该论文的工作基于当前人工智能用户信任话语，旨在通过使用信任作为促进当前技术采用（或适用）的工具，提出一种新颖的人机交互方法。作者提出了一个框架（HCTFrame），以指导非专家解锁用户对 AI 设计的信任的全部潜力。经过三个文献综述发现的数据三角化得出的结果揭示了计算机科学和人工智能话语中有关用户信任的一些误解，并进行了三个案例研究评估了心理测量量表的有效性，以映射潜在用户的信任破裂和关注点。该工作主要对抗设计技术中心易受攻击的交互的趋势，这最终可能导致更多现实和感知的信任违规。提出的框架可用于指导系统设计者，如何映射和定义用户信任，以及 AI 系统设计的社会伦理和组织需求和特征。它还可以指导 AI 系统设计者如何开发原型并使解决方案实现用户信任要求。该文章最后提供了一些用户研究工具，可用于测量用户的信任意向和行为，以评估所提出的解决方案。

May, 2023

人工智能在我们的日常生活中越来越广泛地使用，尤其在各种应用、服务和产品中。因此，从用户角度来看，对人工智能的信任或不信任变得非常重要。这篇论文通过系统文献综述，探讨了当前人工智能领域的信任概念，并研究了不同类型的人机交互中的信任以及其对不同领域的技术接受度的影响。此外，还提出了技术和非技术的可信度指标以及一些可信度衡量标准，并分析了一些人工智能中的主要破坏因素和信任建立因素，并为实现可信度从而实现人工智能的可靠过渡提出了一些未来的方向和可能的解决方案。

Mar, 2024

这篇论文针对机器人、虚拟角色、智能车辆、决策帮助等各类 AI 系统中关于信任模型的应用和测量方法缺乏标准化的现状进行了概述和分析。作者提出了一些系统的研究目标，并为当前文献汇总的优点和缺点提供了解决方案和研究议程。

Apr, 2022

本论文探讨了信任对使用人工智能技术意图的影响，结果显示信任通过感知有用性和使用者对助手的态度影响了使用意图，功能相关的信任对使用意图的影响大于人类的信任，在 AI 相关应用中，信任对技术的接受起着重要的作用，并提供了可用于未来研究的基于多维度的信任度量方法。

Mar, 2022

整理了有关人工智能信任和人工智能的可信度的文献概述，强调了需要更明确区分这些概念并获取更多实证证据以了解人们信任行为的要素。指出对人工智能的信任不仅涉及对系统本身的依赖，还包括对人工智能开发者的信任。伦理原则如可解释性和透明性通常被认为能提高用户的信任，但关于这些特点如何实际影响用户对系统可信度认知的实证证据并不丰富或不太明确。应将人工智能系统视为社会技术系统，设计、开发、部署和使用系统的人员与系统本身一样重要，才能确定系统是否值得信任。忽视这些细微差别，人工智能的信任和可信度有可能成为针对任何人工智能系统的模糊术语。

Sep, 2023

这篇论文通过系统综述研究了人工智能系统中适当信任的建立、度量方式、使用的任务类型以及相关挑战，并提出了一种基于信仰、意图和行为的映射方法，总结了当前趋势、潜在差距和未来工作的研究机会，以推进我们对适当信任的复杂概念在人工智能交互中的理解。

Nov, 2023

通过建立 MATCH 模型，本文探讨了如何在人工智能系统中通过可信度提示进行信任建立，强调透明度和互动等技术的重要性，提出了技术设计者需要意识到用户认知过程和其潜在局限性以选择可靠的可信度提示，并定义适当的提示标准及开销，鼓励相关行业规范技术应用和预防恶意行为。

Apr, 2022

本研究提供了一种系统的方法来将社会科学信任概念与建立在人工智能服务和产品上使用的机器学习技术相关联，探讨了四种类别的机器学习技术 (公平性、可解释性、可审计性和安全性) 如何影响人们的信任，并介绍了在 AI 系统生命周期的不同阶段建立信任的技术需求。

Nov, 2019

本文通过对一款实际计算机视觉应用进行的定性案例研究，提出了关于信任人工智能的全面而细致的理解。我们发现，领域知识和情境是评估和决策的重要因素，用户普遍认为该应用程序值得信任，但进行了确认行为，对于某些高风险情境，则决定不采用该应用程序。

May, 2023

本文综合分析了 490 篇学术文献，旨在探讨基于 AEC 行业项目工作流程、工人和工作特性与社会技术概念相互作用的 AI 信任。从文献中确定了人们对 AI 的信任的主要组成部分，并在 AEC 项目类型、过程和技术中进行了表征。

Mar, 2022