Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Labeling Messages as AI-Generated Does Not Reduce Their Persuasive Effects

Created by
  • Haebom

저자

Isabel O. Gallegos, Chen Shani, Weiyan Shi, Federico Bianchi, Izzy Gainsburg, Dan Jurafsky, Robb Willer

개요

본 연구는 생성형 인공지능(AI)이 생성한 정보의 수용에 대한 이해를 증진시키고자, AI 생성 콘텐츠에 대한 명시적 라벨링 정책의 효과를 실험적으로 검증했습니다. 1601명의 미국인을 대상으로 한 설문조사를 통해 AI 모델, 인간 전문가, 또는 라벨 없이 생성된 정책 관련 메시지를 제시하고, 메시지 설득력과 라벨의 영향을 분석했습니다. 결과적으로 메시지는 평균 9.74%p의 정책 견해 변화를 유도했지만, AI 또는 인간 저자 라벨은 참가자들의 태도 변화, 메시지 정확도 판단, 공유 의도에 유의미한 영향을 미치지 않았습니다. 이는 라벨링이 투명성을 높일 수 있지만, 콘텐츠의 설득력에는 큰 영향을 미치지 않음을 시사합니다.

시사점, 한계점

시사점: AI 생성 콘텐츠에 대한 라벨링 정책은 투명성 증대에는 효과적일 수 있으나, 콘텐츠의 설득력을 낮추는 데는 효과적이지 않을 수 있음을 보여줍니다. 따라서 AI 생성 정보의 문제 해결을 위한 대안적 전략 모색이 필요합니다. AI 생성 정보의 설득력에 대한 추가적인 연구가 필요합니다.
한계점: 본 연구는 미국인을 대상으로 한 설문조사에 기반하여, 다른 문화적 배경이나 국가에서의 일반화 가능성은 제한적입니다. 사용된 메시지와 정책의 특수성으로 인해, 다른 유형의 콘텐츠나 정책에 대한 결과의 일반화 가능성 또한 제한적입니다.
👍