Detailansicht
KI-Halluzinationen
wie helfen Warnsignale?
Yusuf Kiziler
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Psychologie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Psychologie
Betreuer*in
Arnd Florack
DOI
10.25365/thesis.76746
URN
urn:nbn:at:at-ubw:1-26158.52124.267461-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Durch die hohe Präsenz von KI-Chatbots besteht die Gefahr von häufigem KI-Halluzinieren: Dabei werden von KI-Chatbots falsche Informationen wiedergegeben und als wahr dargestellt. Das kann verheerende Folgen haben, beispielsweise Fehldiagnosen im Medizinkontext. Daher stellt sich in dieser Masterarbeit die Frage, wie Warnsignale effektiv gestaltet und formuliert werden können, damit Menschen solche KI-Halluzinationen häufiger erkennen und korrigieren. Das Extended Parallel Process Model von Witte (1992) diente als theoretische Grundlage zur Entwicklung eines solchen Warnsignals. Im Experiment wurden diesbezüglich KI-Halluzinationen mit einer vorprogrammierten ChatGPT-Seite simuliert. Dabei entstanden nach einem Between-Subject Design drei Bedingungen: Ein fehlendes Warnsignal, das allgemeine Warnsignal von ChatGPT selbst und ein Furchtappell mit Verhaltensempfehlung. ProbandInnen (n = 127) beantworteten mit den vorprogrammierten ChatGPT-Seiten zehn Wissensfragen, von denen fünf Antworten falsch vorprogrammiert wurden. Es wurde erwartet, dass der Furchtappell am stärksten wirkt und ein fehlendes Warnsignal am schwächsten. Ebenfalls wurde in Abhängigkeit der Warnsignale die Akzeptanz nach dem Technologieakzeptanzmodell erfasst: Es wurde erwartet, dass durch die stärkere Wirkung des Furchtappells die wahrgenommene Einfachheit und Nützlichkeit für ChatGPT am stärksten sinkt. Es zeigte sich für den Furchtappell im Gegensatz zu einem fehlenden Warnsignal ein signifikant höheres Erkennen und Korrigieren von KI-Halluzinationen. Eine mögliche Limitation der Studie ist es, dass das verwendete Warnsignal keine Furcht bei den ProbandInnenen ausgelöst haben könnte. Es wurden somit erste Impulse für die Forschung gesetzt und Empfehlungen für KI-Chatbot Betreibende formuliert.
Schlagwörter
Schlagwörter
(Deutsch)
KI-Chatbots KI ChatGPT KI-Halluzinationen Warnsignale Warntexte Warnhinweise Furchtappelle Technologieakzeptanzmodell
Autor*innen
Yusuf Kiziler
Haupttitel (Deutsch)
KI-Halluzinationen
Hauptuntertitel (Deutsch)
wie helfen Warnsignale?
Paralleltitel (Englisch)
AI hallucinations
Paralleluntertitel (Englisch)
how do warning signals help?
Publikationsjahr
2024
Umfangsangabe
72 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Arnd Florack
Klassifikation
77 Psychologie > 77.60 Sozialpsychologie. Allgemeines
AC Nummer
AC17335523
Utheses ID
72940
Studienkennzahl
UA | 066 | 840 | |