캘리포니아대학교 샌디에이고대학교 Rady School of Management의 새로운 연구에 따르면 기계 학습 알고리즘은 위험도가 높은 전략적 상호작용 중에 거짓말을 탐지하는 데 있어서 인간의 판단보다 훨씬 더 뛰어난 것으로 나타났습니다.

이 연구는 다음과 같이 잘못된 정보의 확산에 큰 영향을 미칠 수 있습니다.기계 학습YouTube, Tik-Tok 및 Instagram과 같은 주요 플랫폼에서 가상 콘텐츠를 줄이려는 노력을 강화하는 데 사용될 수 있습니다.

이 연구는 다음에서 출판될 예정입니다.경영과학그리고 다음과 같이 사용 가능합니다.작업 서류는 2007년부터 2010년까지 방영된 영국의 인기 TV 쇼 "Golden Balls"에서 참가자들이 거짓말을 탐지하는 능력에 초점을 맞췄습니다. 인간은 참가자의 속임수 행동을 예측하는 데 어려움을 겪고 있지만 알고리즘은 훨씬 더 나은 성능을 발휘한다는 사실을 발견했습니다.

이번 연구의 주저자이자 UC 샌디에고 경영대학원 행동경제학 부교수인 마르타 세라-가르시아(Marta Serra-Garcia)는 “우리는 사람이 속이는 행동을 할 때 특정한 신호가 있다는 것을 발견했습니다.”라고 말했습니다.

"예를 들어, 누군가가 더 행복하다면, 그는 진실을 말하고 있으며, 우리 인간이 정직하고 진실을 말할 때 공유하는 시각적, 언어적, 음성적 단서가 있습니다. 알고리즘은 이러한 상관관계를 밝혀내는 데 더 효과적입니다."

연구에 사용된 알고리즘은 연구에 참여한 600명 이상의 인간이 달성한 51%~53%의 정확도와 비교하여 참가자의 행동을 74%의 시간 동안 정확하게 예측하여 인상적인 정확도를 달성했습니다.

이 연구에서는 속임수를 탐지하는 기계 학습과 인간의 능력을 비교하는 것 외에도 알고리즘을 활용하여 사람들이 거짓말을 하는 사람과 진실을 말하는 사람을 더 잘 구분할 수 있는 방법도 테스트했습니다.

한 실험에서 두 개의 서로 다른 연구 참가자 그룹이 동일한 "Golden Balls" 에피소드 세트를 시청했습니다.한 그룹은 비디오를 보기 전에 기계 학습으로 플래그를 지정했습니다.깃발은 다음을 가리킨다.연산참가자가 거짓말을 할 가능성이 가장 높다고 예측했습니다.

또 다른 그룹은 동일한 비디오를 시청한 후 알고리즘이 해당 비디오를 사기로 표시했다는 말을 들었습니다.참가자들은 비디오를 보기 전에 플래그 메시지를 받은 경우 머신러닝의 통찰력을 신뢰하고 거짓말을 더 잘 예측할 가능성이 훨씬 더 높았습니다.

Serra-Garcia는 "알고리즘 조언을 채택할 때는 타이밍이 중요합니다."라고 말했습니다."우리의 연구 결과에 따르면 참여자들은 알고리즘 통찰력이 초기에 제시될 때 알고리즘 통찰력에 훨씬 더 의존할 가능성이 높습니다.의사결정 과정.이는 잠재적으로 사기성 콘텐츠를 표시하기 위해 알고리즘을 사용할 수 있는 YouTube 및 TikTok과 같은 온라인 플랫폼에 특히 중요합니다."

공동 저자이자 Rady School의 행동 경제학 교수인 Uri Gneezy는 "우리 연구에 따르면 이러한 온라인 플랫폼은 사용자가 콘텐츠에 참여하기 전이 아니라 콘텐츠에 참여하기 전에 알고리즘 경고를 표시함으로써 플래그 지정 시스템의 효율성을 향상시킬 수 있음을 시사합니다.잘못된 정보가 덜 빠르게 퍼지게 됩니다."

이러한 소셜 미디어 웹사이트 중 일부는 이미 의심스러운 콘텐츠를 탐지하기 위해 알고리즘을 사용하고 있지만, 대부분의 경우 사용자가 동영상을 신고한 후 콘텐츠를 신고하거나 삭제할 수 있는 직원이 조사해야 합니다.TikTok과 같은 기술 회사의 직원이 조사로 인해 과도한 부담을 느끼기 때문에 이러한 프로세스가 길어질 수 있습니다.

저자는 "우리의 연구는 기술이 인간의 의사 결정을 어떻게 향상시킬 수 있는지 보여주고 AI가 도움이 될 때 인간이 AI와 어떻게 상호 작용할 수 있는지 보여주는 예입니다. 우리는 이번 연구 결과가 조직과 플랫폼이 특히 기계 학습 도구를 더 잘 설계하고 배포하는 데 도움이 되기를 바랍니다.정확한 의사결정이 중요한 상황에서는요."