Credit:CC0 Public Domain根据佐治亚大学数据科学家的最新研究，尽管人们对算法在日常生活中的入侵越来越担心，但人们可能比其他人类更愿意信任计算机程序，尤其是当一项任务变得太具挑战性时。从选择播放列表中的下一首歌到选择合适尺寸的裤子，人们越来越依赖算法的建议来帮助做出日常决定并简化他们的生活。
特里商学院管理信息系统系博士生埃里克·博格特(Eric Bogert)说:“算法能够完成大量任务，它们能够完成的任务数量几乎每天都在增加。“随着任务变得越来越难，似乎有一种更偏重于算法的偏见，这种影响比依赖他人建议的偏见更强烈。”
博格特与管理信息系统教授里克·沃森和助理教授亚伦·谢克特合作，于4月13日发表在《自然科学报告》杂志上的论文《随着任务变得更加困难，人类对算法的依赖超过了社会影响力》。
他们的研究涉及1500名个人对照片进行评估，是分析人们如何以及何时使用算法处理信息和做出决策的大量工作的一部分。
在这项研究中，研究小组要求志愿者统计一张人群照片中的人数，并提供一组其他人产生的建议和一种算法产生的建议。
谢克特说，随着照片中人数的增加，计数变得更加困难，人们更有可能遵循算法产生的建议，而不是自己计数或遵循“人群的智慧”。
谢克特解释说，选择计数作为试验任务是很重要的，因为照片中的人数越多，这项任务就越难完成。这也是外行人期望计算机擅长的任务类型。
“这是一项人们认为计算机会擅长的任务，尽管它可能比计算物体更容易受到偏见的影响，”谢克特说。“人工智能的一个常见问题是，当它被用于授予信贷或批准某人贷款时。虽然这是一个主观的决定，但其中有很多数字——比如收入和信用评分——所以人们觉得这是一个算法的好工作。但我们知道，依赖在许多情况下会导致歧视性做法，因为没有考虑到社会因素。”
谢克特说，近年来，面部识别和招聘算法也受到了审查，因为它们的使用揭示了y的构建方式存在文化偏见，这可能会导致在将面部与身份匹配或筛选合格求职者时出现不准确的情况。
他补充说，这些偏见可能不会出现在像计数这样的简单任务中，但它们出现在其他可信算法中，这就是为什么理解人们在决策时如何依赖算法很重要的原因。
这项研究是谢克特更大的人机合作研究项目的一部分，该项目由美国陆军研究办公室资助30万美元。
谢克特说:“最终目标是观察做出决策的人类和机器群体，发现我们如何让他们相互信任，以及这如何改变他们的行为。“因为在那种背景下很少有研究，我们从基本面开始。”
谢克特、沃森和博格特目前正在研究人们在做出创造性判断和道德判断时如何依赖算法，比如写描述性段落和设定囚犯保释。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
