人工智能何时会改变社会？瑞典公众对人工智能发展时间线的预测

《Computers in Human Behavior Reports》：When Will AI Transform Society? Swedish Public Predictions on AI Development Timelines

　　菲利普·福尔斯·康诺利（Filip Fors Connolly）| 米凯尔·赫杰姆（Mikael Hjerm）| 萨拉·卡卢察（Sara Kalucza）
乌梅奥大学社会学系

**摘要**
本研究调查了瑞典人对重大人工智能（AI）发展可能性和时间点的公众预期。通过对1026名受访者的调查，我们研究了六大关键情景下的预期：医疗突破、大规模失业、民主制度衰退、生活水平提高、通用人工智能（AGI）以及无法控制的超级智能AI。研究发现，人们对AI驱动的医疗突破有强烈共识（82.6%），而对其他重大发展的预期显著较低，从大规模失业的40.9%到AGI的28.4%不等。人们对时间线的预期也存在显著差异，预计重大医学进展将在6-10年内实现，而像AGI这样的变革性发展则预计会在20年后实现。潜在类别分析确定了三个不同的群体：乐观主义者（46.7%）、矛盾主义者（42.2%）和怀疑论者（11.2%）。乐观主义者群体表现出更高的自我评估AI知识和教育水平。本研究填补了关于公众对AI发展时间预期理解方面的关键空白，为政策制定者和利益相关者提供了见解。

**引言**
人工智能（AI）的发展速度急剧加快，带来了各个领域前所未有的创新。例如复杂的语言处理（Brown等人，2020年）和准确的蛋白质结构预测（Jumper等人，2021年）。AI现在被应用于多种社会领域，如应对气候变化（Verendel，2023年）、改变市场营销（Kshetri等人，2024年）以及提升医学成像（Panayides等人，2020年）。随着科学界的认可，AI进步的重要性日益凸显，杰弗里·辛顿（Geoffrey Hinton）和德米斯·哈萨比斯（Demis Hassabis）因在深度学习和AI领域的开创性贡献分别获得了2024年的诺贝尔物理学奖和化学奖（Nobel Prize Outreach AB，2024年）。然而，这种快速进展在科学界引发了关于AI发展的前景和风险的激烈讨论。一些研究者强调AI在医疗保健、科学发现和经济增长方面的变革潜力（Chui等人，2023年；Viswa等人，2024年），而另一些研究者则警告其存在性风险。被称为“AI教父”的诺贝尔奖得主辛顿离开谷歌，以更自由地表达他对AI潜在危险的担忧（Schechner & Seetharaman，2023年）。哲学家尼克·博斯特罗姆（Nick Bostrom，2017年，2024年）阐述了先进AI系统的巨大益处和风险，特别强调了确保这些系统与人类价值观和利益保持一致的重要性。

尽管专家对AI发展路径的看法存在巨大分歧，但了解公众如何看待这些技术也同样重要。Bialy等人（2025年）对251项研究的回顾表明，态度因应用领域而异，医疗保健领域获得了最积极的评价，而监控或军事应用则受到最负面的评价。跨国研究表明，不同国家的人口态度存在显著差异：英国普遍持焦虑态度（Cave等人，2019年）；澳大利亚和美国的态度则较为复杂，既乐观又担心失业问题（Selwyn & Gallo Cordoba，2022年；Zhang & Dafoe，2019年）；许多国家认为AI将对社会产生广泛变革性影响（Seth，2024年）。

基于以往的公众意见研究，本研究利用对1026名瑞典成年人的全国性调查数据，探讨了公众对AI未来社会影响的看法。我们的研究在三个重要方面为AI意见研究做出了贡献：首先，我们分析了公众对AI在多个关键领域带来变革性社会变革的预期；其次，也是最重要的，我们研究了公众对AI发展的时间预期；最后，我们探讨了公众对AI发展的时间维度。尽管现有研究广泛讨论了人们对AI的积极或消极看法，但对时间维度的关注较少。Brauner等人（2025年）让受访者评估71种情景在未来十年内发生的可能性。虽然这种方法能提供关于感知可能性的信息，但它在分析不同类型的AI发展预期时间线变化方面的作用有限。我们的研究通过允许受访者为每种变革性情景估计多个时间范围内的时间线来弥补这一不足。对AI研究人员的调查显示，他们对实现变革性能力的时机存在很大分歧（Grace等人，2024年）。超级预测者的预测也显示出广泛差异，但他们的一致估计指向了一个相对较近的时间点：在撰写本文时，Metaculus平台上的AGI预测中位数为2032年（Metaculus，2026年），远早于大多数学术预测（Grace等人，2024年）。尽管专家和预测者的时间线已经详细绘制出来，但我们对公众预期这些发展到来的时间知之甚少。

理解公众的时间预期至少有两个重要原因：首先，它为政策制定者提供了制定AI治理策略所需的关键信息（Dafoe，2018年；Ord，2020年；Anderljung等人，2023年）；如果专家认为先进AI存在重大风险，而公众预计这些系统会晚很多才出现，这种不一致可能会使监管工作复杂化。其次，公众的时间预期会影响技术采用、投资决策和教育选择，从而对AI的实际发展轨迹产生实质影响。通过将分析重点从一般性的乐观或悲观转向具体的时间预期，我们提供了关于公众对AI认知的新见解。第三，我们研究了关于AI驱动的社会变革是否会发生以及何时发生的信念与自我报告的AI知识和人口统计因素之间的关联。近期研究表明，不同人群的AI基础知识普遍较低（Almaraz-López等人，2023年；Rehman等人，2024年；Yim & Wegerif，2024年）。AI知识与对AI的态度之间的关系并不简单。尽管一项大规模研究发现AI知识是人们对AI更积极经济预期的显著预测因素（Reiter等人，2026年），但其他研究在医学领域的调查中并未发现这种关联（Al-Medfa等人，2023年）。鉴于这种矛盾的证据，我们不认为自我报告的AI知识能强烈或一致地预测人们是否相信特定AI驱动的情景会发生。然而，我们认为时间预测是一种质量不同的判断类型。估计发展实现的时间需要某种技术进步模型、当前能力水平以及两者之间的差距，这种推理更依赖于知识而非一般性的评价倾向。

鉴于以往研究中观察到的人口统计模式，我们还探讨了性别、年龄和教育水平如何影响人们对AI时间线的预期。我们预期性别会在塑造AI发展时间预期方面发挥重要作用。与女性相比，男性可能预期时间更短，这与他们通常更高的AI乐观态度和支持态度一致（Zhang & Dafoe，2019年；Grassini & S?vild Ree，2023年）。然而，这种性别差异可能更多地体现在对AI有益发展的看法上，而不是潜在风险方面，因为先前的研究发现“AI希望”指标存在显著的性别差异（Grassini & S?vild Ree，2023年）。对于教育水平，我们预计受教育程度较高的人会预测AI发展的时间更早。大学毕业生和具有技术背景的人通常更支持AI发展（Zhang & Dafoe，2019年），这表明他们可能认为技术挑战较容易克服。关于年龄，研究结果不太明确。Liang和Lee（2017年）发现老年人对自主机器人和AI的恐惧程度更高，而Grassini & S?vild Ree（2023年）发现年龄对AI的乐观或悲观态度没有显著影响。这表明年龄可能影响人们对AI进步的期望，但不一定影响时间预期。

因此，本研究通过探讨瑞典公众是否以及何时预期重大AI驱动的社会变革，同时评估AI知识和人口统计因素是否与这些预期相关，填补了以往文献的空白。瑞典是研究AI预期的有用背景。瑞典公民一直是欧洲新技术的最早采用者之一（Jarz?bowski等人，2024年），但与其他高度发达的西方国家一样，他们对AI的态度相对谨慎（Gillespie等人，2025年；Reiter等人，2026年）。这种高技术采用率与谨慎的AI态度相结合，使瑞典成为研究先进经济体公民如何形成AI社会轨迹预期的一个有力案例。

我们研究了六个关键AI影响维度上的时间预期：失业、民主运作、生活水平、医疗进步、工作场所自动化以及不受控制的超级智能系统的发展。这些情景的选择涵盖了结果的正负性（积极、消极和中性发展），涵盖了专家讨论中重要的领域（Moser，2022年；Jungherr，2023年；Bostrom，2017年；Russell，2019年），并涵盖了不同时间范围内的发展（从近期应用到许多专家预测的未来几十年）。由于调查工具的限制，我们没有包括AI对战争、环境可持续性或教育等其他重要领域的影响。尽管如此，这六个情景仍使我们能够考察不同类型AI驱动的变化在时间预期上的系统性差异。

