挑战机器智能的外貌：在LLMs中的认知偏见和采用的最佳实践
摘要：大型语言模型（LLM）中算法偏差的评估通常致力于揭示基于受保护特征（如性别和种族）的系统偏见。然而，人类推理和决策中存在超过180种认知偏见，而在讨论人工智能的伦理复杂性时往往被忽视。我们展示了LLMs中存在这些认知偏见，并讨论了以专业知识为借口使用有偏见推理的影响。我们呼吁加强教育、风险管理和持续研究，因为这项技术的广泛应用正在增加。最后，我们提出了一套最佳实践，用于在广泛应用持续增长的情况下何时以及如何使用这项技术。
作者：Alaina N. Talboy and Elizabeth Fuller
论文ID：2304.01358
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-30