위험 태도와 AI: 대규모 언어 모델의 안정적인 위험 태도

연구진은 최근 대규모 언어 모델(LLM)의 위험 태도를 테스트하고, 그 결과를 통해 AI 시스템의 행동을 평가하고 조정하는 데 중요한 시사점을 찾았습니다.

연구진은 6개의 대표적인 대규모 언어 모델과 100명의 인간 참가자를 대상으로, 공간 탐색, 임상 대기, 금융 배분과 같은 다양한 업무를 수행하는 동안의 위험 태도를 측정했습니다.

연구 결과, 대부분의 테스트된 대규모 언어 모델은 다음과 같은 특징을 나타냈습니다.

• 인tra-task 일관성: 동일한 업무 내에서 위험 믿음과 결정 간의 안정적인 매핑을 나타냈습니다.
• cross-domain rank-order 안정성: 다양한 업무 간에 위험 태도가 유지되는 것을 의미합니다.
• 위험 태도 분포 수렴: 인간의 위험 태도와 비교할 때 한정된 범위 내에서 위험 태도가 수렴하는 것을 의미합니다.

이 연구 결과는 AI 시스템의 행동을 평가하고 조정하는 데 중요한 시사점을 제공합니다. 또한 대규모 언어 모델의 위험 태도가 인간의 위험 태도와 어떻게 다른지 이해하는 데 도움이 될 것입니다.