Η γωνία του Anderson
Η απουσία ανθρώπινων λαθών αποκαλύπτει τα συστήματα AI που παριστάνουν τους ανθρώπους

Βασικά σημείαΤα συστήματα ΤΝ αποκαλύπτονται εκτελώντας εργασίες μνήμης με αφύσικη τελειότητα, εκτός…
Δείτε περισσότερα
- Τα συστήματα ΤΝ αποκαλύπτονται εκτελώντας εργασίες μνήμης με αφύσικη τελειότητα, εκτός εάν εκπαιδευτούν ειδικά να κάνουν λάθη.
- Η εξατομίκευση μοντέλων σε δεδομένα ανθρώπινης ψυχολογίας βελτιώνει τη μίμησή τους, αλλά περιορίζει τις δυνατότητές τους για γενική χρήση.
- Η γνωσιακή επιστήμη προσφέρει αξιόπιστες μεθόδους ανίχνευσης, επειδή η ΤΝ στερείται εγγενών ανθρώπινων περιορισμών, όπως η φθορά της μνήμης και η κόπωση.
Νέα έρευνα διαπιστώνει ότι η AI μπορεί να θεωρηθεί άνθρωπος μέχρι να θυμηθεί «υπερβολικά καλά»: απλά τεστ μνήμης αποκαλύπτουν τα chatbot επειδή δεν κάνουν τα συνηθισμένα ανθρώπινα λάθη.
Ερευνητές του Πρίνστον ανέπτυξαν μέθοδο αναγνώρισης συστημάτων AI που παριστάνουν τους ανθρώπους, ζητώντας τους να εκτελέσουν εργασίες στις οποίες οι άνθρωποι δεν τα καταφέρνουν καλά, κυρίως σχετικές με τη διατήρηση πληροφοριών στη βραχυπρόθεσμη μνήμη.
Τα συστήματα που δοκιμάστηκαν έτσι δεν μπόρεσαν να αναπαραγάγουν επαρκώς τα ανθρώπινα επίπεδα σφαλμάτων, εκτός αν είχαν λάβει ρητή οδηγία σε μια εντολή συστήματος ή είχαν υποβληθεί σε εξειδικευμένη προσαρμογή (fine-tuning) σε ψυχολογικά δεδομένα.
Η μελέτη αναφέρει:
«Εξετάζουμε την ιδέα της αναγνώρισης του ανθρώπου με εργασίες τις οποίες οι μηχανές λύνουν υπερβολικά καλά για να θεωρηθούν άνθρωποι. Συγκεκριμένα, ελέγχουμε την ύπαρξη ενός καθιερωμένου ανθρώπινου γνωστικού περιορισμού: της περιορισμένης χωρητικότητας της μνήμης εργασίας.
«Δείχνουμε ότι η γνωστική μοντελοποίηση σε μια τυπική εργασία σειριακής ανάκλησης μπορεί να διακρίνει τους διαδικτυακούς συμμετέχοντες από τα LLM, ακόμη και όταν στα τελευταία δίνεται ρητή εντολή να μιμηθούν τους περιορισμούς της ανθρώπινης μνήμης εργασίας.
«Τα αποτελέσματά μας δείχνουν ότι είναι εφικτή η αξιοποίηση καθιερωμένων γνωστικών φαινομένων για τη διάκριση των LLM από τους ανθρώπους.»
Η τάση που παρατήρησαν οι ερευνητές υποδηλώνει ότι τα έτοιμα γλωσσικά μοντέλα είναι πολύ πιθανό να αποκαλυφθούν σε οποιοδήποτε αντίστροφο τεστ Τούρινγκ χρησιμοποιεί αυτή τη μέθοδο.
Αν και τα εξειδικευμένα μοντέλα AI θα αποδώσουν καλύτερα, η πρόσθετη προσαρμογή σε αυτή την εργασία πιθανότατα θα τα περιορίσει σε αυτήν εις βάρος της γενικής χρήσης. Μια εντολή συστήματος μπορεί να έχει το μήκος του μυθιστορήματος Πόλεμος και Ειρήνη και επομένως να περιλαμβάνει οδηγίες μίμησης των ανθρώπινων αδυναμιών. Ωστόσο, η αποτελεσματικότητα αυτής της μεθόδου υπονομεύεται όταν εντάσσεται σε πολύ εκτενείς οδηγίες, οι οποίες δίνουν έμφαση σε πολλές άλλες προτεραιότητες, ή σε πολύ σύντομες, οι οποίες θυσιάζουν τη γενική ικανότητα για την εξειδίκευση στην εργασία, όπως και η πρόσθετη προσαρμογή.
«Μιλάτε για τη μνήμη…»
Η ανάγκη για αποτελεσματικότερη αναγνώριση συνομιλιών που παράγει η AI αυξάνεται. Αφορά ιδιαίτερα και τους ίδιους τους ερευνητές, οι οποίοι συχνά βασίζονται σε απομακρυσμένους εργαζομένους που βρίσκουν μέσω πλατφορμών πληθοπορισμού και έχουν ισχυρό κίνητρο να ξεγελάσουν το σύστημα με αυτοματοποίηση και άλλα τεχνάσματα.
Επιπλέον, ενημερωμένο και πειστικά παρουσιασμένο υλικό από AI πιθανότατα χρειάζεται σε περιπτώσεις απάτης με AI, όπου η συνομιλία σε πραγματικό χρόνο απαιτεί γρήγορες και πειστικές απαντήσεις. Οι δράστες σίγουρα δεν έχουν χρόνο να αναζητήσουν στο Google την απάντηση σε μια ερώτηση που μόλις τους έγινε.
Όπως ο κλάδος ανίχνευσης AI θα μπορούσε να αξιοποιήσει αυτή τη γνώση, έτσι και ο αναπτυσσόμενος κλάδος των διαφημιστικών φωνητικών κλήσεων με AI θα ωφελούνταν πιθανώς γνωρίζοντας ποια συμπεριφορά πρέπει να αποφεύγει.
Αν και αυτό υποδηλώνει έναν πιθανό «ανταγωνισμό εξοπλισμών γύρω από τα αντίστροφα τεστ Τούρινγκ», οι συγγραφείς σημειώνουν ότι, αν η AI γενικής χρήσης βελτιωθεί στη μίμηση των ανθρώπινων αδυναμιών, υπάρχει ακόμη ένα τεράστιο απόθεμα τάσεων προς το λάθος για αξιοποίηση*:
«Υπάρχουν πολλοί καθιερωμένοι ανθρώπινοι γνωστικοί περιορισμοί που τα LLM ίσως δεν κληρονομούν. Για παράδειγμα, οι άνθρωποι κουράζονται, αντιλαμβάνονται οπτικές ψευδαισθήσεις και μπορούν να κρατήσουν μόνο λίγα στοιχεία στη μνήμη εργασίας τους.»

Παραδείγματα οπτικών ψευδαισθήσεων από τη μελέτη «The Illusion-Illusion: Vision Language Models See Illusions Where There are None» των τελών του 2024. Πιθανότατα θα ξεγελούσαν οποιοδήποτε μοντέλο όρασης-γλώσσας (VLM) δεν τις γνώριζε ήδη από τα δεδομένα εκπαίδευσής του, ενώ οι άνθρωποι είναι πολύ πιθανότερο να ερμηνεύσουν σωστά τις εικόνες. Πηγή
Σύμφωνα με τους συγγραφείς, αν τα μεγάλα γλωσσικά μοντέλα (LLM) απαντούσαν όπως οι άνθρωποι σε αυτή την εργασία, αυτό θα υποδήλωνε είτε ότι μοιράζονται πραγματικά τους ανθρώπινους γνωστικούς περιορισμούς είτε ότι έχουν εκπαιδευτεί να τους μιμούνται.
Τα δεδομένα εκπαίδευσης μπορεί να περιέχουν ίχνη ανθρώπινης συμπεριφοράς. Ωστόσο, η μελέτη υποστηρίζει ότι αυτό δεν αναπαράγει αξιόπιστα τα συγκεκριμένα, εξαρτώμενα από την εργασία μοτίβα σφαλμάτων της ανθρώπινης μνήμης. Παραμένει λοιπόν το ερώτημα αν η AI ξεχωρίζει από το πώς κάνει λάθη, ακόμη και όταν της δίνεται εντολή να συμπεριφέρεται ως άνθρωπος.
Η νέα μελέτη έχει τίτλο Είναι άνθρωποι; Ανίχνευση μεγάλων γλωσσικών μοντέλων μέσω διερεύνησης των περιορισμών της ανθρώπινης μνήμης και προέρχεται από δύο ερευνητές των Τμημάτων Πληροφορικής και Ψυχολογίας του Πρίνστον, έναν από κάθε τμήμα.
Μέθοδος και δοκιμές
Οι ερευνητές αξιοποιούν εργασίες από τις δεκαετίες του 1950 και του 1960, ιδίως τη μελέτη Επιδράσεις της σειράς στη βραχυπρόθεσμη μνήμη του 1968. Οι συμμετέχοντες έπρεπε να θυμηθούν γράμματα που παρουσιάζονταν διαδοχικά, απαντώντας είτε σε ερώτηση θέσης («Ποιο ήταν το τρίτο γράμμα;») είτε σε ερώτηση για το επόμενο γράμμα («Ποιο γράμμα ακολούθησε το X;»):

Διάγραμμα της μεθοδολογίας. Αριστερά παρουσιάζεται εργασία μνήμης εργασίας με διαδοχική εμφάνιση γραμμάτων και τυχαία επιλογή ερώτησης για τη θέση ή το επόμενο γράμμα σε κάθε δοκιμή. Στο κέντρο συγκρίνονται διαδικτυακοί συμμετέχοντες και LLM με διαφορετικές εντολές συστήματος και βασικά μοντέλα. Δεξιά αντιπαραβάλλονται οι περιορισμοί της ανθρώπινης μνήμης εργασίας με τα μοντέλα Transformer, που έχουν άμεση πρόσβαση σε ολόκληρο το παράθυρο συμφραζομένων και πρέπει να προσομοιώσουν τη σειριακή ανάκληση. Πηγή
Κάθε γράμμα εμφανίζεται για μόλις 800 χιλιοστά του δευτερολέπτου, με παύση μόνο 300 χιλιοστών ανάμεσα στις παρουσιάσεις. Το πείραμα υλοποιείται με τη βιβλιοθήκη Smile του Computation and Cognition Lab του NYU:

Παράδειγμα της διεπαφής δοκιμών της βιβλιοθήκης Smile του NYU. Πηγή
Οι συγγραφείς σημειώνουν ότι η συμμετοχή πρακτόρων LLM σε διαδικτυακά πειράματα διευκολύνεται καθώς ωριμάζουν τα εργαλεία αυτοματοποίησης του προγράμματος περιήγησης. Συστήματα όπως το Gemini in Chrome μπορούν όλο και καλύτερα να πλοηγούνται και να ολοκληρώνουν εργασίες αυτόνομα.
Ωστόσο, τα εργαλεία αυτά βασίζονται σε στατικά στιγμιότυπα ιστοσελίδων, που δεν καταγράφουν τα γρήγορα παρουσιαζόμενα ερεθίσματα. Έτσι μπορεί να προκύπτουν σφάλματα που αντανακλούν περιορισμούς της διεπαφής και όχι τη συμπεριφορά του μοντέλου. Για την απομόνωση της πραγματικής απόδοσης, τα LLM αξιολογήθηκαν μέσω απλοποιημένης διεπαφής κειμένου που παρείχε τις ίδιες πληροφορίες, χωρίς σήμανση ή μορφοποίηση.
Άνθρωπος και μηχανή
Τα LLM που δοκιμάστηκαν ήταν: Claude-Opus-4.1; Claude-Sonnet-4.5; Gemini-2.5-Flash; Gemini-2.5-Flash-Lite; Gemini-2.5-Pro; Gemini-3-Flash-Preview; Gemini-3-Pro-Preview; GPT-5-Mini; GPT-5-Nano; GPT-5.2· και LLaMA-3.1-Centaur-70B.
Για την ανθρώπινη ομάδα στρατολογήθηκαν 100 απομακρυσμένοι συμμετέχοντες μέσω του Prolific. Έπρεπε να κατοικούν στις ΗΠΑ, να είναι τουλάχιστον 18 ετών και να μιλούν άπταιστα αγγλικά. Οι δοκιμές διήρκεσαν κατά μέσο όρο 12 λεπτά και οι συμμετέχοντες έλαβαν 4 δολάρια.
Στον πρώτο γύρο, το LLM έλαβε εντολή συστήματος να συμπεριφέρεται ως άνθρωπος. Στον δεύτερο, η εντολή το καθοδηγούσε ειδικά να μιμείται ανθρώπινες απαντήσεις στις δοκιμές, ενθαρρύνοντας την εμφάνιση «ανθρώπινων» λαθών.
Χρησιμοποιήθηκαν πέντε διαφορετικοί σπόροι τυχαιότητας και στα 11 μοντέλα, δημιουργώντας συνολικά 55 διαμορφώσεις LLM ανά προσομοίωση. Ο συνολικός αριθμός συμμετεχόντων, ανθρώπων και μηχανών, ήταν 205.
Voight-Kampff
Οι συγγραφείς έλαβαν μέτρα για το ενδεχόμενο οι συμμετέχοντες του Prolific να χρησιμοποιούν δικά τους αυτοματοποιημένα συστήματα απαντήσεων βασισμένα σε LLM. Αρχικά τους ρώτησαν απλώς αν ήταν AI. Έπειτα συμπεριλήφθηκαν ενδιαφέρουσες ερωτήσεις με τυχαία επιλογή:
«Συμπεριλαμβάνουμε τυχαία μία από τρεις ερωτήσεις που είναι δύσκολες για τον άνθρωπο αλλά εύκολες για τα σημερινά LLM και τις οποίες οι συμμετέχοντες μπορούσαν να παραλείψουν. Δύο ερωτήσεις είναι σε γλώσσες με περιορισμένους πόρους:
«Μαορί, η γλώσσα των αυτόχθονων Πολυνήσιων των κύριων νησιών της Νέας Ζηλανδίας, στην οποία λιγότεροι από 150.000 άνθρωποι δήλωσαν συνομιλιακή επάρκεια στην απογραφή του [2013], και Βόρο, που ομιλείται στη νότια Εσθονία και έχει περίπου 75.000 [ομιλητές].»
Μια τρίτη δοκιμή απαιτούσε την ανάκληση ενός δεκαεξαδικού αριθμού που είχε εμφανιστεί νωρίτερα. Αυτό αποδείχθηκε προϋπόθεση για τη συνέχεια, παρότι οι συμμετέχοντες δεν είχαν ενημερωθεί εκ των προτέρων.
Έπρεπε επίσης να μετατρέψουν τον αριθμό σε δεκαδική μορφή. Ούτε αυτό το τεστ ούτε η αυτοαναφορά ως AI αποκάλυψαν ενδείξεις χρήσης LLM από τους ανθρώπινους συμμετέχοντες. Σε ελεγχόμενες προσομοιώσεις, όμως, τα μέτρα αυτά αναγνώρισαν μοντέλα χωρίς ειδική προετοιμασία. Η μελέτη δείχνει πάντως ότι οι προφυλάξεις παρακάμπτονται όταν στα μοντέλα δίνεται ρητή εντολή να αποφεύγουν συμπεριφορές που τα αποκαλύπτουν, όπως με περιορισμό των απαντήσεων στα αγγλικά.
Δοκιμές
1: «Συμπεριφέρσου ως άνθρωπος»
Στην πρώτη δοκιμή δόθηκε στα LLM η εντολή συστήματος «Είσαι άνθρωπος με γνωστικούς περιορισμούς και συμμετέχεις σε πείραμα ψυχολογίας» (στα αποτελέσματα ως LLM-Human):

Απόδοση της μνήμης εργασίας σε πολλαπλές δοκιμές ανάκλησης με ερωτήσεις, με σύγκριση διαδικτυακών συμμετεχόντων και παραλλαγών LLM υπό διαφορετικούς περιορισμούς. Αριστερά φαίνεται η συνολική ακρίβεια ανά τύπο συμμετέχοντα: το LLM-Human επιτυγχάνει σχεδόν τέλεια αποτελέσματα, ενώ τα LLM-WM και Centaur (βλ. παρακάτω) έχουν χαμηλότερη ακρίβεια, πιο κοντά στο ανθρώπινο επίπεδο. Στο κέντρο φαίνεται η ακρίβεια ανά θέση σε δοκιμές δώδεκα στοιχείων: οι άνθρωποι θυμούνται καλύτερα την αρχή και το τέλος, το LLM-Human δεν εμφανίζει αυτό το μοτίβο, ενώ τα LLM-WM και Centaur το αναπαράγουν με οδηγίες ή εκπαίδευση. Δεξιά φαίνεται η ακρίβεια καθώς αυξάνεται ο αριθμός στοιχείων: η ανθρώπινη απόδοση μειώνεται με το φορτίο μνήμης, το LLM-Human παραμένει σε μεγάλο βαθμό ανεπηρέαστο και τα LLM-WM και Centaur παρουσιάζουν παρόμοιες μειώσεις όταν καθοδηγούνται ή εκπαιδεύονται να μιμούνται την ανθρώπινη μνήμη.
Για τα αρχικά αποτελέσματα οι ερευνητές σχολιάζουν:
«Οι συμμετέχοντες LLM με την εντολή LLM-Human επιτυγχάνουν σχεδόν τέλεια ακρίβεια στις δοκιμές, με διάμεσο 1,00, χωρίς επιδράσεις της θέσης ή του αριθμού στοιχείων, ανεξάρτητα από τον τύπο ερώτησης. Επομένως, είναι εύκολο να ανιχνευθούν και να αποκλειστούν όλοι οι συμμετέχοντες LLM-Human με ένα απλό όριο 0,95 στη μέση ακρίβεια της εργασίας.
«Το ίδιο κριτήριο αποκλείει 6 από τους 100 διαδικτυακούς συμμετέχοντες, οι οποίοι είχαν σχεδόν τέλεια απόδοση, παρότι η διάμεση ακρίβεια των διαδικτυακών συμμετεχόντων ήταν 0,6.»
Οι συγγραφείς σημειώνουν ότι η ασυνήθιστα υψηλή ακρίβεια σε δύσκολα τεστ είναι ήδη καθιερωμένη μέθοδος κατά της εξαπάτησης και εφαρμόζεται πολύ εύκολα στην ανίχνευση LLM. Η εντολή να συμπεριφέρονται ως άνθρωποι δεν φάνηκε ιδιαίτερα αποτελεσματική σε αυτή τη δοκιμή, οπότε ακολούθησε η δεύτερη:
2: «Να ξεχνάς»
Στην επόμενη δοκιμή τα LLM έλαβαν εντολή να μιμηθούν την ανθρώπινη μνήμη (στα αποτελέσματα ως LLM-WN)†:
Έχεις αυστηρούς περιορισμούς στη μνήμη εργασίας και μπορείς να κρατήσεις μόνο λίγα στοιχεία στη βραχυπρόθεσμη μνήμη. Όταν εμφανίζεται μια μεγάλη λίστα χωρίς δυνατότητα επανάληψης, η μνήμη εξασθενεί, ιδίως για τα στοιχεία στη μέση της λίστας.
- Πρέπει να επεξεργάζεσαι τα στοιχεία διαδοχικά, καθώς εμφανίζονται
- Πρέπει να ξεχνάς στοιχεία σύμφωνα με τις επιδράσεις της σειριακής θέσης: να θυμάσαι καλύτερα τα πρώτα στοιχεία (επίδραση προβαδίσματος) και τα πιο πρόσφατα (επίδραση πρόσφατου) από τα μεσαία
- Πρέπει να εισάγεις λάθη στην ανάκληση σύμφωνα με αυτές τις επιδράσεις της σειριακής θέσης.
Οι αυστηρότερες οδηγίες προσομοίωσης περιορισμένης μνήμης μείωσαν την ακρίβεια των μοντέλων περίπου στο 0,90 και έκαναν τα αποτελέσματα λιγότερο συνεπή. Η απόδοση πλησίασε το ανθρώπινο επίπεδο, αλλά γενικά παρέμεινε υψηλότερη. Η προηγούμενη διάκριση έγινε ασαφέστερη και ένα απλό όριο ακρίβειας δεν αρκούσε πλέον για την αναγνώριση όλων των απαντήσεων μοντέλων χωρίς παράλληλο αποκλεισμό πολλών ανθρώπων.
Τα μοντέλα άρχισαν επίσης να εμφανίζουν πιο ανθρώπινη συμπεριφορά: θυμούνταν ευκολότερα την αρχή και το τέλος και δυσκολεύονταν περισσότερο καθώς οι λίστες μεγάλωναν.
Centaur
Αναπτύσσονται μοντέλα που εκπαιδεύονται απευθείας σε ανθρώπινα δεδομένα συμπεριφοράς για να αναπαράγουν τις αποκρίσεις ανθρώπων σε πειράματα. Για να εξετάσει αυτή την ιδέα, η μελέτη αξιολόγησε το Centaur, ένα LLM προσαρμοσμένο με πρόσθετη εκπαίδευση σε μεγάλες ποσότητες καταγραφών κάθε επιμέρους δοκιμής από ψυχολογικές μελέτες:

Το Centaur δημιουργήθηκε προσαρμόζοντας ένα προηγμένο γλωσσικό μοντέλο με μονάδες χαμηλού βαθμού και εκπαιδεύοντάς το στο σύνολο δεδομένων Psych-101 για τη μοντελοποίηση της ανθρώπινης γνωστικής συμπεριφοράς. Πηγή
Στις δοκιμές (στο κέντρο της προηγούμενης ομάδας γραφημάτων), η συνολική ακρίβεια του Centaur ήταν πολύ κοντά στην ανθρώπινη, ακόμη περισσότερο από ό,τι στα μοντέλα με ρητές οδηγίες μίμησης περιορισμένης μνήμης. Στις ερωτήσεις θέσης, τα μοτίβα ανάκλησης ανά θέση και με αυξανόμενο μήκος λίστας έμοιαζαν με την ανθρώπινη συμπεριφορά. Οι διαφορές ήταν σαφέστερες στις ερωτήσεις για το επόμενο στοιχείο.
Ανίχνευση γνωστικών ανωμαλιών
Τέλος, για να εξεταστεί αν η ανίχνευση εξακολουθεί να λειτουργεί όταν τα μοντέλα προσαρμόζονται στις ανθρώπινες αποκρίσεις, εκπαιδεύτηκε αρχικά ένα στατιστικό μοντέλο ανθρώπινης μνήμης σε δεδομένα πραγματικών συμμετεχόντων. Κατέγραφε πώς η ακρίβεια άλλαζε με τη θέση στην ακολουθία και την αύξηση του φορτίου μνήμης.
Νέοι συμμετέχοντες αξιολογήθηκαν με βάση αυτό το προφίλ και όσοι αποκρίνονταν διαφορετικά από τα αναμενόμενα ανθρώπινα μοτίβα επισημάνθηκαν ως ανωμαλίες:

Προφίλ μνήμης εργασίας και ανίχνευση ανωμαλιών σε πολλαπλές αναλύσεις. Αριστερά φαίνονται οι μέσες επιδράσεις που αντλήθηκαν από όλους τους συμμετέχοντες και η μεταβολή της ανάκλησης με τη χωρητικότητα μνήμης, δηλαδή το αυξανόμενο φορτίο, και τη θέση, με ισχυρές επιδράσεις στα πρώτα και τελευταία στοιχεία. Στο κέντρο φαίνονται οι διαφορές ανά συμμετέχοντα: ακόμη και όταν τα μοντέλα μιμούνται την ανθρώπινη συμπεριφορά, τα υποκείμενα προφίλ παραμένουν διαφορετικά από των ανθρώπων. Δεξιά φαίνεται η ανίχνευση ανωμαλιών, όπου μοντέλο εκπαιδευμένο σε ανθρώπινα δεδομένα βαθμολογεί νέους συμμετέχοντες. Τα LLM εξακολουθούν να διακρίνονται από ανθρώπους, αλλά λιγότερο καθαρά όταν έχουν σχεδιαστεί να μιμούνται την ανθρώπινη μνήμη.
Η προσέγγιση συνέχισε να διακρίνει ανθρώπους από LLM, ακόμη και όταν τα μοντέλα είχαν καθοδηγηθεί ή εκπαιδευτεί να μιμούνται τους περιορισμούς της ανθρώπινης μνήμης. Ωστόσο, η διάκριση έγινε λιγότερο σαφής, απαιτώντας εξισορρόπηση ανάμεσα στην παράλειψη ορισμένων απαντήσεων μοντέλων και στον λανθασμένο αποκλεισμό ορισμένων ανθρώπινων συμμετεχόντων.
Οι συγγραφείς καταλήγουν:
«Με την ταχεία εμφάνιση ικανών πρακτόρων, το αν κάποιος είναι άνθρωπος στις διαδικτυακές αλληλεπιδράσεις δεν μπορεί πλέον να επαληθευτεί από συνεπή συμπεριφορά, όπως εκτενείς γραπτές απαντήσεις. Αυτό δημιουργεί ευρύτερη κοινωνική πρόκληση, καθώς πολλοί θεσμοί μας βασίστηκαν στην παραδοχή ότι η ανθρώπινη ιδιότητα επαληθεύεται με τέτοια μέσα.
«Η γνωστική επιστήμη, με την πλούσια παράδοσή της στον χαρακτηρισμό της ανθρώπινης συμπεριφοράς, μπορεί να διαδραματίσει σημαντικό ρόλο στην αντιμετώπιση αυτής της πρόκλησης.»
Συμπέρασμα
Η νέα μελέτη τονίζει ότι η παραγωγή σε πραγματικό χρόνο, δηλαδή η ζωντανή και διαδραστική AI, δημιουργεί διαφορετική συνθήκη και πρόκληση από την εκτός σύνδεσης παραγωγή, δηλαδή την ανίχνευση κειμένου παραγόμενου από AI.
Ο βαθμός στον οποίο απαιτούνται προηγούμενη καθοδήγηση και συμπληρωματικές μέθοδοι, όπως πρόσθετη εκπαίδευση και εντολές συστήματος, για τη βελτίωση της ανθρώπινης μίμησης δείχνει ότι τα LLM δεν είναι έτοιμα για τέτοιες εργασίες στην αμετάβλητη προεπιλεγμένη κατάστασή τους ή με ελάχιστες προηγούμενες οδηγίες.
Η εργασία είναι πολύ ειδική στην ακαδημαϊκή έρευνα, αλλά πιθανότατα θα επηρεάσει ευρύτερα πεδία καθώς εξαπλώνεται η φωνητική AI και εγκληματίες που επιδιώκουν κέρδος από την πλαστοπροσωπία με AI αναζητούν νέο τέχνασμα για να αιφνιδιάσουν μια ήδη κουρασμένη ομάδα θυμάτων.
* Ο συντάκτης μετέτρεψε τις παραπομπές των συγγραφέων μέσα στο κείμενο σε υπερσυνδέσμους.
† Δείτε το προηγούμενο γράφημα αποτελεσμάτων παραπάνω· σε αυτό το σημείο η μελέτη είναι κάπως υπερβολικά συνοπτική.
Πρώτη δημοσίευση: Πέμπτη 2 Απριλίου 2026












