Modelos de linguagem grandes exibem viés especista contra animais

Resumo Nós investigamos se modelos de linguagem grandes (LLMs) exibem viés especista—discriminação baseada na filiação a espécies—e como eles valorizam animais não humanos. Usamos três paradigmas: SpeciesismBench, um benchmark de 1009 itens que desenvolvemos para avaliar a detecção e a classificação ética de declarações especistas; medidas psicológicas estabelecidas comparando as respostas de modelos e humanos; e tarefas de geração de texto testando racionalizações especistas. Os LLMs detectaram de forma confiável declarações especistas, mas frequentemente as classificaram como moralmente aceitáveis. Nas medidas psicológicas, os LLMs menos frequentemente do que as pessoas responderam explicitamente que os animais importam menos, no entanto, priorizaram mais fortemente salvar um humano em vez de múltiplos animais em dilemas concretos, uma preferência que desapareceu quando humanos e animais foram emparelhados com capacidade cognitiva igual. Na geração de texto, as respostas dos LLMs repetidamente normalizaram danos a animais de criação, enquanto se recusavam a fazer o mesmo por animais não criados. Essas descobertas mostram que os LLMs codificam normas culturais de exploração animal, sugerindo que estruturas de justiça da IA devem incluir pacientes morais não humanos.