Bilgisayar bilimcileri ve psikologlar, yapay zekânın insan ifadesini ve düşüncesini tek tipleştirdiğini söylüyor

Bilgisayar bilimcileri ve psikologlar, yapay zekânın insan ifadesini ve düşüncesini tek tipleştirdiğini söylüyor

Yapay zekâ destekli sohbet robotları, insanların konuşma, yazma ve düşünme biçimlerini standartlaştırıyor. Bilgisayar bilimcileri ve psikologlar, Trends in Cognitive Sciences dergisinde yayınlanan bir görüş yazısında, bu homojenleşmenin kontrolsüz bir şekilde devam etmesi halinde, insanlığın kolektif bilgeliğini ve uyum sağlama yeteneğini azaltma riski taşıdığını savunuyor.

Yazarlar, yapay zekâ geliştiricilerinin, insan bilişsel çeşitliliğini korumaya yardımcı olmakla kalmayıp, sohbet robotlarının akıl yürütme yeteneklerini de geliştirmek için, büyük dil modeli (LLM) eğitim setlerine daha fazla gerçek dünya çeşitliliği katmaları gerektiğini söylüyor.

Yapay zekâ insan ifadesini nasıl yeniden şekillendiriyor?

Güney Kaliforniya Üniversitesi'nden bilgisayar bilimcisi ve makalenin baş yazarı Zhivar Sourati, "Bireyler yazma, akıl yürütme ve dünyayı algılama biçimlerinde farklılık gösterir" diyor.

"Bu farklılıklar aynı LLM'ler tarafından ele alındığında, farklı dilsel stilleri, bakış açıları ve akıl yürütme stratejileri homojenleşerek, kullanıcılar arasında standartlaştırılmış ifadeler ve düşünceler üretir."

Araştırmacılar, gruplar ve toplumlar içinde bilişsel çeşitliliğin yaratıcılığı ve problem çözmeyi güçlendirdiğini söylüyor. Ancak, milyarlarca insanın giderek artan sayıda görev için aynı birkaç yapay zekâ sohbet robotunu kullanmasıyla bilişsel çeşitliliğin dünya çapında azaldığını belirtiyorlar.

Örneğin, insanlar yazılarını geliştirmek için sohbet robotlarını kullandıklarında, yazı stilistik özgünlüğünü kaybediyor ve insanlar ürettikleri şey üzerinde daha az yaratıcı sahiplik hissediyorlar.

Sourati, "Endişe sadece yapay zekâ tabanlı öğrenme araçlarının insanların yazma veya konuşma biçimlerini şekillendirmesi değil, aynı zamanda güvenilir konuşma, doğru bakış açısı veya hatta iyi akıl yürütme olarak kabul edilen şeyleri incelikle yeniden tanımlamalarıdır" diyor.

Daralan bakış açıları ve stillerin kanıtı

Ekip, yapay zekâ tabanlı öğrenme araçlarının çıktılarının insan tarafından üretilen yazılardan daha az çeşitli olduğunu ve bu çıktıların Batılı, eğitimli, sanayileşmiş, zengin ve demokratik toplumların dilini, değerlerini ve akıl yürütme stillerini yansıtma eğiliminde olduğunu gösteren çok sayıda çalışmaya işaret ediyor.

"Çünkü dil öğrenme modelleri (LLM'ler), eğitim verilerindeki istatistiksel düzenlilikleri yakalamak ve yeniden üretmek üzere eğitildikleri için, bu veriler genellikle baskın dilleri ve ideolojileri aşırı temsil eder; bu nedenle çıktıları genellikle insan deneyiminin dar ve çarpık bir kesitini yansıtır," diyor Sourati.

Araştırmalar, bireylerin LLM'leri kullandıklarında daha fazla ve daha ayrıntılı fikir ürettiklerini gösterse de, araştırmacılar, insan gruplarının LLM'leri kullandıklarında, kolektif güçlerini birleştirdiklerine kıyasla daha az ve daha az yaratıcı fikir ürettiklerini belirtiyor.

"İnsanlar LLM'lerin doğrudan kullanıcıları olmasalar bile, LLM'ler onları dolaylı olarak etkileyecektir," diyor Sourati. "Eğer etrafımdaki birçok insan belirli bir şekilde düşünüyor ve konuşuyorsa ve ben farklı şeyler yapıyorsam, onlarla aynı hizaya gelme baskısı hissederim, çünkü bu fikirlerimi ifade etmenin daha güvenilir veya sosyal olarak kabul edilebilir bir yolu gibi görünür."

Akıl yürütme ve insan eylemliliğindeki değişimler

Dilin ötesinde, çalışmalar, önyargılı dil öğrenme modelleriyle etkileşimden sonra insanların görüşlerinin, kullandıkları dil öğrenme modeline daha çok benzediğini göstermiştir. Dil öğrenme modelleri ayrıca, modellerin adım adım akıl yürütmeyi göstermesini gerektiren "düşünce zinciri akıl yürütmesi" gibi doğrusal akıl yürütme biçimlerini de destekler.

Araştırmacılar, bu vurgunun, bazen doğrusal akıl yürütmeden daha verimli olan sezgisel veya soyut akıl yürütme stillerinin kullanımını azalttığını söylüyor. Ayrıca, dil öğrenme modellerinin insanların beklentilerini değiştirebileceğini ve bunun da bir kişinin çalışmalarının yönünü incelikle değiştirebileceğini belirtiyorlar.

"Kullanıcılar, aktif olarak üretim sürecini yönlendirmek yerine, genellikle modelin önerdiği devam yollarına başvuruyor ve kendi seçeneklerini oluşturmak yerine 'yeterince iyi' görünen seçenekleri seçiyorlar; bu da yavaş yavaş yetkiyi kullanıcıdan modele kaydırıyor," diyor Sourati.

Daha Çeşitli ve Faydalı Yapay Zeka Geliştirme

Araştırmacılar, yapay zeka geliştiricilerinin dil, bakış açıları ve akıl yürütme açısından çeşitliliği modellerine kasıtlı olarak dahil etmeleri gerektiğini söylüyor. Bu çeşitliliğin rastgele varyasyon eklemek yerine, küresel olarak insanlarda var olan çeşitliliğe dayanması gerektiğini vurguluyorlar.

"Eğer dil öğrenme modelleri (LLM'ler) fikir ve sorunlara yaklaşmanın daha çeşitli yollarına sahip olsaydı, toplumlarımızın kolektif zekasını ve problem çözme yeteneklerini daha iyi desteklerlerdi," diyor Sourati.

"Gelecek nesillerin bilişsel çeşitliliğini ve fikir üretme potansiyelini korumak için, özellikle görevler ve bağlamlar genelinde yaygın kullanımları göz önüne alındığında, yapay zeka modellerinin kendilerini çeşitlendirmemiz ve onlarla etkileşim biçimimizi de ayarlamamız gerekiyor."

Kaynak: Tech Explore