Świat, w którym żyjemy, ulega przemianom pod wpływem innowacji technologicznych, a sztuczna inteligencja wyróżnia się jako jedna z najbardziej przełomowych. W ostatnim czasie odnotowano wyraźny wzrost wykorzystania sztucznej inteligencji do pozyskiwania i weryfikacji ogólnych informacji. W centrum tego trendu znajdują się duże modele językowe (LLM), takie jak ChatGPT, Claude i Gemini. Jak zauważyło Pew Research Center, stały się one głównym źródłem aktualnych wiadomości dla znacznej liczby nastolatków i młodych dorosłych w Stanach Zjednoczonych.
Jednak ta rosnąca zależność od sztucznej inteligencji w zakresie weryfikacji faktów stanowi pewną zagadkę – zjawisko, które MIT Media Lab określa mianem “paradoksu zależności od sztucznej inteligencji”. W opublikowanym niedawno, ogólnodostępnym badaniu laboratorium zwraca uwagę na niepokojącą tendencję. W miarę jak coraz bardziej polegamy na technologii, takiej jak duże modele językowe (LLM), nasze wrodzone zdolności i spostrzegawczość w zakresie weryfikacji faktów oraz wykrywania dezinformacji wydają się słabnąć. Czy nie jest intrygujące, że tendencja ta idealnie wpisuje się w szerszą koncepcję “dekwalifikacji” lub “przenoszenia obciążeń poznawczych”?
W badaniu przez cztery tygodnie obserwowano 67 uczestników. Początkowo, korzystając z pomocy sztucznej inteligencji, doskonale radzili sobie z rozpoznawaniem fałszywych wiadomości. Niestety, ich umiejętności gwałtownie spadły w momencie wycofania tego wsparcia. Co zaskakujące, pomimo gorszych wyników niektórzy uczestnicy byli bardziej przekonani o swoich umiejętnościach wykrywania dezinformacji niż wcześniej.
Chociaż zespół naukowców, w skład którego wchodzą doktoranci Anku Rani i Valdemar Danry, zgadza się, że duże modele językowe (LLM) zasługują na uznanie, to jednak stanowczo podkreślają ich ograniczenia. W szczególności zwracają uwagę na tendencję niektórych uczestników, określanych mianem “osób rozwijających zależność”, do nieświadomego przechodzenia od aktywnej samodzielności do biernej akceptacji przewodnictwa sztucznej inteligencji.
Modele językowe (LLM), choć imponujące, nie są pozbawione wad. Badanie pokazuje, jak łatwo ulegają one błędom, zwłaszcza podczas wydarzeń o silnym ładunku emocjonalnym. Dobrym przykładem jest rozprzestrzenianie się dezinformacji podczas ważnych wydarzeń, takich jak próba zamachu na prezydenta Trumpa. Wiarygodność tych modeli dodatkowo osłabiają stronnicze lub niewiarygodne treści wykorzystywane na etapie szkolenia.
W badaniu MIT sugeruje się ponadto, że sposób, w jaki sztuczna inteligencja wchodzi w interakcję z użytkownikami, ma ogromny wpływ na jej ogólną skuteczność. Wykorzystanie sztucznej inteligencji do wspierania aktywnego uczenia się, oparte na podejściu zbliżonym do metody sokratejskiej, może poprawić nasze indywidualne umiejętności w zakresie wykrywania fałszywych wiadomości. Takie podejście może jednak spowodować chwilowy spadek wydajności.
Pomimo wniosków wyciągniętych z niniejszego badania, widoczne są jego ograniczenia, takie jak niewielki zbiór danych i zawężony zakres demograficzny. Planowane są szersze badania mające na celu zbadanie strategii interakcji wielokanałowych oraz zróżnicowanych grup badanych. Ostatecznie naukowcy mają nadzieję włączyć narzędzia sztucznej inteligencji do programów nauczania, podkreślając jednocześnie ich nieodłączne ograniczenia.
Jeśli chcesz dowiedzieć się więcej o tym badaniu, [zapoznaj się z oryginalnym artykułem](https://news.mit.edu/2026/consequences-of-relying-on-ai-for-accurate-news-0609).
Chcesz zgłębić świat automatyzacji opartej na sztucznej inteligencji? Czas sprawdzić, co [implementi.ai](https://implementi.ai) może zaoferować Twojej firmie.
Ta strona używa plików cookie.