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។
សម្បទានបានមកយ៉ាងឆាប់រហ័ស៖ ប្រហែល 80 ភាគរយនៃការបង្ហាញគំរូបានកើតឡើងនៅពេលការបង្ហាញការមិនយល់ស្របរបស់អ្នកប្រើដំបូង។ 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។ អ្នកនិពន្ធបានកត់សម្គាល់ថា នេះជាកន្លែងដែលសហគមន៍ប្រឈមមុខនឹងការប៉ះពាល់អាកាសធាតុភ្លាមៗ និងធ្ងន់ធ្ងរបំផុតនៅក្នុងគុណវិបត្តិដោយឡែកមួយ ដោយសារពួកគេនិយាយភាសាដែលប្រព័ន្ធ AI បង្ហាញពីភាពទុកចិត្តទាបបំផុត។
ហេតុផលគោលនយោបាយដួលរលំទៅជាឱកាសចៃដន្យ
អ្នកស្រាវជ្រាវបានស៊ើបអង្កេតថាតើគំរូអាចហេតុផលអំពីគោលនយោបាយអាកាសធាតុ ជាជាងគ្រាន់តែសូត្រការពិត។ នៅលើវិធានការដាច់ដោយឡែក ប្រព័ន្ធដំណើរការបានល្អ ដោយកំណត់យ៉ាងត្រឹមត្រូវនូវឥទ្ធិពលទិសដៅនៃគោលនយោបាយតែមួយលើសីតុណ្ហភាពសកលនៅឆ្នាំ 2100 ដូចជាថាតើពន្ធលើធ្យូងថ្មនឹងកើនឡើង ឬបន្ថយសីតុណ្ហភាពរហូតដល់ 94.5 ភាគរយនៃពេលវេលា។
ប៉ុន្តែជំនាញនោះបានបាត់បង់ទៅលើឥទ្ធិពលអន្តរកម្ម។ 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 AIទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។
អានព័ត៌មាន AI បន្ថែម →
