Интересное сегодня
Исследование факторов, влияющих на усталость от конфиденциал...
Введение Социальные сети стали неотъемлемой частью нашей повседневной жизни, но с увеличением количе...
Как социальные сети влияют на диагностику СДВГ у взрослых
Недавнее исследование показало, что 25% взрослых в США подозревают у себя недиагностированный синдро...
Анизотропное искажение восприятия направления движения на ру...
Введение Тактильное восприятие движения предоставляет критическую информацию о том, что мы касаемся ...
Негативные нарративы: что они значат для детей?
ВведениеВ первые 5-7 лет жизни дети формируют ключевые нарративы, которые определяют, кто они, что о...
Как собаки воспринимают телевизор: влияние темперамента и ст...
Введение Как домашние животные, собаки регулярно сталкиваются с искусственными стимулами, которых не...
Качество жизни после лечения рака щитовидной железы: сравнит...
Анализ постоперационного качества жизни у пациентов с раком щитовидной железы Лечение рака щитовидно...
Обзор исследования
Хотя дискриминация обычно рассматривается как происходящая из четко определенных категорий, таких как этническая принадлежность, инвалидность и пол, исследования показывают, что дискриминация сохраняется даже в условиях, лишенных таких категорий. Участники экспериментов предпочитали распределять ресурсы на основе, казалось бы, случайных общих характеристик, таких как выбор оценки точек. В данном исследовании мы использовали предварительно зарегистрированный эксперимент (n = 500), чтобы выяснить, дискриминируют ли люди аналогичным образом, взаимодействуя с агентами искусственного интеллекта (ИИ), которые предположительно сделали оценки точек.
Гипотезы и ожидания
Мы предположили, что у людей есть предвзятость против алгоритмов по сравнению с другими людьми, известная как "отвращение к алгоритму". Мы ожидали, что сила дискриминационного поведения может быть больше против ИИ, чем против людей. Однако, как оказалось, участники распределяли ресурсы аналогичным образом, хотя и неравномерно, как между человеческими, так и ИИ-агентами. В частности, участники отдавали предпочтение другому агенту, когда решения были согласованы.
Методология исследования
Главным экспериментом была оценка того, насколько число точек на экране превышает указанное значение. Участникам предстояло распределить ресурсы между ИИ и человеком, в зависимости от того, совпадали ли их оценки.
Ожидаемые результаты
- Участники проявят дискриминационное поведение, основанное на совпадении решений.
- Сравнение дискриминационного поведения между людьми и ИИ покажет аналогичные результаты.
Результаты
Результаты показывают, что участники использовали дискриминационные стратегии против обоих - как человеческих, так и ИИ-агентов. Выявление этих стратегий произошло с помощью так называемых "влекомых оценок", которые парируют два противоположных стратегии распределения. Статистический анализ показал, что распределение ресурсов было менее зависимо от идентичности получателя.
Обсуждение и выводы
Наши результаты противоречат ожиданиям о том, что отвращение к алгоритмам усилит дискриминационное поведение. Участники подвергали одинаковым дискриминационным стратегиям как людей, так и ИИ. Это указывает на то, что предвзятость к ИИ, по всей видимости, не настолько значима в минимальных условиях взаимодействия.
Направления для будущих исследований
Дальнейшие исследования могут сосредоточиться на более сложных взаимодействиях и задачах, где ИИ может проявлять свои способности. Исследование области, где предвзятости имеют большее значение, может значительно углубить понимание нашего отношения к ИИ.