圖片來自網路
喬治亞大學的資料科學家的最新研究表明：
儘管人們越來越關注計算機演算法對日常生活的入侵，但研究顯示，比起自己的人類同伴，人們可能更願意相信計算機程式。
尤其是當一項任務變得過於艱鉅的時候。
無論是從播放列表中選擇要聽的下一首歌曲，還是選擇合適尺寸的褲子，人們都越來越依賴演算法的建議，來幫助自己做出日常決定、簡化生活。
埃裡克-博格特（特里商學院管理資訊系統系博士生）說：“演算法能夠完成大量的任務，而且它們能夠完成的任務數量幾乎每天都在增加。
隨著任務變得越來越困難，人們似乎更傾向於依賴演算法，而且這種傾向比依賴他人建議的傾向更加強烈。
”
圖片來自網路
在發表於4月13日的《自然科學報告》雜誌上的論文中，研究人員稱：“隨著任務變得越來越困難，人類會更多地依賴於演算法，而不是社會影響。”
這項研究涉及1500個志願者，研究人員需要他們對照片進行評估，然後分析人們如何、以及何時會使用演算法處理資訊，並做出決策。
研究人員要求志願者計算人群照片中的人數，並分別提供由其他人提出的建議，以及由演算法產生的建議。施克特（助理教授）說，
隨著照片中人數的增加，計數變得更加困難，在這種情況下，人們更傾向於選擇遵循演算法產生的建議，而不是自己計數，或選擇“群體的智慧”
。
圖片來自網路
施克特解釋說，選擇計數作為實驗任務是一個重要的選擇，因為照片中人數的增加會很客觀地體現出任務的困難度。同時，計數這項功能也是外行人期望的計算機所擅長的工作型別。
施克特說：“
這是一項人們認為的計算機應該很擅長的任務，儘管它可能更容易產生偏差
。例如，當人工智慧被用於授予信貸或批准某人的貸款時，它就會出現一個常見的問題。這原本是一個主觀的決定，但裡面包含有很多數字——比如收入和信用評分——所以人們覺得這是一個演算法問題。但我們知道，在許多情況下，
這種演算法依賴會導致一些歧視性的做法，因為人工智慧沒有將社會因素納入考慮。”
施克特說，近年來，面部識別和招聘演算法也受到了嚴格的限制，因為在使用中暴露了它們在演算法的建立方式上的文化偏差，它可能導致面孔和身份的不準確匹配，以及合格應聘者的不準確的篩選。
這些偏差可能不會出現在像計數這樣簡單的任務中，
但是演算法在計數這種可信程式中的存在，是理解人們在做決策時，依賴演算法的一個重要原因
。
參考來源：ScienceDaily
