Του Πεσάχ Μπένσον • 7 Αυγούστου 2025

Ιερουσαλήμ, 7 Αυγούστου 2025 (TPS-IL) — Καθώς τα εργαλεία γενετικής τεχνητής νοημοσύνης όπως το ChatGPT ενσωματώνονται στην καθημερινή ζωή, μία Ισραηλινή νομικός εγείρει μια επείγου。νή ανησυχία: αυτά τα συστήματα ενδέχεται να περιορίζουν αθόρυβα την κοσμοθεωρία μας.

Σε ένα άρθρο που δημοσιεύθηκε πρόσφατα στο περιοδικό Indiana Law Journal, η καθηγήτρια Μιχάλ Σουρ-Οφρί του Εβραϊκού Πανεπιστημίου της Ιερουσαλήμ, η οποία είναι επίσης επισκέπτρια καθηγήτρια-ερευνητής στο Ινστιτούτο Νομικής Πληροφορικής του NYU, υποστηρίζει ότι τα μεγάλα γλωσσικά μοντέλα (LLMs) τείνουν να παράγουν τυποποιημένο, κυρίαρχο περιεχόμενο — εις βάρος της πολιτιστικής πολυμορφίας και του δημοκρατικού διαλόγου.

«Εάν όλοι λαμβάνουν το ίδιο είδος κύριων απαντήσεων από την τεχνητή νοημοσύνη, αυτό ενδέχεται να περιορίσει την ποικιλία των φωνών, των αφηγημάτων και των πολιτισμών στους οποίους εκτιθέμαστε», δήλωσε η Σουρ-Οφρί. «Με την πάροδο του χρόνου, αυτό μπορεί να στενέψει τον δικό μας κόσμο των σκεπτών-σκέψεων».

Η μελέτη της εξέτασε πώς οι απαντήσεις που παράγονται από την τεχνητή νοημοσύνη, αν και συχνά χρήσιμες και αληθοφανείς, είναι συχνά επαναλαμβανόμενες και πολιτιστικά περιορισμένες. Για παράδειγμα, όταν ρωτήθηκε για σημαντικές προσωπικότητες του 19ου αιώνα, το ChatGPT επέστρεψε ονόματα όπως ο Αβραάμ Λίνκολν, ο Κάρολος Δαρβίνος και η βασίλισσα Βικτώρια — εξέχοντα, αλλά συντριπτικά αγγλοκεντρικά. Μια παρόμοια μεροληψία προέκυψε όταν το μοντέλο κλήθηκε να απαριθμήσει τις καλύτερες τηλεοπτικές σειρές: τα αποτελέσματα έκλιναν βαριά προς τις αγγλόφωνες επιτυχίες, παραλείποντας τις μη δυτικές και μη αγγλόφωνες εναλλακτικές λύσεις.

Το πρόβλημα, εξηγεί η Σουρ-Οφρί, έχει τις ρίζες του στον τρόπο με τον οποίο κατασκευάζονται αυτά τα συστήματα τεχνητής νοημοσύνης. Τα LLMs εκπαιδεύονται σε τεράστιες ποσότητες κειμένου του διαδικτύου, οι οποίες είναι δυσανάλογα στα αγγλικά και αντικατοπτρίζουν κυρίαρχες πολιτιστικές νορμάς. Τα μοντέλα χρησιμοποιούν στατιστικά μοτίβα για να προβλέψουν πιθανές απαντήσεις, πράγμα που σημαίνει ότι αυτό που είναι πιο κοινό εμφανίζεται πιο συχνά. Ενώ αυτή η προσέγγιση αυξάνει την ακρίβεια και τη συνοχή, παραμερίζει προοπτικές από μικρότερες γλωσσικές και πολιτιστικές κοινότητες. Με την πάροδο του χρόνου, καθώς τα LLMs τρέφονται από τα δικά τους outputs και συνεχίζουν να εκπαιδεύονται σε υφιστάμενο ψηφιακό περιεχόμενο, το φαινόμενο της συρρίκνωσης πολλαπλασιάζεται.

