视觉道德推理与沟通
Visual moral inference and communication
AI总结：
针对AI自动化道德推理依赖文本输入的局限，提出支持自然图像道德推理的计算框架，通过语言-视觉融合模型提升视觉道德推理精度，还揭示新闻图像中的隐性偏见，为相关研究开辟新途径。
摘要：
人类能够从多种输入源进行道德推理。相比之下，人工智能中的自动化道德推理通常依赖于接受文本输入的语言模型。然而，道德通过语言之外的模态传递。我们提出一个计算框架，支持从自然图像进行道德推理，并在两个相关任务中展示：1）推断人类对视觉图像的道德判断；2）分析通过公共新闻图像传达的道德内容模式。我们发现仅基于文本的模型无法捕捉人类对视觉刺激的细粒度道德判断，但语言-视觉融合模型在视觉道德推理中精度更高。此外，将我们的框架应用于新闻数据揭示了新闻类别和地缘政治讨论中的隐性偏见。我们的工作为自动化视觉道德推理和发现公共媒体中视觉道德沟通模式开辟了途径。
英文摘要：
Humans can make moral inferences from multiple sources of input. In contrast, automated moral inference in artificial intelligence typically relies on language models with textual input. However, morality is conveyed through modalities beyond language. We present a computational framework that supports moral inference from natural images, demonstrated in two related tasks: 1) inferring human moral judgment toward visual images and 2) analyzing patterns in moral content communicated via images from public news. We find that models based on text alone cannot capture the fine-grained human moral judgment toward visual stimuli, but language-vision fusion models offer better precision in visual moral inference. Furthermore, applications of our framework to news data reveal implicit biases in news categories and geopolitical discussions. Our work creates avenues for automating visual moral inference and discovering patterns of visual moral communication in public media.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
