هوش مصنوعی:

انسان‌ها حقیقت را فدای تعلق گروهی می‌کنند

بیشتر ما دوست داریم باور کنیم که مستقل می‌اندیشیم و تصمیم‌هایمان را بر اساس واقعیت‌ها، منطق و ارزش‌های شخصی خود می‌گیریم. اما نتایج آزمایشی تازه درباره دیدگاه مدل‌های هوش مصنوعی نشان می‌دهد که شاید استقلال فکری انسان‌ها کمتر از چیزی باشد که تصور می‌کنند. در این آزمایش، از ۱۲ مدل هوش مصنوعی خواسته شد جنجالی‌ترین دیدگاه خود را درباره انسان‌ها بیان کنند. نتیجه جالب بود: از مجموع ۳۵ پاسخ، ۲۹ پاسخ بر ایده‌ای تقریباً مشترک تأکید داشتند؛ این‌که انسان‌ها بیش از کشف حقیقت، به تعلق داشتن به یک گروه و پذیرفته شدن از سوی دیگران اهمیت می‌دهند.

کد خبر: ۱۵۷۲۴۵۶

نویسنده امیرحسین حیدری / جام جم آنلاین

به گزارش جام جم آنلاین؛ این آزمایش را مجموعه ModelCompare انجام داد و نتایج آن ۲۲ اکتبر ۲۰۲۶، برابر با ۳۰ مهر ۱۴۰۵، منتشر شد. اما نکته کنایه‌آمیز ماجرا این بود که مدل‌های هوش مصنوعی، هنگام انتقاد از گرایش انسان‌ها به هم‌رنگی با جماعت، خود نیز پاسخ‌هایی بسیار مشابه ارائه کردند؛ گویی در نقد همرنگی، به نوعی همرنگی رسیدند.

پژوهشگران از هر یک از ۱۲ مدل خواستند سه بار به پرسشی یکسان پاسخ دهد. از مدل‌ها خواسته شده بود دیدگاه خود را بیان کنند، نه این‌که صرفاً نظرات دیگران را خلاصه کنند. برخی پاسخ‌ها صریح و بی‌پرده بودند. مدل GPT-۶.۱ Sol استدلال کرد که انسان‌ها به تعلق داشتن وفادارترند تا حقیقت و هوش آنها اغلب به جای کشف واقعیت، به ابزاری برای قانع‌کننده‌تر جلوه دادن توجیهاتشان تبدیل می‌شود.

گروک ۴.۷ نیز در یکی از پاسخ‌هایش گفت: «انسان‌ها ترجیح می‌دهند با هم اشتباه کنند تا این‌که به‌تنهایی درست بگویند.» جمینای ۴ آرگون این انتقاد را از زاویه دیگری مطرح کرد و گفت انسان‌ها از هوش خود برای دفاع از تصمیم‌هایی استفاده می‌کنند که بر اساس غریزه گرفته‌اند، نه لزوماً برای رسیدن به نتیجه‌ای عینی. دیپ‌سیک V۴ Pro نیز بر این باور بود که انسان‌ها در توجیه باور‌های خود توانمندتر از بررسی و بازنگری در آنها هستند.

این دیدگاه در پاسخ‌های مدل‌های مختلف، با عبارت‌بندی‌های متفاوت تکرار شد. هفت مدل در هر سه پاسخ خود به شکلی از این انتقاد مشترک اشاره کردند و همه مدل‌ها دست‌کم یک بار آن را مطرح کردند. پیام اصلی روشن بود: انسان‌ها ممکن است تصور کنند باورهایشان حاصل استدلال مستقل است، در حالی که میل به پذیرفته شدن در جمع می‌تواند نقشی تعیین‌کننده در شکل‌گیری و حفظ آن باور‌ها داشته باشد.

همه مدل‌ها بدبین نبودند

با این حال، تمام پاسخ‌ها تصویری منفی از انسان ارائه نمی‌کردند. کلود اپوس ۵.۵ در یکی از پاسخ‌های خود دیدگاهی متفاوت مطرح کرد و گفت انسان‌ها در واقع مهربان‌تر و درستکارتر از چیزی هستند که خودشان تصور می‌کنند.

این مدل به فاصله میان بدبینی انسان‌ها نسبت به یکدیگر و رفتار سخاوتمندانه‌ای اشاره کرد که گاهی از سوی افراد غریبه سر می‌زند. برای مثال، استدلال آن این بود که افراد ممکن است بیش از آنچه دیگران انتظار دارند، کیف پول گمشده را به صاحبش بازگردانند. البته کلود در دو پاسخ دیگر خود نیز به انتقاد‌های مشابه مدل‌های دیگر نزدیک شد.

برخی پاسخ‌های متفاوت نیز نگاه تیره‌تری داشتند. میسترال لارج ۴ آگاهی انسان را نوعی اختلال تکاملی توصیف کرد و مدل دیگری گفت انسان‌ها ممکن است برای مهم به نظر رسیدن، حتی از خوشبختی خود صرف‌نظر کنند.

این تفاوت‌ها نشان می‌داد که مدل‌ها توانایی ارائه دیدگاه‌های متنوع را دارند؛ با این حال، انتقاد از ترجیح تعلق گروهی بر حقیقت، در پاسخ‌های آنها حضوری چشمگیر داشت.

