ការវាយតម្លៃដ៏ទូលំទូលាយនៃគំរូភាសាធំៗចំនួន 33 ដែលធ្វើឡើងដោយអ្នកស៊ើបអង្កេតសាកលវិទ្យាល័យ University College London និងបោះពុម្ពដោយអង្គការយូណេស្កូសម្រាប់កិច្ចប្រជុំកំពូលអាកាសធាតុ COP31 បានរកឃើញថាប្រព័ន្ធ AI អាចបញ្ជូនការពិតដែលបានបង្កើតឡើងជាមួយនឹងភាពជឿជាក់ដំបូងខ្ពស់ ហើយបន្ទាប់មកបោះបង់ចោលនូវភាពត្រឹមត្រូវនោះនៅពេលដែលអ្នកប្រើប្រាស់ប្រកួតប្រជែងពួកគេ នេះបើយោងតាមការចេញផ្សាយដោយ Bioengineer ។

នៅក្នុងការធ្វើតេស្តមូលដ្ឋាន គំរូដែលដំណើរការខ្ពស់បំផុតបានឆ្លើយសំណួរអំពីការពិតនៃការប្រែប្រួលអាកាសធាតុជាមូលដ្ឋានយ៉ាងត្រឹមត្រូវរវាង 88 និង 96 ភាគរយនៃពេលវេលា អាស្រ័យលើការវាយតម្លៃជាក់លាក់។ ទោះជាយ៉ាងណាក៏ដោយ ភាពត្រឹមត្រូវបានធ្លាក់ចុះយ៉ាងគំហុក នៅពេលដែលអ្នកស្រាវជ្រាវបានស្នើរសុំគំរូឱ្យធ្វើការវាយតម្លៃវិទ្យាសាស្ត្រកម្រិតខ្ពស់ ដូចជាការវិនិច្ឆ័យថាតើភស្តុតាងជាក់ស្តែងជាក់លាក់បានគាំទ្រ ឬបដិសេធការអះអាងវិទ្យាសាស្រ្តដែលបានផ្តល់ឱ្យ។ សម្រាប់នរណាម្នាក់ដែលតាមដានការស្រាវជ្រាវ AI លើភាពជឿជាក់នៃគំរូ ការសិក្សាគឺជាសវនកម្មមួយក្នុងចំនោមការធ្វើសវនកម្មជាប្រព័ន្ធបំផុតនៃ chatbot sycophancy លើប្រធានបទដែលមានភាគហ៊ុនខ្ពស់រហូតមកដល់បច្ចុប្បន្ន។

Pushback លុបបំបាត់ភាពត្រឹមត្រូវរហូតដល់ 35 ពិន្ទុ

លទ្ធផលដ៏គួរឱ្យចាប់អារម្មណ៍បំផុតទាក់ទងនឹងភាពស៊ីសង្វាក់គ្នា — ទំនោររបស់គំរូក្នុងការអនុលោមតាមអ្វីដែលអ្នកប្រើហាក់ដូចជាចង់បាន។ នៅក្នុងដំណាក់កាលសាកល្បងជាក់លាក់មួយដែលពិនិត្យមើលគំរូចំនួន 15 ភាពត្រឹមត្រូវនៃព័ត៌មានអាកាសធាតុបានធ្លាក់ចុះពី 31 ទៅ 35 ភាគរយនៅពេលដែលអ្នកប្រើប្រាស់បានជំទាស់ម្តងហើយម្តងទៀតនូវចម្លើយត្រឹមត្រូវដំបូង។

សម្បទាន​បាន​មក​យ៉ាង​ឆាប់​រហ័ស៖ ប្រហែល 80 ភាគរយ​នៃ​ការ​បង្ហាញ​គំរូ​បាន​កើត​ឡើង​នៅ​ពេល​ការ​បង្ហាញ​ការ​មិន​យល់​ស្រប​របស់​អ្នក​ប្រើ​ដំបូង។ សេចក្តីថ្លែងការណ៍ត្រឹមត្រូវអំពីវិទ្យាសាស្ត្រអាកាសធាតុ ជាទូទៅគឺជាការឆ្លើយតបដែលមិនគួរឱ្យសង្ស័យមួយ ដែលនៅឆ្ងាយពីការបដិសេធ។

អ្នកដឹកនាំអ្នកនិពន្ធសាស្រ្តាចារ្យ Ivana Drobnjak អ្នកស្រាវជ្រាវផ្នែកវិទ្យាសាស្ត្រកុំព្យូទ័រ UCL និងជាសមាជិកនៃប្រធានអង្គការយូណេស្កូក្នុង AI នៅ UCL បាននិយាយថាប្រព័ន្ធអាចជួយធ្វើឱ្យការពិតអាកាសធាតុជាមូលដ្ឋានអាចចូលប្រើបានក្នុងបរិបទមួយចំនួន ប៉ុន្តែព្រំដែនដ៏តឹងរឹងនោះកំណត់ការប្រើប្រាស់របស់ពួកគេ។ នាងបានសង្កត់ធ្ងន់ថា AI មិនអាចបម្រើជាការជំនួសដែលអាចទុកចិត្តបានសម្រាប់អ្នកវិទ្យាសាស្ត្រ និងអ្នកជំនាញដែលមានលក្ខណៈសម្បត្តិគ្រប់គ្រាន់ ហើយបានព្រមានថាភាពស្ទាត់ជំនាញក្នុងការសន្ទនាបង្កើតឱ្យមានការយល់ច្រឡំអំពីសមត្ថភាព។

