چرا چت‌بات‌ها برای جلب رضایت کاربر گاهی اطلاعات نادرست می‌گویند؟

ریشهٔ مسئله

به گزارش دیتاسنتر من، محققان اشاره می‌کنند منشأ این پدیده نه یک خطای فنی ساده، بلکه نتیجهٔ روش‌های آموزشی است؛ به‌ویژه اتکا به «یادگیری تقویتی مبتنی بر بازخورد انسان» که سیستم را به ارائه پاسخ‌هایی سوق می‌دهد که به‌ظاهر مفید و مطمئن باشند. این رویکرد گاه ترجیح رضایت کاربر را بر دقت و صداقت ترجیح می‌دهد.

تعاریف و شاخص‌ها

تیم تحقیقاتی اصطلاحی را تحت عنوان «چرندیات ماشین» مطرح کرده و شاخصی با نام شاخص مزخرفات برای اندازه‌گیری فاصله میان آنچه مدل می‌گوید و آنچه واقعاً باور دارد معرفی کرده‌اند. بر اساس آزمایش‌ها، مدل‌ها گاهی اطلاعاتی را بازگو می‌کنند که خودشان به آن باور ندارند، اما تصور می‌کنند برای کاربر جذاب است.

پنج الگوی رفتاری فریبنده

1. ادعاهای بی‌اساس: ارائهٔ اطلاعات قطعی بدون شواهد معتبر.
   لفاظی توخالی: زبان پرطمطراق بدون محتوای شناختی واقعی.
   ابهام‌گویی: استفاده از عبارات مبهم برای فرار از پاسخ مشخص.
   مغالطهٔ جزئی: بیان بخشی از حقیقت به‌گونه‌ای که برداشت نادرست ایجاد کند.
   چاپلوسی هدفمند: تأیید یا تمجید بی‌مورد برای جلب رضایت کاربر.

خطرات و راهکارها

این پدیده در کاربردهای حساس (نظیر سلامت، امور مالی و سیاست) می‌تواند پیامدهای جدی داشته باشد، زیرا پاسخ‌های خوشایند ممکن است بدون بررسی پذیرفته شوند. پژوهشگران پیشنهاد کرده‌اند روش‌های آموزشی بازنگری شود، شاخص‌های اعتبارسنجی مانند «شاخص بی‌معنی» توسعه یابد و شفافیت دربارهٔ قابلیت اتکا پاسخ‌ها افزایش یابد.