在积极领域，我们研究了人们对医疗进步和生活水平提高的预期。医疗情景建立在AlphaFold等最新突破的基础上，探讨了公众对AI通过增强药物发现、个性化医学和诊断能力来革新医疗保健的潜力。同样，生活水平情景基于对AI提高经济生产力、优化资源分配和通过自动化流程降低商品和服务成本的期望。消极情景关注潜在的社会挑战：失业和对民主制度的威胁。失业情景关注AI驱动的自动化可能以超过创造新就业机会的速度取代工作的担忧。民主运作情景基于AI通过高级错误信息能力、操纵公共讨论和增强监控技术来削弱民主过程的潜力。另外两个情景探讨了更一般的技术发展，这些发展在即时社会影响方面更具中立性或模糊性。第一个情景关注通用AI的发展，即能够像人类一样完成所有工作的AI，这一里程碑虽然具有变革性，但难以简单地归类为纯粹的积极或消极。像电力或互联网这样的先前的技术革命一样，AGI的影响可能是多方面的和复杂的，取决于这些系统与人类利益的契合程度。第二个一般情景探讨了对出现不受控制的超级智能系统的预期，这种发展虽然因其存在性风险而通常被认为是消极的，但它代表了一种不同于即时社会影响的独特关切类别。值得注意的是，尽管专家们在讨论长期AI风险时经常提到通用人工智能（AGI）和超级智能，但现有关于公众态度的实证研究中几乎完全没有涉及这些概念（Bialy等人，2025年）。利用上述与AI发展相关的潜在情景，我们研究了瑞典公众对这些事件发生的可能性和预期时间表的看法。通过考察近期到中期的社会挑战（如劳动力市场变化和民主挑战）以及根本性的技术突破（如AGI和超级智能），我们可以更全面地了解公众如何构想AI的未来轨迹，从具体的社会影响到更复杂、甚至可能是存在性的发展。

**方法**
**参与者**
我们邀请了4,046名18岁及以上的瑞典人口随机样本参与这项研究。该调查是涵盖多个社会问题的大型综合研究的一部分，其中与AI相关的问题构成了其中一个部分。参与者首先有机会在线完成调查。在多次提醒后，仍未回应的人会收到一份纸质调查问卷以及回复信封。采用这种混合模式的方法是为了提高响应率。调查在2024年6月24日至10月21日期间进行，共收到1,026份完整回答（响应率为25.4%）。

**测量方法**
调查包括几个关于AI及其潜在社会影响的问题。首先，受访者被要求在一个从“完全不了解”到“非常了解”的4点量表上评估他们对AI发展及其潜在社会影响的自我认知。然后，调查通过二元回答选项（是否会导致）来测量六个关键领域的预期，对于那些给予肯定回答的人，则进一步询问了时间表。这些领域包括：失业（AI是否会导致失业率大幅上升）、民主（AI是否会导致民主制度严重恶化）、生活水平（AI是否会导致人们生活水平大幅提高）、医学进步（AI是否会导致重大的医学突破）、自动化（AI是否会导致计算机/机器人能够像人类一样完成所有类型的工作）以及超级智能（AI是否会导致超出人类控制的超级智能机器）。对于那些表示相信这些发展会发生的人，后续问题使用了从“不到1年”到“超过20年”的6点量表来评估预期时间。关于AI预期及其时间表的完整问题集已从瑞典语翻译成英语，并附在附录A中。

年龄根据出生年份作为连续变量进行测量。性别作为分类变量进行评估，选项为“女性”、“男性”和“其他”。教育程度使用从“未完成小学”到“高等教育”的6点量表进行测量。

**分析**
我们的分析分为两个主要阶段。首先，我们进行了描述性分析，以考察认为每种AI发展会发生的人的比例，计算每个情景的百分比和频率。其次，为了识别个体如何看待不同AI发展的模式，我们使用了R语言中的poLCA软件包进行了潜在类别分析（LCA）。选择LCA是因为它能够识别在多个二元项目上具有不同回答模式的潜在子群体。我们拟合了包含2到5个潜在类别的模型，并使用贝叶斯信息准则（BIC）和赤池信息准则（AIC）来比较它们的拟合度。在选择模型时，我们优先考虑了BIC，同时也考虑了AIC和理论可解释性。此外，我们还要求模型基于L2统计量和TBVR具有可接受的拟合度。为了减少局部最大值的风险并提高解决方案的稳定性，每个模型都进行了20次随机起始和最多3,000次迭代。

