信任搜索：解构 Google 和 ChatGPT 中关于健康信息的人类信任
机器人学
2024-10-24 v3
摘要
人们越来越依赖在线资源来寻求健康信息，传统上使用像 Google 这样的搜索引擎作为主要的搜索代理。最近，生成式人工智能的出现使得以 Large Language Model (LLM) 为驱动的对话式智能体如 ChatGPT 成为健康信息搜索的可行替代方案。然而，尽管信任对于采纳在线健康建议至关重要，但影响人们对 LLM 驱动的对话式智能体提供的健康信息信任判断的因素尚不清晰。为此，我们进行了一项混合方法的 within-subjects 实验室研究 (N=21)，探讨了不同智能体 (ChatGPT vs. Google) 在三项健康搜索任务中的交互如何影响参与者对搜索结果以及搜索智能体本身的信任判断。我们的关键发现表明：(a) 在健康信息寻求的背景下，参与者对 ChatGPT 的信任水平显著高于 Google；(b) 健康相关信息的信任与搜索智能体的信任之间存在显著相关性，但仅限于 Google；(c) 搜索任务类型并不影响参与者对信任的感知；(d) 参与者的先前知识、信息呈现方式以及使用搜索智能体的交互方式是影响健康相关信息信任的关键决定因素。我们的研究触及了在使用传统搜索引擎与 LLM 驱动的对话式智能体时信任感知的差异。我们突显了 LLM 在健康相关信息寻求情境中的潜在作用， LLM 作为进一步搜索的垫脚石。我们贡献了确保面向生成式 AI 时代有效可靠的个人健康信息寻求的关键因素和考虑事项。
引用
@article{arxiv.2403.09988,
title = {Interactive Distance Field Mapping and Planning to Enable Human-Robot Collaboration},
author = {Usama Ali and Lan Wu and Adrian Mueller and Fouad Sukkar and Tobias Kaupp and Teresa Vidal-Calleja},
journal= {arXiv preprint arXiv:2403.09988},
year = {2024}
}