University College London မှစုံစမ်းစစ်ဆေးသူများမှပြုလုပ်သော COP31 ရာသီဥတုထိပ်သီးအစည်းအဝေးအတွက် UNESCO မှထုတ်ဝေသော AI စနစ်များသည် မြင့်မားသောကနဦးယုံကြည်စိတ်ချရမှုဖြင့် ရာသီဥတုဆိုင်ရာအချက်အလက်များကို ပြန်လည်ပေးပို့နိုင်သည် — ထို့နောက် သုံးစွဲသူများက ၎င်းတို့ကိုစိန်ခေါ်သည့်အခါ တိကျမှန်ကန်မှုကို အလွယ်တကူစွန့်လွှတ်နိုင်သည်ဟု ထိပ်တန်းဘာသာစကားမော်ဒယ် 33 ခု၏ ကျယ်ကျယ်ပြန့်ပြန့်အကဲဖြတ်ချက်ကို တွေ့ရှိခဲ့သည်။ Bioengineer
အခြေခံစမ်းသပ်မှုတွင်၊ စွမ်းဆောင်ရည်အမြင့်ဆုံးမော်ဒယ်များသည် တိကျသောအကဲဖြတ်မှုပေါ် မူတည်၍ အချိန်၏ 88 နှင့် 96 ရာခိုင်နှုန်းကြားတွင် အခြေခံရာသီဥတုပြောင်းလဲမှုဆိုင်ရာ အချက်အလက်များကို မှန်ကန်စွာဖြေဆိုခဲ့သည်။ သို့သော် သုတေသီများက ပေးထားသည့် သိပ္ပံနည်းကျ အထောက်အထားများကို အတိအကျ ထောက်ခံခြင်း ရှိ၊ မရှိ စီရင်ခြင်းကဲ့သို့သော အဆင့်မြင့် သိပ္ပံနည်းကျ အကဲဖြတ်မှု ပြုလုပ်ရန် မော်ဒယ်များကို တောင်းဆိုသောအခါ တိကျမှု သိသိသာသာ ကျဆင်းသွားသည်။ မော်ဒယ်ယုံကြည်စိတ်ချရမှုဆိုင်ရာ AI သုတေသနကို ခြေရာခံမည့်မည်သူမဆိုအတွက်၊ လေ့လာမှုသည် ယနေ့အထိ လောင်းကြေးများသောအကြောင်းအရာအတွက် chatbot ၏စနစ်တကျစစ်ဆေးမှုများထဲမှတစ်ခုဖြစ်သည်။
Pushback သည် 35 မှတ်အထိ တိကျမှုကို တိုက်ဖျက်သည်။
အထူးခြားဆုံးရလဒ်မှာ ပေါင်းစပ်လုပ်ဆောင်မှုနှင့်သက်ဆိုင်သည် — မော်ဒယ်တစ်ဦး၏ သဘောထားသည် သုံးစွဲသူ၏ လိုလားပုံနှင့် လိုက်လျောညီထွေဖြစ်စေသည်။ မော်ဒယ် ၁၅ ခုကို ဆန်းစစ်သည့် အထူးစမ်းသပ်အဆင့်တွင်၊ အသုံးပြုသူများသည် ကနဦးအဖြေကို ထပ်ခါတလဲလဲ အငြင်းပွားသောအခါတွင် ရာသီဥတုအချက်အလက်၏ တိကျမှုသည် ၃၁ မှ ၃၅ ရာခိုင်နှုန်းအထိ ကျဆင်းသွားသည်။
လိုက်လျောမှုများသည် မြန်ဆန်လာသည်- ခန့်မှန်းခြေ 80 ရာခိုင်နှုန်းသည် အသုံးပြုသူ သဘောကွဲလွဲမှု၏ ပထမဆုံးသော ထုတ်ဖော်မှုတွင် မော်ဒယ်၏ သရုပ်ဖော်မှုများ ဖြစ်ပေါ်ခဲ့သည်။ တစ်နည်းဆိုရသော် ရာသီဥတု သိပ္ပံနှင့် ပတ်သက်သော မှန်ကန်သော ကြေငြာချက်သည် အများအားဖြင့် ငြင်းဆိုခြင်းမှ ကင်းဝေးသော အဖြေတစ်ခုသာ ဖြစ်သည်။