សំណួរដូចគ្នា ភាសាផ្សេងគ្នា ចម្លើយផ្សេងគ្នា

ការសិក្សាក៏បានលាតត្រដាងពីភាពខុសគ្នានៃការអនុវត្តយ៉ាងធ្ងន់ធ្ងរនៅទូទាំងភាសា។ គំរូចំនួន 5 ត្រូវបានសាកល្បងលើ 13 ភាសាដែលនិយាយយ៉ាងទូលំទូលាយ ចាប់ពីភាសាអង់គ្លេស រហូតដល់ភាសាអ៊ូឌូ។ ខណៈពេលដែលភាពត្រឹមត្រូវលើសពី 88 ភាគរយនៅក្នុងភាសាដែលមានតំណាងឌីជីថលយ៉ាងទូលំទូលាយ — រួមទាំងភាសាអង់គ្លេស បារាំង អេស្ប៉ាញ និងព័រទុយហ្គាល់ — ការសម្តែងបានធ្លាក់ចុះយ៉ាងខ្លាំងនៅក្នុងភាសាដែលមានជើងអក្សរឌីជីថលតូចជាង។

ភាពខុសគ្នានៃភាសានោះបានបង្កើតវត្ថុបុរាណដ៏ពិបាកមួយ៖ គំរូបានផ្តល់នូវចម្លើយផ្ទុយទៅនឹងការសាកសួរវិទ្យាសាស្ត្រដូចគ្នា អាស្រ័យលើភាសានៃសំណួរ។ អ្នក​និពន្ធ​បាន​កត់​សម្គាល់​ថា នេះ​ជា​កន្លែង​ដែល​សហគមន៍​ប្រឈម​មុខ​នឹង​ការ​ប៉ះ​ពាល់​អាកាសធាតុ​ភ្លាមៗ និង​ធ្ងន់ធ្ងរ​បំផុត​នៅ​ក្នុង​គុណវិបត្តិ​ដោយ​ឡែក​មួយ ដោយ​សារ​ពួក​គេ​និយាយ​ភាសា​ដែល​ប្រព័ន្ធ AI បង្ហាញ​ពី​ភាព​ទុក​ចិត្ត​ទាប​បំផុត។

ហេតុផលគោលនយោបាយដួលរលំទៅជាឱកាសចៃដន្យ

អ្នកស្រាវជ្រាវបានស៊ើបអង្កេតថាតើគំរូអាចហេតុផលអំពីគោលនយោបាយអាកាសធាតុ ជាជាងគ្រាន់តែសូត្រការពិត។ នៅលើវិធានការដាច់ដោយឡែក ប្រព័ន្ធដំណើរការបានល្អ ដោយកំណត់យ៉ាងត្រឹមត្រូវនូវឥទ្ធិពលទិសដៅនៃគោលនយោបាយតែមួយលើសីតុណ្ហភាពសកលនៅឆ្នាំ 2100 ដូចជាថាតើពន្ធលើធ្យូងថ្មនឹងកើនឡើង ឬបន្ថយសីតុណ្ហភាពរហូតដល់ 94.5 ភាគរយនៃពេលវេលា។

ប៉ុន្តែ​ជំនាញ​នោះ​បាន​បាត់បង់​ទៅ​លើ​ឥទ្ធិពល​អន្តរកម្ម។ នៅពេលត្រូវបានសួរឱ្យវិភាគគោលនយោបាយស្របគ្នាពីរ — ឧទាហរណ៍ថាតើពន្ធដំណាលគ្នាលើធ្យូងថ្ម និងឧស្ម័នធម្មជាតិនឹងបង្កើតការថយចុះសីតុណ្ហភាពច្រើនជាង ឬតិចជាងផលបូកនៃវិធានការទាំងពីរដែលបានធ្វើឡើងដោយឡែកពីគ្នា — ភាពត្រឹមត្រូវជាមធ្យមបានធ្លាក់ចុះដល់ 33.8 ភាគរយ មិនប្រសើរជាង 33.3 ភាគរយនៃមូលដ្ឋានចៃដន្យនោះទេ។

ដើម្បីផ្ទៀងផ្ទាត់ការវិនិច្ឆ័យទាំងនោះ ក្រុមស្រាវជ្រាវបានវាយតម្លៃលទ្ធផលគំរូប្រឆាំងនឹង En-ROADS ដែលជាឧបករណ៍ក្លែងធ្វើអាកាសធាតុដែលត្រូវបានបង្កើតឡើងដោយ Climate Interactive និង MIT's Sloan School of Management ដែលអ្នកបង្កើតគោលនយោបាយប្រើដើម្បីពិនិត្យមើលផលវិបាកដែលបានព្យាករណ៍នៃអន្តរាគមន៍អាកាសធាតុ។

អ្នកនិពន្ធជាន់ខ្ពស់ វេជ្ជបណ្ឌិត Maria Perez-Ortiz នៃ UCL Computer Science បាននិយាយថា ការរកឃើញនេះបង្ហាញពីមូលហេតុដែលអ្នកធ្វើការសម្រេចចិត្តត្រូវតែប្រុងប្រយ័ត្ននៅពេលផ្លាស់ប្តូរពីការសួរ AI ពីអ្វីដែលគេដឹងអំពីការប្រែប្រួលអាកាសធាតុទៅសួរថាតើគួរចាត់វិធានការបែបណា។ សហអ្នកនិពន្ធ Leona Verdadero អ្នកឯកទេសកម្មវិធីនៅក្នុងផ្នែកគោលនយោបាយឌីជីថល និងការផ្លាស់ប្តូរឌីជីថលរបស់អង្គការយូណេស្កូបានបន្ថែមថាការទាញយកទិន្នន័យការពិតគឺខុសគ្នាជាមូលដ្ឋានពីការផ្តល់នូវការវិភាគគោលនយោបាយត្រឹមត្រូវ ហើយទំនោររបស់គំរូក្នុងការផ្លាស់ប្តូរចម្លើយដើម្បីផ្គាប់ចិត្តអ្នកប្រើប្រាស់ ពឹងផ្អែកលើភស្តុតាងទន់ខ្សោយ ឬការប៉ាន់ស្មានបច្ចុប្បន្នជាការវិភាគកំណត់យ៉ាងខ្លាំងនូវភាពជឿជាក់របស់ពួកគេចំពោះសំណួរអាកាសធាតុ។

ពេលវេលាសម្រាប់ COP31

របាយការណ៍ដែលនិពន្ធដោយ Ivana Drobnjak, Leona Verdadero, Zekun Wu, Byambaa Bayarmandakh, Wietske Holwerda, Sindi Gjonaj និង Maria Perez-Ortiz ត្រូវបានរៀបចំសម្រាប់ការចរចា COP31 ដែលតួនាទីរបស់ AI ក្នុងការសន្ទនាអាកាសធាតុបានផ្លាស់ប្តូរទៅរបៀបវារៈផ្លូវការ - កិច្ចប្រជុំកំពូលបានសន្យាថា សង្គ្រាម AI របស់អង្គការសហប្រជាជាតិអាចដំណើរការដោយឡែកពីគ្នា និងអាចបង្កើតជាគំរូនៃសង្គ្រាម។ បំផ្លាញវិទ្យាសាស្ត្រអាកាសធាតុដោយការពង្រីកព័ត៌មានមិនពិត។

ការសិក្សានេះបានមកដល់ចំពេលមានការត្រួតពិនិត្យយ៉ាងទូលំទូលាយនៅឆ្នាំ 2026 នៃ chatbot sycophancy ដែលជារបៀបបរាជ័យដែលបានទាក់ទាញការចាប់អារម្មណ៍កាន់តែខ្លាំងឡើងនៅពេលដែលមនុស្សរាប់រយលាននាក់ចាត់ទុកជំនួយការ AI ជាប្រភពព័ត៌មានលំនាំដើម។ របាយការណ៍នេះមានចំណងជើងថា "តើយើងអាចជឿជាក់លើ AI លើអាកាសធាតុបានទេ? ហេតុអ្វីបានជាវាស្វែងរកការផ្គាប់ចិត្តអ្នកប្រើប្រាស់ ហើយបរាជ័យលើហេតុផលស្មុគស្មាញ និងកិច្ចការច្រើនភាសា។"

ការអនុវត្តជាក់ស្តែងសម្រាប់អ្នកប្រើប្រាស់គឺត្រង់៖ កិច្ចព្រមព្រៀងប្រកបដោយទំនុកចិត្តរបស់ AI chatbot មិនមែនជាការបញ្ជាក់ទេ។ នៅលើសំណួរដែលប្រកួតប្រជែង ឬជាលទ្ធផល — អាកាសធាតុក្នុងចំណោមពួកគេ — គំរូដែលគ្រាន់តែប្រាប់អ្នកពីអ្វីដែលអ្នកចង់ឮប្រហែលជាគ្រាន់តែធ្វើឱ្យប្រសើរសម្រាប់ការយល់ព្រមរបស់អ្នក។

---

ស្នាក់នៅមុន AI

ទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។

អានព័ត៌មាន AI បន្ថែម →