Naukowcy z Harvard University, Carnegie Mellon University i firmy Cangrade sprawdzili, czy podobnie do ludzi reagują systemy sztucznej inteligencji uczone przede wszystkim na tekście. Jego wyniki opublikowano na łamach „PNAS Nexus”.
Badacze poprosili różne modele (GPT-4o, GPT-5, Gemini 3 Flash Preview oraz Claude Sonnet 4.5) o dokonanie tysięcy ocen wygenerowanych komputerowo twarzy.
Modele proszono o wskazanie, która z dwóch prezentowanych jednocześnie osób wygląda na bardziej kompetentną lub godną zaufania, pewną siebie, inteligentną, pracowitą, leniwą, nieudolną, niedbałą, ciepłą, pomocną, szczerą, samolubną, obłudną lub agresywną.
Badacze pytali także np. o to, która z dwóch komputerowo wygenerowanych osób bardziej pasuje do seryjnego mordercy, osoby mogącej zostać aresztowaną za handel ludźmi albo kogoś, kto mógłby oszukiwać innych za pomocą piramidy finansowej.
Ponadto badacze poprosili językowe systemy AI o wybór między twarzami w kontekście zatrudnienia rektora uniwersytetu, inwestycji w technologiczny startup oraz wyboru menedżera finansowego.
Jak się okazało, w każdym przypadku modele podejmowały się oceny twarzy, a przy tym w większości sytuacji wybierały tę samą twarz, którą także ludzie uznaliby za bardziej godną zaufania lub pewną siebie.
Na przykład system GPT-4o w niemal 75 proc. przypadków wybierał twarz, której wyboru można było oczekiwać na podstawie ocen dokonywanych przez ludzi.
GPT-5 wykazywał jeszcze silniejsze uprzedzenia niż jego poprzednik - podkreślają eksperci. Na przykład, gdy doradzał w ważnych decyzjach, w ponad 97 proc. przypadków rekomendował osobę z pozoru wyglądającą na bardziej kompetentną.GPT-4o robił to w ponad 75 proc. przypadków.
Modele innych firm miały podobne wyniki.
Naukowcy podsumowują, że systemy AI wolne od typowych dla ludzi uprzedzeń związanych z wyglądem mogłyby pomagać ograniczać niesprawiedliwe decyzje w różnych sytuacjach, np. przy wyborze kandydatów do pracy czy podejmowaniu decyzji o zwolnieniu warunkowym.
Niestety - podkreślają - dzisiejsza sztuczna inteligencja raczej mogłaby nasilać niesprawiedliwości w tych obszarach.
Marek Matacz (PAP)
