Key points are not available for this paper at this time.
Diese Studie führte ein Experiment durch, um zu testen, wie sich das Maß an Schuld zwischen einer künstlichen Intelligenz (KI) und einem menschlichen Fahrer basierend auf der Attributionstheorie und der Annahme, dass Computer soziale Akteure sind (CASA), unterscheidet. Es wurde ein Design von 2 (menschlicher vs. KI-Fahrer) x 2 (Opfer überlebt vs. Opfer starb) x 2 (weiblicher vs. männlicher Fahrer) verwendet. Nach dem Lesen eines gegebenen Szenarios wurden die Teilnehmer (N = 284) gebeten, ein Maß an Verantwortung dem Fahrer zuzuweisen. Die Teilnehmer beschuldigten Fahrer mehr, wenn der Fahrer KI war, im Vergleich dazu, als der Fahrer ein Mensch war. Auch wurde ein höheres Maß an Schuld sichtbar, wenn das Ergebnis schwerwiegender war. Geschlechterbias stellte sich jedoch als nicht signifikant heraus, als es darum ging, Fahrer zu beschuldigen. Diese Ergebnisse deuten darauf hin, dass die Absicht, KI zu beschuldigen, aus der Wahrnehmung von Unähnlichkeit resultiert und die Schwere der Ergebnisse das Maß an Schuld beeinflusst. Die Implikationen der Ergebnisse für Anwendungen und Theorien werden diskutiert.
Hong et al. (Thu,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: