Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Biased large language models for debating robots
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. (Intelligent Robotics)ORCID-id: 0000-0001-7242-2200
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. (Intelligent Robotics)ORCID-id: 0000-0001-7242-2200
2024 (Engelska)Konferensbidrag, Enbart muntlig presentation (Övrigt vetenskapligt)
Abstract [en]

The recent development of large language models (LLMs) and improvements in speech recognition have made it realistic to envision AI-driven robots replace humans in debates, or even debating with each other. One application area is politics, where debating robots could support human politicians and, in principle, they could also debate on their own. However, political debating are highly complex and is often guided by values and ideologies, rather than rational decisions based on explicit facts.

In this paper we discuss how introducing appropriate bias into an LLM can be a way to accomplish this. As a simple proof of concept, we present a novel system of three robots conducting verbal debates on selectable topics. The robots are driven by the LLM GPT-3.5, and the desired political view, level of knowledge, and speaking style of each robot are configurable. The results demonstrate how LLMs may be used to argue both for and against different standpoints in debates, and how the output arguments depend on a programmed bias reflecting desired values and ideological principles.

Ort, förlag, år, upplaga, sidor
2024.
Nyckelord [en]
AI, politics, robots, cognition
Nationell ämneskategori
Annan data- och informationsvetenskap
Forskningsämne
datalogi
Identifikatorer
URN: urn:nbn:se:umu:diva-231703OAI: oai:DiVA.org:umu-231703DiVA, id: diva2:1912237
Konferens
ICSR'24, 16th International Conference on Social Robotics, Odense, Denmark, October 23-26, 2024
Forskningsfinansiär
Vetenskapsrådet, 2022-04674Tillgänglig från: 2024-11-11 Skapad: 2024-11-11 Senast uppdaterad: 2024-11-12Bibliografiskt granskad

Open Access i DiVA

fulltext(1599 kB)150 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1599 kBChecksumma SHA-512
6f893fcc659cd956af22306f371f84586d030e7ff1be1e8aac3256b60ebccd3bfabcafcdb52dbd037b1aa4df7d828b50928c74c26ad096dbd8c1c9a3ee276dca
Typ fulltextMimetyp application/pdf

Person

Bensch, SunaHellström, Thomas

Sök vidare i DiVA

Av författaren/redaktören
Bensch, SunaHellström, Thomas
Av organisationen
Institutionen för datavetenskap
Annan data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 151 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 548 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf