Los modelos de lenguaje grandes muestran sesgos en el contenido similares a los humanos en experimentos de cadena de transmisión

A medida que crece el uso de modelos de lenguaje grandes (LLMs), es importante examinar si exhiben sesgos en su salida. La investigación en evolución cultural, utilizando experimentos de cadena de transmisión, demuestra que los humanos tienen sesgos para atender, recordar y transmitir algunos tipos de contenido sobre otros. Aquí, en cinco experimentos preregistrados utilizando material de estudios anteriores con participantes humanos, utilizamos la misma metodología similar a la de cadena de transmisión y encontramos que el LLM ChatGPT-3 muestra sesgos análogos a los humanos para contenido que es consistente con estereotipos de género, social, negativo, relacionado con amenazas y biológicamente contraintuitivo, sobre otro contenido. La presencia de estos sesgos en la salida de LLM sugiere que tal contenido es generalizado en sus datos de entrenamiento y podría tener efectos subsecuentes significativos, amplificando las tendencias humanas preexistentes hacia contenidos cognitivamente atractivos y no necesariamente informativos o valiosos.