«Αυτό δεν είναι απλώς ένα τεχνικό σφάλμα», προειδοποιεί η Σουρ-Οφρί. «Μπορεί να έχει βαθιές κοινωνικές συνέπειες. Μπορεί να μειώσει την πολιτιστική πολυμορφία, να υπονομεύσει την κοινωνική ανοχή και να αποδυναμώσει τα θεμέλια της δημοκρατικής συνομιλίας και της συλλογικής μνήμης».

Για να αντιμετωπίσει αυτή την τάση, η Σουρ-Οφρί προτείνει μια νέα νομική και ηθική αρχή για τη διακυβέρνηση της τεχνητής νοημοσύνης: την «πολλαπλότητα». Αυτή η έννοια καλεί τα εργαλεία τεχνητής νοημοσύνης να σχεδιαστούν με τρόπο που να υποστηρίζει ενεργά την έκθεση σε διαφορετικές απόψεις και αφηγήματα, αντί να επιστρέφει απλώς τις πιο στατιστικά πιθανές απαντήσεις.

«Αν θέλουμε η τεχνητή νοημοσύνη να υπηρετεί την κοινωνία, όχι μόνο την αποδοτικότητα, πρέπει να κάνουμε χώρο για την πολυπλοκότητα, τη λεπτή απόχρωση και την πολυμορφία», δήλωσε. «Αυτό αφορά η πολλαπλότητα — την προστασία του πλήρους φάσματος της ανθρώπινης εμπειρίας σε έναν κόσμο που καθοδηγείται από την τεχνητή νοημοσύνη».

Το άρθρο τονίζει επίσης δύο βασικούς τρόπους για την προώθηση της πολλαπλότητας. Πρώτον, με την ενσωμάτωση χαρακτηριστικών σε πλατφόρμες τεχνητής νοημοσύνης που επιτρέπουν στους χρήστες να αυξάνουν εύκολα την πολυμορφία στα αποτελέσματα – όπως η ρύθμιση της «θερμοκρασίας» του μοντέλου, μιας ρύθμισης που διευurύνει το φάσμα των παραγόμενων απαντήσεων. Δεύτερον, με την ανάπτυξη ενός οικοσυστήματος ανταγωνιστικών συστημάτων τεχνητής νοημοσύνης που προσφέρουν στους χρήστες τη δυνατότητα να αναζητούν «δεύτερες γνώμες» και εναλλακτικές προοπτικές.

Η Σουρ-Οφρί τονίζει επίσης τη σημασία του αλφαβητισμού στην τεχνητή νοημοσύνη. «Οι άνθρωποι χρειάζονται μια βασική κατανόηση του πώς λειτουργούν τα LLMs και γιατί τα αποτελέσματά τους ενδέχεται να αντικατοπτρίζουν δημοφιλείς, παρά ισορροπημένες ή συμπεριληπτικές, απόψεις», δήλωσε. «Αυτή η επίγνωση μπορεί να βοηθήσει τους χρήστες να κάνουν ερωτήσεις παρακολούθησης, να συγκρίνουν απαντήσεις και να σκέφτονται πιο κριτικά για τις πληροφορίες που λαμβάνουν. Τους ενθαρρύνει να βλέπουν την τεχνητή νοημοσύνη όχι ως μια μοναδική πηγή αλήθειας, αλλά ως ένα εργαλείο — ένα εργαλείο στο οποίο μπορούν να αντιτάξουν αντίσταση στην επιδίωξη πλουσιότερης, πιο πλουραλιστικής γνώσης».

Συνεργάζεται με τον δρα Γιόναταν Μπελίνκοβ και τον Αντίρ Ραχαμίμ από το Τμήμα Επιστήμης Υπολογιστών του Technion, και την Μπαρ Χόροβιτς-Αμσαλέμ από το Εβραϊκό Πανεπιστήμιο, για την υλοποίηση αυτών των ιδεών στην πράξη.