对于时间分析，我们包括了两大类受访者：一类认为发展不会发生（回答“不会导致”），另一类提供了他们认为发展会发生的时间表估计。对于那些认为发展会发生的人，我们分析了六个时间段内的预期时间分布（从“不到1年”到“超过20年”）。无论是“从不”回答还是提供时间表的受访者总数被用作计算的基础。选择这种分析方法有两个主要原因：首先，为了提供人群中时间预期的完整图景，“从不”代表一个真实的时间视角，而不是缺失值；其次，因为认为每种情景会发生的人的比例在不同情景间差异很大，只使用相信每种发展的人作为基础进行比较会导致比较偏差。

为了分析目的，人口统计变量被重新编码成有意义的类别。年龄根据年龄分布的三分位数分为三组：“年轻”（18-44岁）、“中年”（45-64岁）和“老年”（65-85岁）。性别被分析为二元变量（“女性”和“男性”），由于单元格计数较少，选择“其他”的三名受访者被排除在分析之外。教育程度被重新编码为二元变量，区分“低/中等教育”（包括未完成小学到完成三年中学教育的人）和“高等教育”（包括至少接受过一些高等教育的人）。自我评估的AI知识也类似地分为“低/中等AI知识”和“高AI知识”两类，前者包括报告“完全不了解”或“有点了解”的受访者，后者包括报告“了解”或“非常了解”的受访者。

LCA基于五个二元项目进行，这些项目衡量了人们对AI是否会导致以下情况的信念：失业率上升、民主制度恶化、生活水平提高、医学进步以及不可控的超级智能机器。关于AI在所有任务上达到人类水平表现的问题被排除在分析之外，因为这代表了一个在正面或负面影响方面价值中立的技术里程碑，而其他五个情景具有更清晰的正面或负面影响。为了处理缺失数据，我们采用了完全案例分析，任何五个项目中都有缺失值的案例都被排除在LCA之外。所有分析都使用R 4.3.1版本进行，潜在类别分析使用了poLCA软件包。

为了研究AI知识和社会人口统计预测因素与潜在类别成员身份之间的关系，我们使用R中的nnet包（Venables & Ripley, 2002）进行了多项逻辑回归分析。因变量是根据LCA结果分配给每个受访者的最可能类别成员身份。自变量包括教育水平（分为高或低）、性别、年龄（分为年轻、中年或老年）和自我报告的AI知识水平（分为高或低）。计算了95%置信区间的比值比（OR），以衡量关联的强度和方向。当比值比低于1时，我们为了便于解释而报告了倒数比值比（1/OR）。

最后，我们计算了预期每种发展会发生的人口中人口统计变量和知识变量与时间表估计之间的斯皮尔曼等级相关系数。

**结果**
**预期发生的变革性AI发展**
调查显示，人们对不同变革性AI发展的信念程度各不相同。医学突破是最受期待的结果，82.6%的受访者认为这会在某个时候发生。其他发展的预期要低得多。40.9%的受访者认为AI会导致大规模失业，而40.3%的人预期生活水平会提高。38.7%的受访者表达了对民主制度受损的担忧，33.9%的人认为会出现不可控的超级智能。人类水平AI的发展被视为最不可能发生的情景，只有28.4%的受访者认为这会发生。

通过比较具有两个到五个类别的模型来确定最佳的潜在类别数量。贝叶斯信息准则（BIC）表明三类别解决方案是最优的（BIC = 5493.568），而赤池信息准则（AIC）则倾向于四类别解决方案（AIC = 5410.406）。三类别解决方案在L2和X2统计量上的观察值和预期值频率之间没有显著差异（p=.13和.11），而四类别模型则有显著差异（p<.01），且TBVR为4.14，这是合理的。一个成对残差相关系数超过1.96，所有其他相关系数均<.7，这表明模型是可以接受的（Masyn, 2013）。鉴于简约原则和更强的理论可解释性，选择了三类别解决方案进行进一步分析。

潜在类别分析揭示了三个对人工智能及其潜在社会影响持有不同态度的明显群体。最大的群体占受访者的46.7%（类别2），他们对AI发展表现出总体上的乐观态度。这个群体特别相信AI在医学进步（96.5%的概率）和生活水平提高（60.1%的概率）方面的潜力，同时对潜在的负面后果如大规模失业（21.3%的概率）、民主制度恶化（13.7%的概率）或不可控的人工超级智能（10.96%的概率）表示有限的担忧。

第二大群体（类别3）占受访者的42.2%，对AI的态度更为复杂和矛盾。虽然他们认识到AI在医学等领域的潜在益处（80.7%的概率），但这个群体对潜在风险表示了相当的担忧。这个群体中的大多数预期负面结果，如大规模失业（70.2%的概率）、民主制度恶化（69.2%的概率）和不可控的人工超级智能（65.2%的概率）。只有30.3%的这一群体预期生活水平会提高。

