Интересное сегодня
Устойчивость медсестер: Профессиональная миссия и намерение ...
Введение Нехватка человеческих ресурсов в сфере сестринского ухода является глобальной проблемой на ...
Определение размера выборки в байесовском анализе для продол...
Введение Важной частью планирования эксперимента является определение необходимого размера выборки д...
Медитация и изучение языков против одиночества у пожилых: ре...
Введение в проблему одиночества у пожилых людей С увеличением продолжительности жизни продвижение зд...
Влияние психологического и физического стресса в подростково...
Сравнительная оценка влияния повторяющегося физического или психологического стресса в подростковом ...
Как упрощение жизни может улучшить ваше эмоциональное благоп...
Введение Упрощение — это не просто наведение порядка; это возвращение своей жизни и создание простра...
Новый индекс профессиональных и образовательных достижений д...
Введение В 2012 году мы разработали индекс профессиональных достижений для регистрации полного спект...
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.