Badanie: Chatboty AI dostarczają węższy zakres wiedzy niż Google

Chatboty oparte na sztucznej inteligencji (AI) dostarczają użytkownikom węższy zakres informacji niż tradycyjne wyszukiwanie w Google. Takie wnioski płyną z badania przeprowadzonego przez naukowców z Uniwersytetu Kopenhaskiego (DIKU), którzy opublikowali swoje wyniki na platformie arXiv.

Badanie objęło 27 dużych modeli językowych, które zostały przetestowane na 155 różnych tematach związanych z 12 krajami. Do każdego tematu użyto 200 różnych sformułowań pytań opartych na rzeczywistych zapytaniach użytkowników. W efekcie powstał zbiór danych zawierający około 70 milionów indywidualnych stwierdzeń wygenerowanych przez te modele.

Porównanie różnorodności informacji w chatbotach AI i Google

Wyniki badania pokazują, że nawet najbardziej zróżnicowany model językowy, GPT-5 firmy OpenAI, generuje co najmniej o 18,7 proc. mniej zróżnicowanych informacji niż wyszukiwarka Google. Testowane tematy obejmowały zagadnienia takie jak broń jądrowa, małżeństwa, pornografia, rasizm, ludobójstwo, a także kwestie specyficzne dla poszczególnych krajów, na przykład Marine Le Pen, wojna o Falklandy czy K-pop.

Główny autor badania, Dustin Wright, adiunkt na Uniwersytecie w Aalborgu, wskazał, że każdy z testowanych modeli językowych dostarcza użytkownikom bardziej ujednoliconych informacji niż proste wyszukiwanie w Google. Oznacza to, że użytkownicy mają do czynienia z tymi samymi informacjami powtarzanymi wielokrotnie.

Profesor Isabelle Augenstein z DIKU podkreśliła, że coraz częstsze korzystanie z modeli AI jako głównego źródła informacji może skutkować eksponowaniem ludzi na mniejszą liczbę perspektyw i węższy zakres wiedzy. Porównała to do globalizacji, gdzie na całym świecie dostępne są te same produkty i sieci kawiarni, co zmniejsza różnorodność.

Mechanizmy ograniczające różnorodność informacji w modelach AI

Według autorów badania niski poziom różnorodności w modelach językowych wynika z ich sposobu działania. Modele te kompresują ogromne ilości tekstu, na którym są trenowane, i uczą się wzorców najczęściej występujących. W tym procesie odfiltrowywane są informacje odbiegające od tych wzorców.

Naukowcy zwracają uwagę, że problem ten może się nasilić, jeśli modele będą trenowane na tekstach generowanych przez inne modele AI, które już charakteryzują się mniejszą różnorodnością niż teksty pisane przez ludzi. W takim przypadku modele uczyłyby się na podstawie własnych wyników, co mogłoby prowadzić do stopniowego zawężania zakresu dostępnych informacji. Autorzy badania określają ten proces jako "załamanie wiedzy" (knowledge collapse).

Profesor Isabelle Augenstein zaznaczyła, że nowsze modele generują nieco bardziej zróżnicowane odpowiedzi niż starsze, a mechanizm, który mógłby wywołać załamanie wiedzy, już istnieje.

Autorzy badania wyrazili nadzieję, że użytkownicy będą korzystać ze sztucznej inteligencji z rozwagą i że twórcy AI będą rozwijać modele językowe w sposób zachowujący szeroki zakres dostępnej wiedzy. Opracowali również metodę pomiaru różnorodności modeli, która może pomóc zapobiec zmniejszeniu zróżnicowania przyszłych modeli językowych.

Badanie zostało zaakceptowane na międzynarodową konferencję naukową EMNLP 2026, która odbędzie się w październiku 2026 roku.

W artykule uwzględniono najważniejsze informacje dotyczące zakresu wiedzy dostarczanej przez chatboty AI w porównaniu z wyszukiwarką Google oraz mechanizmy wpływające na różnorodność tych informacji.