最小的群体（类别1）占受访者的11.2%，对AI的潜在影响表现出明显的怀疑或冷漠态度。这个群体对正面和负面结果的概率都较低。值得注意的是，这个类别的成员预期AI会改善生活水平的概率几乎为零（0%），只有33.3%的人预期会有医学进步。同样，他们对负面结果如大规模失业（7.8%的概率）或民主制度恶化（28.3%的概率）的概率也较低。这些发现表明人们对AI的社会影响持有两极分化的观点，大多数受访者介于乐观和担忧之间，而一小部分人对AI的变革潜力保持怀疑态度。

多项逻辑回归分析揭示了几个影响AI态度类别成员身份的预测因素，其中乐观类别（类别2）作为参考类别（见图1）。教育水平是最强的预测因素（p < .001），高等教育使人属于乐观类别的概率比怀疑类别高2.56倍，比矛盾类别高1.69倍。

**下载：**下载高分辨率图片（179KB）
**下载：**下载全尺寸图片
**图1. AI类别成员身份的预测因素。**注意：OR > 1表示每对中的第一个类别具有更高的概率。

性别显示出显著 effect（p = .015），男性属于矛盾类别的概率是女性的1.49倍。然而，性别在乐观类别和怀疑类别之间没有显著差异（OR = 0.91）。最后，自我报告的AI知识也是一个显著的预测因素（p = .007）。具有高AI知识的人属于乐观类别的概率是怀疑类别的2.78倍，而乐观类别和矛盾类别之间的差异不显著（OR = 1.25）。年龄和类别成员身份之间没有总体上的显著差异（p = .065），尽管乐观类别和矛盾类别之间的置信区间排除了1（OR = 1.64），但较年长的受访者更倾向于乐观类别。

**在认为变革性AI发展会发生的人中预测的时间表**
在那些认为AI发展会发生的人中，不同情景下的预期时间表存在显著差异（见图2）。医学突破不仅是最广泛预期的结果（82.6%的人认为会发生），而且预期发生的时间也相对较短，35.2%的受访者预计在6-10年内发生，另有20.9%的人预计在1-5年内发生。大规模失业和生活水平提高的预期率总体上相似（分别为40.9%和40.3%），但时间表分布不同——失业预计发生的时间较早，18.8%的人预计在6-10年内发生，而生活水平提高的时间分布更为渐进。

**下载：**下载高分辨率图片（332KB）
**下载：**下载全尺寸图片
**图2.**### 预计各发展事件发生时间的受访者比例

- **民主制度恶化**：38.7%的受访者预计这一情况会发生，其中6-10年内的概率最高（14.9%），其次是1-5年内（11.3%）。
- **技术革命**：对于这些更为剧烈的技术变革，受访者表现出更高的怀疑态度，并且预计其发生时间也更长。
- **不可控制的超级智能AI**：66.1%的受访者认为这种情况永远不会发生，10.8%的受访者预计其将在20年后出现——这是所有情景中长期的最高比例。
- **计算机/机器人达到人类水平的表现**：71.6%的受访者对此表示怀疑，不同时间段的持有这种观点的比例相对均匀。

### 人口统计变量与AI发展时间预测之间的相关性分析（见表1）

- **教育水平**：教育水平与任何AI发展时间预测之间没有显著相关性（所有rs < |.09|）。
- **性别**：性别也与AI发展时间预测没有显著相关性（所有rs < |.07|）。
- **年龄**：年龄与失业率预测（rs = -.13, p < .05）和超级智能预测（rs = -.19, p < .01）存在显著负相关，表明年龄较大的受访者倾向于预测这些事件会发生在一个较短的时间内。
- **AI知识**：AI知识与超级智能预测之间存在弱正相关（rs = .14, p < .05），表明AI知识水平较高的人倾向于预测不可控制的超级智能AI会在更长的时间内出现。

### 总结

本研究旨在了解公众对重大AI驱动的社会变革时间线的预期，特别关注了作为新技术早期采用者的瑞典人口。研究结果表明，公众对AI的潜在影响持有复杂的态度，既包含乐观也包含担忧。大多数受访者认为AI将带来重大的医学突破，这反映了人们对AI在医疗保健领域积极作用的普遍期待。然而，在其他方面（如大规模失业、民主制度严重恶化、生活水准显著提高以及不可控制的人工智能系统的出现）的预期存在显著分歧。实际上，大多数瑞典人认为后五种情景中的任何一种都不会发生。

