Which Contributions Deserve Credit? Perceptions of Attribution in Human-AI Co-Creation
作者: Jessica He, Stephanie Houde, Justin D. Weisz
发布时间: 2025-02-27
来源: arxiv
研究方向: 人机协同创作与归因
主要内容
本文探讨了在人类与人工智能协同创作过程中，如何对人工智能的贡献进行归因。通过调查研究了知识工作者对归因的看法，分析了不同贡献类型、数量和主动性下人工智能应获得的不同程度的信用。
主要贡献
1. 证明了二元归因方法的不充分性，并表明需要更细粒度的归因。
2. 确定了影响人们决定人工智能合作伙伴应获得多少作者信用的一组因素。
3. 发现了一个一致的规律，即与人类合作伙伴相比，人工智能合作伙伴在等效贡献中被分配了更少的信用，这表明需要为人工智能特定的归因框架。
4. 提出了捕捉和传达人工智能贡献细微差别的新设计策略，以刺激未来人工智能归因框架的讨论。
研究方法
1. 调查研究了155名知识工作者，他们评估了为不同类型的贡献、贡献数量和主动性应给予人类或人工智能合作伙伴多少作者信用。
2. 对参与者的评论进行了主题分析，以了解他们如何做出归因决定。
3. 使用非参数检验（如威尔科克斯秩和检验）来分析作者信用分数，以确定不同条件（如人类与人工智能）之间的差异是否显著。
实验结果
参与者为人工智能合作伙伴分配的信用低于人类合作伙伴，尤其是在内容贡献方面。此外，参与者认为披露人工智能参与度很重要，并使用各种标准来做出归因判断，包括贡献的质量、个人价值观和技术考虑因素。
未来工作
需要新的归因方法，不仅承认人工智能在协同创作工作中的参与，而且展示人工智能是如何贡献的。随着人工智能透明度要求在各个行业和地区生效，我们预计这项工作将有助于制定符合创作者观点的方法来满足这些要求。