1 定义
1.1 人际信任
早年研究者主要关注人与人之间的信任，将信任定义为：信任者（trustor，信任的发出者）对受托方（trustee，被信任的一方）行为有积极预期，愿意将部分结果交由对方行为决定，并愿意接受由此带来的风险和脆弱性 [@mayerIntegrativeModelOrganizational1995]。这里的“脆弱性”（vulnerability）并不是指信任者能力不足或者内心脆弱，而是指结果会受到对方行为影响、自己无法完全控制结果的状态，这是信任成立的前提。
信任研究中的一个核心问题是：为什么同一个人会对不同对象产生不同程度的信任？为什么不同人面对同一个对象时又会表现出不同程度的信任？Mayer等人指出，信任是由信任者与受托方二者共同作用的结果 [@mayerIntegrativeModelOrganizational1995]。为此，他们区分了信任倾向、可信度和信任三个概念：
- 信任倾向（propensity to trust）是信任者的个体差异。有些人更容易相信他人或新技术，有些人则更加谨慎。
- 可信度（trustworthiness）是受托方的属性，包括能力（ability）、善意（benevolence）和正直（integrity）三个维度。能力指受托方是否具备完成任务所需的知识和技能；善意指受托方是否具有促进信任者利益的意愿；正直指受托方是否遵循信任者认可的原则和价值观。
- 信任（trust）本身是信任者的心理状态，即愿意接受风险和脆弱性的程度。
除了探讨信任的形成机制与影响因素，研究者还关注信任本身所包含的不同成分。一个常用分类是将信任区分为认知信任（cognition-based trust）和情感信任（affect-based trust）[@mcallisterAFFECTCOGNITIONBASEDTRUST1995]。认知信任建立在对能力、可靠性和专业性的判断之上。例如，一个员工信任同事，是因为对方工作能力强、能够按时完成任务。情感信任则建立在情感联结、关怀感和价值认同基础上，更多是基于受托方对自己的善意。例如，一个人信任长期合作伙伴或朋友，不仅因为对方有能力，也因为双方建立了稳定的人际关系和情感纽带。
1.2 自动化信任
自动化和AI信任研究大量借鉴了人际信任理论。信任的定义被扩展到自动化或人机协作领域，即：个体在不确定和脆弱情境下，相信自动化系统能够帮助自己实现目标的态度 [@leeTrustAutomationDesigning2004a]。无论受托方是人还是机器，信任的核心逻辑并没有发生改变。人们评价机器或系统时，仍然会关注能力、可靠性、可预测性等因素。认知信任与情感信任的分类也可以迁移至人机互动场景。例如，驾驶员信任自动驾驶系统，是因为认为系统能够准确识别道路环境，具有认知信任；用户可能认为某个AI系统能够理解自己、站在自己利益出发提供决策，从而产生更高的情感信任。在传统自动化研究中，认知信任通常占主导地位；而随着对话式AI和社交机器人的快速发展，情感信任的重要性逐渐受到关注。不过，AI信任与人际信任也存在一些差异：
- AI系统并不具备真正意义上的意图、善意或道德责任。因此，人际信任中的“善意”在AI研究中通常被重新解释为开发者意图、系统目标是否符合用户利益，或者系统是否按照预期方式运行。
- 人机信任的形成过程有所不同。人际关系中，个体通常先通过观察对方行为建立可预测性，再逐渐形成可依赖性的判断，最终发展为稳定信任。而在人机交互中，用户往往在接触系统之前就已经形成某种初始信念，例如“自动驾驶很先进”或“AI很聪明”。随后，这种初始信念再通过实际使用经验不断修正。另外，不同类型的AI系统，其初始信任和信任发展轨迹也有所不同，需要结合具体系统类型和应用场景进行分析。
- AI的不确定性使信任成为一个快速动态变化的过程。生成式AI会根据训练数据、提示词和上下文生成不同结果，甚至一个指令今天效果良好，明天却产出明显错误。
因此，人机信任的研究重点不再只是提高用户信任，而是让用户能够根据系统实际表现不断调整自己的信任水平，这种使信任逐渐与系统真实能力相匹配的过程，被称为信任校准（trust calibration）。
2 测量
信任常用主观汇报来测量。人际信任方面，一个很有名的量表是认知-情感信任量表 [@mcallisterAFFECTCOGNITIONBASEDTRUST1995]，共包括6个认知信任条目与5个情感信任条目。在人对自动化系统的信任方面，一个广泛使用的量表是TPAS（Trust between People and Automation Scale）[@jianFoundationsEmpiricallyDetermined2000]，该量表包含7条正向表述（信任）与5条负向表述（不信任）。该量表最初设计是将二者视为单一维度的两级，但后续研究倾向于证明：信任与不信任为独立的两个因子。后来的研究者 [@korberTheoreticalConsiderationsDevelopment2019]还基于Mayer等人 [@mayerIntegrativeModelOrganizational1995]以及Lee与See [@leeTrustAutomationDesigning2004a]的自动化信任框架，开发了TiA（Trust in Automation）多维度量表，包括可靠性/能力、可理解性/可预测性、开发者意图、熟悉度、信任倾向、整体自动化信任6个维度，共19项条目。针对可解释AI（XAI），Hoffman等人 [@hoffmanMeasuresExplainableAI2023]综合上述量表，开发了TAI量表（Trust Scale for AI Context），只有简短的8项条目。
3 参考文献
Hoffman, R. R., Mueller, S. T., Klein, G., & Litman, J. (2023). Measures for explainable AI: Explanation goodness, user satisfaction, mental models, curiosity, trust, and human-AI performance. Frontiers in Computer Science, 5. https://doi.org/10.3389/fcomp.2023.1096257
Jian, J.-Y., Bisantz, A. M., & Drury, C. G. (2000). Foundations for an Empirically Determined Scale of Trust in Automated Systems. International Journal of Cognitive Ergonomics, 4(1), 53–71. https://doi.org/10.1207/S15327566IJCE0401_04
Körber, M. (2019). Theoretical Considerations and Development of a Questionnaire to Measure Trust in Automation. In S. Bagnara, R. Tartaglia, S. Albolino, T. Alexander, & Y. Fujita (Eds.), Proceedings of the 20th Congress of the International Ergonomics Association (IEA 2018) (pp. 13–30). Springer International Publishing. https://doi.org/10.1007/978-3-319-96074-6_2
Lee, J. D., & See, K. A. (2004). Trust in Automation: Designing for Appropriate Reliance. Human Factors, 46(1), 50–80. https://doi.org/10.1518/hfes.46.1.50_30392
Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An Integrative Model of Organizational Trust. The Academy of Management Review, 20(3), 709–734. https://doi.org/10.2307/258792
McAllister, D. J. (1995). AFFECT- AND COGNITION-BASED TRUST AS FOUNDATIONS FOR INTERPERSONAL COOPERATION IN ORGANIZATIONS. Academy of Management Journal, 38(1), 24–59. https://doi.org/10.2307/256727