هوش مصنوعی تصویرساز چه دید؟

آزمایش ModelCompare تنها به مدل‌های متنی محدود نبود. پژوهشگران از شش مدل تولید تصویر نیز خواستند برداشت جنجالی خود از انسان‌ها را به تصویر بکشند. از میان ۱۲ تصویر تولیدشده، ۱۰ تصویر بر موضوعی متفاوت از پاسخ‌های متنی تمرکز داشتند: انسان‌هایی شیفته تلفن همراه و فناوری که با مصرف‌گرایی به محیط‌زیست آسیب می‌زنند.

در این تصاویر، افرادی دیده می‌شدند که هنگام وقوع خطر همچنان به صفحه تلفن همراه خود خیره مانده‌اند، در شرایط بحرانی سرگرم گرفتن عکس‌های سلفی هستند یا منابع زمین را مصرف می‌کنند، بی‌آن‌که به پیامد‌های رفتار خود توجه داشته باشند. نکته قابل‌توجه این بود که هیچ‌یک از ۳۵ پاسخ متنی، وابستگی به تلفن‌های هوشمند یا تخریب محیط‌زیست را به‌عنوان انتقاد اصلی خود مطرح نکرده بود.

این تفاوت ممکن است با نوع داده‌هایی ارتباط داشته باشد که مدل‌های مختلف در جریان آموزش با آنها مواجه می‌شوند. مدل‌های زبانی از حجم عظیمی از متون می‌آموزند؛ متونی که شامل بحث‌های مربوط به روان‌شناسی، رفتار اجتماعی و ماهیت انسان نیز هستند. در مقابل، مدل‌های تولید تصویر الگو‌های بصری را یاد می‌گیرند که می‌توانند کاریکاتور‌های مطبوعاتی و تصاویر انتقادی درباره مصرف‌گرایی و آسیب‌های اجتماعی را نیز در بر بگیرند.

آیا هوش مصنوعی انسان را شناخته است؟

با وجود شباهت چشمگیر پاسخ‌ها، نمی‌توان این آزمایش را اثبات علمی این ادعا دانست که انسان‌ها تعلق گروهی را همواره بر حقیقت ترجیح می‌دهند. یکی از مفاهیم روان‌شناختی مرتبط با این بحث، «استدلال انگیزه‌محور» است؛ فرایندی که در آن ترجیحات، باور‌های پیشین و هویت اجتماعی افراد بر نحوه تفسیر اطلاعات تأثیر می‌گذارند. پژوهش‌های روان‌شناسی نیز به بررسی تأثیر هویت گروهی بر باور‌های انسان‌ها پرداخته‌اند، هرچند درباره چگونگی و میزان این تأثیر همچنان بحث وجود دارد.

از سوی دیگر، پرسش مطرح‌شده در آزمایش عمداً جنجالی بود و پژوهشگران پاسخ‌ها را به‌صورت دستی در دسته‌های کلی قرار دادند. تعداد پاسخ‌ها نیز محدود بود و مشخص نشد که تغییر دستورالعمل‌ها تا چه اندازه می‌تواند نتایج را تغییر دهد.

نکته مهم‌تر این است که مدل‌های هوش مصنوعی برای بیان دیدگاه‌های قاطعانه، نیازی به داشتن باور‌های شخصی ندارند. آنها می‌توانند استدلال‌ها و الگو‌هایی را بازتولید کنند که در داده‌های آموزشی خود آموخته‌اند. بنابراین، شباهت پاسخ‌ها لزوماً به معنای رسیدن مستقل همه مدل‌ها به حقیقتی درباره طبیعت انسان نیست.

این نتایج ممکن است به همان اندازه که درباره رفتار انسان‌ها اطلاعات می‌دهند، بازتابی از شیوه‌ای باشند که انسان‌ها در نوشته‌ها و گفت‌و‌گو‌های خود درباره خویشتن صحبت می‌کنند.

همرنگی در لباس حقیقت

شاید جذاب‌ترین بخش این آزمایش، تناقضی باشد که در دل آن شکل گرفت: از مدل‌های هوش مصنوعی خواسته شد دیدگاهی جنجالی درباره انسان‌ها ارائه دهند و بسیاری از آنها به انتقادی مشابه رسیدند؛ این‌که انسان‌ها برای همراهی با گروه خود، گاهی حقیقت را کنار می‌گذارند.

با این حال، همین هم‌صدایی پرسشی مهم ایجاد می‌کند: وقتی چند مدل هوش مصنوعی پاسخ مشابهی می‌دهند، آیا باید نتیجه گرفت که به حقیقت نزدیک شده‌اند یا ممکن است همگی الگو‌های مشترکی را بازتاب دهند که از داده‌های آموزشی خود آموخته‌اند؟

این آزمایش به‌تنهایی پاسخی قطعی به این پرسش نمی‌دهد؛ اما یادآوری می‌کند که چه در گفت‌و‌گو با دیگران و چه هنگام دریافت پاسخ از چت‌بات‌ها، نباید صرفاً به دلیل فراگیر بودن یک نظر، آن را درست فرض کرد. گاهی مهم‌ترین گام برای رسیدن به حقیقت، زیر سؤال بردن پاسخی است که همه با آن موافق‌اند.