从风险沟通,走向风险意义建构
01 / WHY AIRS
一条预警被成功发送,并不意味着它已经被理解。
标准化、单向的信息模板能够保证一致性和机构责任,却很难回答每个接收者在现实情境中的具体问题:我是否处于影响范围?这对我的路线、家人和当前活动意味着什么?哪些信息已经确定?我现在应先做哪一步?
02 / AI AS MEDIATOR
AI的角色:
不是信息源,而是介导者。
AIRS CAN
AI可以做什么
- 组织技术性、分散的风险事实
- 关联必要且透明的用户情境
- 将授权建议转化为行动顺序
- 在多轮对话中回答追问
AIRS IS NOT
AI不是什么
- 不是独立预测灾害的 Risk Predictor
- 不是决定预警等级的 Warning Authority
- 不是替用户决策的 Autonomous Decision-maker
- 不是追求恐惧、服从与无条件信任的 Persuasion Machine
03 / FOUR CORE FUNCTIONS
四个问题,构成一条连续的意义建构链。
连贯理解构建
发生了什么,为什么重要?将来源、危险、时间、地点、可能影响与行动要求组织成连贯解释,减少碎片化信息带来的理解负担。
情境关联
这对我意味着什么?使用用户主动提供的最小必要情境信息,说明哪些风险与当前活动、位置和行动限制最相关。
不确定性澄清
哪些已知,哪些还不知道?区分已确认、预期与仍不确定的信息,不用流畅语言填补事实空白,并说明不确定性对行动的意义。
行动导向
我现在首先应该做什么?把机构授权的保护建议转化为优先级、顺序、触发条件与禁止行为,突出清晰、可执行的第一步。
04 / WHY IT MATTERS
改变风险信息进入理解、信任与行动的方式。
05 / RESEARCH PROGRAM
把AIRS作为可操作、可记录、可比较的风险沟通范式。
从传统预警到AI介导
比较三种可部署的预警沟通形态,评估完整干预包是否改善意义建构与保护反应。
- Baseline · 完整传统预警
- Static personalized AI · 一次性情境化解释
- Live conversational AIRS · 可主动追问的实时对话
从行动条件理解到独立判断
在共同事实与解释下,比较行动条件关系建构与风险解释建构,考查训练后对新情境的独立判断。
- 两场景六轮训练 · 共同信息与反馈
- 新情境判断 · 改变、保持与选择性核验
从独立判断到动态更新
进一步探索信息持续变化时,人们如何更新风险理解、调整行动,并在证据不足时进行有针对性的核验。
- 研究规划 · 连续信息更新
- 行动调整 · 保持与核验的适用边界
06 / SAFETY & GOVERNANCE
安全、边界与责任,是AIRS设计的一部分。
Same facts, different mediation
所有实验条件共享同一事件事实、预警等级、有效时间与核心保护建议。
Institutional grounding
事实性输出来自冻结的权威事实核或授权防护模块,模型不得自行补充预报与安全保证。
Transparent AI role
清楚区分机构确认的信息与AI提供的解释,AI不伪装成预警发布机构。
Uncertainty as information
系统能够明确说出当前无法判断的事项,并解释这对行动意味着什么。
Calibrated trust
目标是形成适当依赖,而不是最大化公众对AI的信任。
Logged and auditable
正式实验冻结模型、提示词、事实核与参数,并记录交互和安全判定。
07 / VISION
构建一个可验证的人–AI–机构风险沟通生态。
机构提供可信知识与责任边界,AI提供可解释、可追问、可审计的意义建构支持,人保持理解、判断与行动自主。
