHANG C， REN L， et al. Chinese civic scientific literacy and their attitudes toward science and technology——main findings from the 2020 national survey of civic scientific literacy in China[J]. Studies on science popularization， 2021， 16（2）： 5-17， 107.）

[10] CHO S I， HAN B， HUR K， et al. Perceptions and attitudes of medical students regarding artificial intelligence in dermatology[J]. Journal of the European Academy of Dermatology and Venereology， 2021， 35（1）： e72-e73.

[11] STAI B， HELLER N， MCSWEENEY S， et al. Public perceptions of artificial intelligence and robotics in medicine[J]. Journal of endourology， 2020， 34（10）： 1041-1048.

[12] SUN M， HU W， WU Y. Public perceptions and attitudes towards the application of artificial intelligence in journalism： from a China-based survey[J]. Journalism practice， 2022， 21（3）： 102.

[13] 胡翼青， 朱晓颖.人工智能的“幻影公众”——基于新闻从业者实证研究的考察[J]. 中国出版， 2018（19）： 15-21. （HU Y Q， ZHU X Y. Artificial intelligences “phantom public”—an investigation based on empirical research of journalists[J] China publishing journal， 2018（19）： 15-21.）

[14] BELANCHE D， CASAL? L V， FLAVI?N C. Artificial intelligence in FinTech： understanding robo-advisors adoption among customers[J]. Industrial management & data systems， 2019， 19（7）： 1411-1430.

[15] DING H L， KONG Y Q. Constructing artificial intelligence in the U.S. and China： a cross-cultural， corpus-assisted study[J]. China media research， 2019， 15（1）： 93-105.

[16] 郭珂静， 张悦晨.“赛托邦”与“赛维坦”： 人工智能的媒介呈现——以人民日报与纽约时报的报道为例[J]. 青年记者， 2020（14）： 33-34. （GUO K J， ZHANG Y C. ‘Cytopia and ‘Sevitan： the media presentation of artificial intelligence – take the Peoples Daily and the New York Times as examples [J]. Youth journalist， 2020（14）： 33-34.）

[17] GOTTLIEB M， KLINE J A， SCHNEIDER A J， et al. ChatGPT and conversational artificial intelligence： friend， foe， or future of research？[J]. The American journal of emergency medicine， 2023， 70： 81-83.

[18] 刘禹良， 李鸿亮， 白翔， 等. 浅析ChatGPT：历史沿革、应用现状及前景展望[J]. 中國图象图形学报， 2023， 28（4）： 893-902. （LIU Y L， LI H L， BAI X， et al. A brief analysis of ChatGPT： historical evolution， current applications， and future prospects[J]. Journal of image and graphics， 2023， 28（4）： 893-902. ）

[19] 蒲清平， 向往.生成式人工智能——Chat GPT的变革影响、风险挑战及应对策略[J]. 重庆大学学报（社会科学版）， 2023（3）： 102-114. （PU Q P， XIANG W. Opportunities and challenges aroused by ChatGPT as generative AI and strategy for response[J]. Journal of Chongqing University （social science edition）， 2023（3）： 102-114.）

[20] FATANI B. ChatGPT for future medical and dental research[J]. Cureus， 2023， 15（4）： e37285.

[21] SEDAGHAT S. Early applications of ChatGPT in medical practice， education and research[J]. Clinical medicine， 2023， 23（3）： 278-279.

[22] HUMPHRY T， FULLER A L. Potential ChatGPT use in undergraduate chemistry laboratories[J]. Journal of chemical education， 2023， 100（4）： 1434-1436.

[23] 刘天丽， 杨现民， 李康康， 等.社会公众如何看待ChatGPT+教育？——基于国内主流开放社区的文本分析[J]. 现代教育技术， 2023， 33（10）： 14-23. （LIU T L， YANG X M， LI K K. How does the public view ChatGPT+ education？——text analysis based on domestic mainstream open communities[J]. Modern educational technology， 2023， 33（10）： 14-23.）

[24] SHOUFAN A. Exploring students perceptions of ChatGPT： thematic analysis and follow-up survey[J]. IEEE Access， 2023， 11：38805-38818.