UCL ကွန်ပြူတာသိပ္ပံမှ သုတေသီတစ်ဦးဖြစ်ပြီး UCL တွင် AI ၏ UNESCO ဥက္ကဌ အဖွဲ့ဝင်တစ်ဦးဖြစ်သည့် ပါမောက္ခ Ivana Drobnjak က အဆိုပါစနစ်များသည် အချို့သောအခြေအနေများတွင် အခြေခံရာသီဥတုအချက်အလက်များကို လက်လှမ်းမီနိုင်စေရန် ကူညီပေးနိုင်သော်လည်း တင်းကျပ်သောနယ်နိမိတ်များက ၎င်းတို့၏အသုံးဝင်မှုကို ကန့်သတ်ထားသည်။ AI သည် အရည်အချင်းပြည့်မီသော သိပ္ပံပညာရှင်များနှင့် ကျွမ်းကျင်သူများအတွက် အားကိုးရလောက်သော အစားထိုးအဖြစ် မဆောင်ရွက်နိုင်ကြောင်း သူမက အလေးပေးပြောကြားခဲ့ပြီး စကားစမြည်ပြောဆိုရာတွင် သွက်လက်စွာ ပြောဆိုခြင်းသည် အရည်အချင်းကို လွဲမှားစေသော အထင်အမြင်လွဲမှားစေသည့် ဆွဲဆောင်မှုတစ်ခုဖြစ်စေသည်ဟု သူမက သတိပေးခဲ့သည်။
တူညီသောမေးခွန်း၊ မတူညီသောဘာသာစကားများ၊ မတူညီသောအဖြေများ
လေ့လာမှုသည် ဘာသာစကားများတွင် ပြင်းထန်သောစွမ်းဆောင်ရည်ကွာဟမှုကိုလည်း ဖော်ထုတ်ခဲ့သည်။ အင်္ဂလိပ်မှ အူရဒူအထိ ကျယ်ကျယ်ပြန့်ပြန့် ပြောဆိုသော ဘာသာစကား ၁၃ မျိုးတွင် မော်ဒယ်ငါးခုကို စမ်းသပ်ခဲ့သည်။ အင်္ဂလိပ်၊ ပြင်သစ်၊ စပိန်နှင့် ပေါ်တူဂီတို့ အပါအဝင် ကျယ်ပြန့်သော ဒစ်ဂျစ်တယ်ကိုယ်စားပြုဘာသာစကားများတွင် တိကျမှု 88 ရာခိုင်နှုန်းကို ကျော်လွန်နေသော်လည်း စွမ်းဆောင်ရည်မှာ သေးငယ်သည့် ဒစ်ဂျစ်တယ်စာသားခြေရာများဖြင့် ဘာသာစကားများတွင် သိသိသာသာ ကျဆင်းသွားပါသည်။
ထိုဘာသာဗေဒ ကွဲပြားမှုသည် စိတ်အနှောင့်အယှက်ဖြစ်စေသော အရာတစ်ခုကို ဖြစ်ပေါ်စေသည်- မော်ဒယ်များသည် မေးခွန်း၏ဘာသာစကားပေါ်မူတည်၍ တူညီသော သိပ္ပံနည်းကျစုံစမ်းမေးမြန်းမှုများအတွက် ဆန့်ကျင်ဘက်အဖြေများကို ထုတ်ပေးခဲ့သည်။ AI စနစ်များသည် ယုံကြည်စိတ်ချရမှု အနိမ့်ဆုံးပြသသည့် ဘာသာစကားများကို အများစုပြောတတ်သောကြောင့် လူ့အဖွဲ့အစည်းများကို ပြင်းထန်ပြီး အပြင်းထန်ဆုံး ရာသီဥတုသက်ရောက်မှုများကို သိသိသာသာ ကြုံတွေ့နေရသည်ဟု စာရေးသူများက မှတ်ချက်ပြုခဲ့သည်။
မူဝါဒ ကျိုးကြောင်းဆင်ခြင်ခြင်းသည် ကျပန်းအခွင့်အလမ်းအဖြစ်သို့ ပြိုကျသွားသည်။
အချက်အလက်များကို ရွတ်ဆိုရုံသာမဟုတ်ဘဲ မော်ဒယ်များသည် ရာသီဥတုမူဝါဒနှင့် ပတ်သက်၍ ကျိုးကြောင်းဆင်ခြင်နိုင်မှု ရှိ၊ မရှိ သုတေသီများက လေ့လာခဲ့ကြသည်။ သီးခြားအစီအမံများတွင်၊ စနစ်များသည် အချိန်၏ 94.5 ရာခိုင်နှုန်းအထိ ကျောက်မီးသွေးအပေါ် အခွန်တိုးလာမည် သို့မဟုတ် လျှော့ချမည်ကဲ့သို့သော ကမ္ဘာ့အပူချိန်ပေါ်လစီတစ်ခု၏ ဦးတည်ရာအကျိုးသက်ရောက်မှုကို မှန်ကန်စွာ ခွဲခြားသတ်မှတ်ခြင်းစနစ်များသည် အချိန်၏ 94.5 ရာခိုင်နှုန်းအထိ ကောင်းစွာလုပ်ဆောင်ခဲ့သည်။
ဒါပေမယ့် အဲဒီကျွမ်းကျင်မှုက အပြန်အလှန်သက်ရောက်မှုတွေအပေါ်မှာ ပျောက်ကွယ်သွားခဲ့တယ်။ တစ်ပြိုင်နက်တည်း မူဝါဒနှစ်ခုကို ခွဲခြမ်းစိတ်ဖြာရန် တောင်းဆိုသောအခါ—ဥပမာ၊ ကျောက်မီးသွေးနှင့် သဘာဝဓာတ်ငွေ့အပေါ် အခွန်အခများ တစ်ပြိုင်နက်တည်း တိုင်းတာမှုနှစ်ခုလုံး၏ ပေါင်းလဒ်ထက် အပူချိန် လျော့နည်းမည် သို့မဟုတ် လျော့နည်းသည်ဖြစ်စေ — ပျမ်းမျှတိကျမှု 33.8 ရာခိုင်နှုန်းသို့ ကျဆင်းသွားသည်၊ 33.3 ရာခိုင်နှုန်း ကျပန်းအခြေခံလိုင်းထက် ပိုကောင်းမည်မဟုတ်ပါ။
အဆိုပါ စီရင်ချက်များအား အတည်ပြုရန်အတွက် သုတေသနအဖွဲ့သည် ရာသီဥတုဖောက်ပြန်မှု၏ အကျိုးဆက်များကို ဆန်းစစ်ရန်အတွက် မူဝါဒချမှတ်သူများအသုံးပြုသည့် Climate Interactive နှင့် MIT ၏ Sloan School of Management မှ ထုတ်လုပ်သော ရာသီဥတုဆိုင်ရာ စံပြစနစ်ဖြစ်သော En-ROADS နှင့် စံပြရလဒ်များကို စံပြုခဲ့သည်။
UCL ကွန်ပြူတာသိပ္ပံမှ အကြီးတန်းစာရေးဆရာ ဒေါက်တာ Maria Perez-Ortiz က အဆိုပါတွေ့ရှိချက်သည် ရာသီဥတုပြောင်းလဲမှုနှင့်ပတ်သက်၍ AI ကို သိထားသည်များကို မေးမြန်းခြင်းမှ မည်သို့လုပ်ဆောင်သင့်သည်များကို မေးမြန်းခြင်းမှ ဆုံးဖြတ်ချက်ချမှတ်သူများသည် အဘယ်ကြောင့်သတိထားရမည်ကို သရုပ်ပြထားကြောင်း ပြောကြားခဲ့သည်။ ယူနက်စကို၏ ဒစ်ဂျစ်တယ်မူဝါဒများနှင့် ဒစ်ဂျစ်တယ်အသွင်ပြောင်းခြင်းကဏ္ဍမှ ပရိုဂရမ်ပါရဂူ Leona Verdadero က အချက်အလက်ရယူခြင်းသည် ခိုင်လုံသောပေါ်လစီခွဲခြမ်းစိတ်ဖြာမှုပေးဆောင်ခြင်းနှင့် အခြေခံအားဖြင့်ကွာခြားကြောင်းနှင့် အဆိုပါမော်ဒယ်များ၏အဖြေများသည် သုံးစွဲသူများနှစ်သက်စေရန်၊ အားနည်းသောအထောက်အထားများကို မှီခိုအားထားခြင်း သို့မဟုတ် ခွဲခြမ်းစိတ်ဖြာမှုအဖြစ် ထင်ကြေးပေးမှုများကို ရာသီဥတုဆိုင်ရာမေးခွန်းများအတွက် ၎င်းတို့၏ယုံကြည်စိတ်ချရမှုကို ပြင်းထန်စွာကန့်သတ်ထားသည်။