### 讨论

瑞典公众对AI发展时间线的预测表明，他们认为医学领域的进步会在相对较短的时间内实现。这种预期可能与媒体对AI在医疗领域成就的关注有关。关于其他情景的预期则更为谨慎，例如大规模失业、民主制度恶化等。年龄较大的受访者通常预测这些事件的发生时间较短。AI知识与超级智能预测之间存在弱正相关，这可能意味着具有较高AI知识水平的人更倾向于认为不可控制的超级智能AI会在更长的时间内出现。

总体而言，公众对不同类型AI发展的预期存在显著差异。男性比女性更倾向于持怀疑态度，而教育水平是预测趋势的重要影响因素。此外，人们对AI可能带来的积极和消极影响的认识也存在分歧。这些发现对于理解公众对AI发展的不同看法具有启示意义。然而，政策制定者还必须考虑公众认为颠覆性人工智能发展不太可能发生这一观点是否可能导致对长期安全措施和治理结构的投资不足。该研究还强调了对未来人工智能发展概率评估的多样性，不同群体对可能发生的发展持有显著不同的看法。这种关于未来人工智能发展的预测多样性表明，任何政策举措都需要应对和解决多种有时相互矛盾的公众期望，而不是假设存在共识。

应承认这项研究的几个局限性。25%的响应率可能会引入无响应偏差，因为完成调查的参与者可能与拒绝参与的参与者在對人工智能技术的兴趣或了解程度上存在系统差异。此外，尽管该研究重点关注了六个与颠覆性人工智能发展相关的关键情景，但还有其他一些潜在的重要发展未被涵盖，例如人工智能对全球安全和战争、环境可持续性、教育系统、社会关系和交流模式的影响，以及人机混合社会的可能出现（Bostrom, 2017; Russell, 2019）。目前尚不清楚公众对这些人工智能发展的猜测有多么基于事实，未来需要进一步研究这些猜测的可靠性以及用于捕捉人工智能发展预期情况和时间线的调查方法。这包括框架效应，可能会影响受访者对未来人工智能能力问题的理解和回答方式，正如最近的专家调查所示，对类似人工智能里程碑的不同表述导致了显著不同的时间线预测（Grace et al., 2024）。另外，人工智能知识的测量是通过自我评估而非客观知识测试进行的，而先前的研究表明自我评估的知识与客观知识之间的相关性较低（Koch et al., 2024），这可能会减弱观察到的关联性。最后，由于这项研究是在人工智能快速发展且媒体关注度较高的时期进行的横断面研究，因此我们的发现仅反映了当前的公众期望，随着人工智能能力及其公众认知的不断演变，这些期望可能会发生变化。

总之，这项研究揭示了瑞典公众对人工智能驱动的社会变革的预期，展示了从乐观到担忧的各种态度。通过记录人们是否以及何时预期颠覆性人工智能发展会发生，并通过潜在类别分析识别出不同的态度亚群体，我们扩展了现有文献，从简单的乐观-悲观测量转向了对公众如何看待人工智能未来轨迹的更细致的理解。随着人工智能的不断进步，理解和应对公众期望对于将其发展引导到符合社会价值观和利益的方向至关重要。

**作者贡献声明：**
Sara Kalucza：写作 - 审查与编辑、撰写初稿、方法论、概念化。
Mikael Hjerm：写作 - 审查与编辑、撰写初稿、方法论、概念化。
Filip Fors Connolly：写作 - 审查与编辑、撰写初稿、可视化、验证、监督、软件、资源、项目管理、方法论、调查、形式分析、数据管理、概念化。

**未引用的参考文献：**
Bostrom, 2024; Nobel Prize Outreach, 2024; Stanford, 2025.

**利益冲突声明：**
作者声明不存在利益冲突。

**伦理批准和知情同意声明：**
由于数据是通过问卷收集的，且问卷中的问题未被瑞典《关于涉及人类的研究的伦理审查法》（2003:460）列为敏感问题，因此本研究不需要伦理批准。研究的目的已向参与者明确说明，并获得了他们的知情同意。参与者是完全匿名的，研究也没有试图影响他们的决策。根据瑞典的规定，符合这些标准的研究可以免于伦理审查。

**数据可用性：**
本研究中使用的数据可根据请求向通讯作者获取。

**资金声明：**
本研究未获得任何公共部门、商业部门或非营利机构的特别资助。