[25] 张智雄， 于改红， 刘熠， 等.ChatGPT对文献情报工作的影响[J]. 数据分析与知识发现， 2023， 7（3）： 36-42. （ZHANG Z X， YU G H， LIU Y， et al. The influence of ChatGPT on library & information services[J]. Data analysis and knowledge discovery， 2023， 7（3）： 36-42.）

[26] 沈正赋.社会风险视野中网络舆情的生成、传播及其信息治理——基于新冠肺炎疫情网络信息的梳理与阐发[J]. 安徽师范大学学报（人文社会科学版）， 2020， 48（5）： 140-147. （SHEN Z F. The generation， dissemination and information governance of internet public opinions from the social risk perspective—based on the analysis of internet information of COVID-19 epidemic[J]. Journal of Anhui Normal University（humanities and social sciences）， 2020， 48（5）： 140-147.）

[27] 朱樂， 李秋萍， 朱燚丹.基于深度学习的“教育公平”网络舆情分析[J]. 情报探索， 2020（6）： 40-47. （ZHU L， LI Q P， ZHU Y D. Network public opinion analysis of educational fairness based on deep learning[J]. Information research， 2020（6）： 40-47.）

[28] 张鑫， 田雪灿， 刘鑫雅.反复性视角下网络舆情风险评估指标体系研究[J]. 图书与情报， 2020（6）： 123-135. （ZHANG X， TIAN X C， LIU X Y. Research on the risk assessment index system of internet public opinion from the perspective of recurrence[J]. Library & information， 2020（6）： 123-135.）

[29] 傅丽芳， 裴城妍， 郭永瑞， 等.农产品安全网络舆情演化分析与导控策略[J]. 科学技术与工程， 2020， 20（7）： 2801-2809. （FU L F， PEI C Y， GUO Y R， et al. The evolution and guidance strategies for the online public opinion of agricultural products[J]. Science technology and engineering， 2020， 20（7）： 2801-2809.）

作者贡献说明/ Author contributions：

王益君：提出研究方向与思路，确定选题，分析数据与撰写论文；

董韵美：收集并处理数据，分析数据与撰写论文。

The Public's Perceptions and Emotional Attitude Towards Artificial Intelligence： A Case Study on ChatGPT

Wang Yijun  Dong Yunmei

School of Public Administration， Xian University of Architecture and Technology， Xian 710055

Abstract： [Purpose/Significance] This paper aims to explore the public's perceptions and emotional attitude towards artificial intelligence and its transmission mechanism， which is of great significance to enrich research in artificial intelligence-related fields. [Method/Process] Taking ChatGPT as an example， text mining methods were used to collect Weibo comment data of public participation in this topic discussion and sentiment analysis was performed. On this basis， the cellular automaton model was used to simulate and explore the transmission mechanism of public's cognition and emotion towards artificial intelligence. [Result/Conclusion] The research conclusion show that： First， the publics discussion of ChatGPT on Weibo topic generally has a positive attitude. Second， the publics cognition and emotional attitude towards artificial intelligence are closely related to the their initial emotions and the influence weight of surrounding neighbors.

Keywords： ChatGPT    artificial intelligence    perceptions and emotional attitude    cellular automata

simulation

Fund project（s）： This work is supported by the Humanities and Social Sciences Planning Project of the Ministry of Education titled “Research on real-time monitoring and early warning methods of online public opinion risks for major public policy adjustments” （Grant No. 23YJAZH147）.

Author（s）： Wang Yijun， associate professor， PhD; Dong Yunmei， master candidate， corresponding author， E-mail： yunmeidong163@163.com.

Received： 2023-09-13    Published： 2024-02-20