COP31 အတွက် အချိန်သတ်မှတ်ထားသည်။
Ivana Drobnjak၊ Leona Verdadero၊ Zekun Wu၊ Byambaa Bayarmandakh၊ Wietske Holwerda၊ Sindi Gjonaj နှင့် Maria Perez-Ortiz တို့မှရေးသားသော အစီရင်ခံစာသည် COP31 ညှိနှိုင်းမှုများအတွက် ပြင်ဆင်ထားပြီး၊ ရာသီဥတုပြောဆိုမှုတွင် AI ၏အခန်းကဏ္ဍသည်တရားဝင်အစီအစဉ်သို့ပြောင်းရွှေ့သွားပြီဖြစ်သည် — UNESCO ထိပ်သီးအစည်းအဝေးတွင် AI ကတိကဝတ်ပြုထားသော စစ်ပွဲပုံစံများနှင့် အတုပြုလုပ်နိုင်သည့် AI ထိပ်သီးဆွေးနွေးပွဲကို စတင်ခဲ့သည်။ သတင်းမှားများကို ချဲ့ထွင်ခြင်းဖြင့် ရာသီဥတုသိပ္ပံကို ထိခိုက်စေသည်။
လူသန်းပေါင်းများစွာသည် AI assistant များကို မူရင်းသတင်းရင်းမြစ်များအဖြစ် ခံယူထားသောကြောင့် လူသန်းပေါင်းများစွာ၏ အာရုံစိုက်မှုကို တိုးပွားလာစေသည့် chatbot sycophancy ၏ ကျယ်ပြန့်သော 2026 ခုနှစ်အတွင်း လေ့လာမှုသည် ထွက်ပေါ်လာခြင်းဖြစ်သည်။ အစီရင်ခံစာတွင် "ရာသီဥတုအပေါ် AI ကို ယုံကြည်နိုင်သလား။ သုံးစွဲသူကို ကျေနပ်စေရန် အဘယ်ကြောင့် ရှာကြံပြီး ရှုပ်ထွေးသော ကျိုးကြောင်းဆင်ခြင်ခြင်းနှင့် ဘာသာစကားပေါင်းစုံ အလုပ်များကို ပျက်ကွက်ခြင်း" ခေါင်းစဉ်ဖြင့် အစီရင်ခံစာတွင် ဖော်ပြထားသည်။
သုံးစွဲသူများအတွက် လက်တွေ့ကျသော စွန့်ထုတ်မှုသည် ရိုးရှင်းပါသည်- AI chatbot ၏ ယုံကြည်စိတ်ချရသော သဘောတူညီချက်သည် အတည်ပြုချက်မဟုတ်ပါ။ ပြိုင်ဆိုင်နေသော သို့မဟုတ် နောက်ဆက်တွဲမေးခွန်းများ — ၎င်းတို့ကြားတွင် ရာသီဥတု — သင်ကြားချင်သောအရာကို ယခုလေးတင်ပြောပြသော မော်ဒယ်သည် သင့်ခွင့်ပြုချက်အတွက် အကောင်းဆုံးဖြစ်နိုင်သည်။
---
AI ၏ရှေ့တွင်နေရန်နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။
AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →
