ระบบ AI ชอบคำตอบที่ผิดจากมนุษย์มากกว่าคำตอบที่ถูกต้องจาก AI

แบบจำลองภาษา AI มีแนวโน้มที่จะเข้าข้างผู้เชี่ยวชาญมากกว่า AI อื่นๆ แม้ว่าผู้เชี่ยวชาญจะผิดก็ตาม โดยเปิดเผยความลำเอียงที่มีต่ออำนาจของมนุษย์

การวิจัยใหม่จากสหรัฐอเมริกาได้ค้นพบว่าแบบจำลองภาษาขนาดใหญ่หลายรุ่น (LLM) มีแนวโน้มที่จะยอมรับแหล่งข้อมูลที่มาจาก “มนุษย์” มากกว่าแหล่งข้อมูลที่มาจาก “AI” แม้ว่าคำตอบของมนุษย์จะผิดและคำตอบของ AI จะถูกต้องก็ตาม

ผู้เขียนระบุว่า:

‘ในการทดสอบแบบจำลองเหล่านี้ มีการยอมรับคำตอบที่มาจากผู้เชี่ยวชาญมากกว่าจาก AI อื่นๆ รวมถึงเมื่อคำตอบนั้นไม่ถูกต้อง และแบบจำลองเหล่านี้มีการปรับเปลี่ยนคำตอบของตนเองเพื่อเข้าใกล้คำตอบของผู้เชี่ยวชาญมากกว่า AI อื่นๆ ‘

แบบจำลองที่ทดสอบ ได้แก่ LLM จาก Grok 3 และ Gemini Flash

ในการทดสอบ แบบจำลองภาษาจะต้องตอบคำถามแบบไบนารี (ใช่หรือไม่) และแสดงคำตอบก่อนหน้าที่อธิบายว่ามาจาก “ผู้เชี่ยวชาญ” “เพื่อน” หรือ “AI อื่นๆ” โดยไม่มีการเปลี่ยนแปลงเนื้อหาของคำตอบ แต่เปลี่ยนเฉพาะแหล่งที่มาของคำตอบ

ในการทดสอบครั้งแรก แบบจำลองได้รับอนุญาตให้พึ่งพาเมทริกซ์ที่ได้รับการฝึกฝนของตนเอง แหล่งที่มา

ในการทดสอบ แบบจำลองมีแนวโน้มที่จะยอมรับคำตอบที่มาจากผู้เชี่ยวชาญมากกว่าจาก AI อื่นๆ แม้ว่าคำตอบของผู้เชี่ยวชาญจะผิดและคำตอบของ AI จะถูกต้องก็ตาม

เมื่อผู้เชี่ยวชาญ 9 คนตอบว่า ‘ไม่’ แบบจำลองจะเห็นด้วยและเปลี่ยนคำตอบของตนเอง

เมื่อคำตอบเดียวกันถูกอธิบายว่ามาจาก AI อื่นๆ ผลกระทบนั้นน้อยกว่า เมื่อผู้เชี่ยวชาญและ AI อื่นๆ มีความเห็นที่ขัดแย้งกัน แบบจำลองมีแนวโน้มที่จะยอมรับคำตอบของผู้เชี่ยวชาญมากกว่า AI อื่นๆ ไม่ว่าคำตอบนั้นจะถูกต้องหรือไม่ก็ตาม

เมื่อผู้เชี่ยวชาญและ AI อื่นๆ มีความเห็นที่ขัดแย้งกัน แบบจำลองจะยอมรับคำตอบของผู้เชี่ยวชาญมากกว่า AI อื่นๆ

คำว่า “ผู้เชี่ยวชาญ” ทำหน้าที่เป็นสัญญาณความน่าเชื่อถือที่เปลี่ยนแปลงพฤติกรรมของแบบจำลอง โดยไม่ขึ้นอยู่กับความถูกต้องของข้อมูล และผู้เขียนระบุว่าความน่าเชื่อถือของแหล่งที่มาเป็นปัจจัยสำคัญที่ทำให้คนยอมรับคำแนะนำ…

วิธีการและข้อมูล

ในการทดสอบนี้ มีการประเมินแบบจำลองภาษาขนาดใหญ่ 4 รุ่น: Grok-3 Mini, Llama 3.3 70B Instruct, Gemini 2.5 Flash-Lite และ DeepSeek V3.1…

เมตริก

เมตริกที่ใช้ในการทดสอบ ได้แก่ ความถูกต้อง, การยอมรับ, การยอมรับที่เป็นอันตราย, อัตราการเปลี่ยนแปลง และทิศทางของการเปลี่ยนแปลง…

การทดสอบ

การทดสอบ 1

ในการทดสอบแรก แบบจำลองจะถูกทดสอบว่าเข้าข้างผู้เชี่ยวชาญหรือ AI อื่นๆ มากกว่า…

การทดสอบ 2

ในการทดสอบที่สอง แบบจำลองจะถูกทดสอบว่าเข้าข้างผู้เชี่ยวชาญหรือ AI อื่นๆ เมื่อมีความเห็นที่ขัดแย้งกัน…

ความคิดเห็น: อันตรายที่อาจเกิดขึ้นจากความเชื่อมั่นของ AI ต่อแหล่งที่มาของมนุษย์

เมื่อเนื้อหาที่สะท้อนถึงความกังวลของมนุษย์เกี่ยวกับความบกพร่องของ AI (โดยเฉพาะการ “หลอกลวง”) ถูกสแกนเข้าไปในเซตข้อมูลการฝึกอบรมสำหรับแบบจำลองใหม่ๆ ความเชื่อมั่นของ AI ต่อแหล่งที่มาของมนุษย์อาจเพิ่มขึ้น…

เราสามารถคาดหวังได้ว่าแบบจำลองภาษาที่ได้รับความนิยมจะพึ่งพาแหล่งที่มาของมนุษย์ที่ได้รับการคัดเลือก เช่น พอร์ทัลสื่อเชิงวิชาการที่มีชื่อเสียง…

เนื่องจากแหล่งที่มาของมนุษย์ที่มีชื่อเสียง เช่น Ars Technica ก็สามารถมีข้อผิดพลาดที่เกิดจาก AI ได้…

ความพยายามที่จะอธิบายความโน้มเอียงโดยรวมที่พบในการทดสอบนี้ ผู้เขียนระบุว่า…

‘กลไกที่เป็นไปได้คือการฝึกอบรมและการปรับให้เหมาะสมของแบบจำลองที่ให้รางวัลพฤติกรรมที่ร่วมมือ รวมถึงการยอมรับข้อมูลบริบท ซึ่งอาจขยายไปสู่การยอมรับข้อมูลที่มีแหล่งที่มาจากมนุษย์…

เมื่อเนื้อหาที่สะท้อนถึงความกังวลของมนุษย์เกี่ยวกับความบกพร่องของ AI ถูกสแกนเข้าไปในเซตข้อมูลการฝึกอบรมสำหรับแบบจำลองใหม่ๆ ความเชื่อมั่นของ AI ต่อแหล่งที่มาของมนุษย์อาจเพิ่มขึ้น…

ปัญหาหลักคือการกำหนดและตรวจสอบแหล่งที่มาของข้อมูล…

ดังนั้น AI ที่ “เชื่อมั่นในแหล่งที่มาของมนุษย์” จึงมีแนวโน้มที่จะให้ความสำคัญกับผลลัพธ์ของ AI มากกว่า…

* การแปลงอ้างอิงภายในของผู้เขียนให้เป็นลิงก์

เผยแพร่ครั้งแรกวันศุกร์ที่ 20 กุมภาพันธ์ 2026