آنتالیا، ترکیه، ۱۷ نوامبر ۲۰۲۶ (وام) -- بر اساس گزارش تازه یونسکو و دانشگاه کالج لندن (UCL) که در COP31 در آنتالیای ترکیه ارائه شد، مدل‌های هوش مصنوعی به ۹۰ درصد پرسش‌های مربوط به اقلیم پاسخ درست می‌دهند، اما هنگامی که کاربران آن‌ها را به چالش می‌کشند، به‌سرعت از حقایق علمی تثبیت‌شده دست برمی‌دارند. عملکرد این مدل‌ها در زبان‌های مختلف نیز بسیار ناهمگون است، زیرا به داده‌های آموزشی موجود در هر زبان متکی هستند.

این گزارش با عنوان «آیا می‌توان در موضوع اقلیم به هوش مصنوعی اعتماد کرد؟ چرا در پی خشنود کردن کاربر است و در استدلال پیچیده و چندزبانگی ناکام می‌ماند» به سیاست‌گذاران و پژوهشگرانی که ممکن است وسوسه شوند از مدل‌های هوش مصنوعی برای تدوین سیاست‌های اقلیمی استفاده کنند، هشدار می‌دهد. گزارش نشان می‌دهد که همیشه نمی‌توان به پایبندی مدل‌های هوش مصنوعی به حقایق علمی درباره تغییرات اقلیمی اطمینان کرد، زیرا در صورت مواجهه با اعتراض به‌سرعت از این حقایق فاصله می‌گیرند. این مدل‌ها همچنین در تحلیل اطلاعات جدید ضعیف هستند و هنگام پاسخ‌گویی به زبان‌های کم‌گویشورتر خطاهای بیشتری دارند.

پژوهشگران دانشگاه کالج لندن ۱۵ مدل زبانی بزرگ (LLM) مختلف را آزمایش کردند. در پاسخ به پرسش‌های بی‌طرفانه درباره علم اقلیم، مدل‌ها پاسخ‌های دقیقی ارائه دادند، اما زمانی که پژوهشگران این پاسخ‌ها را زیر سؤال بردند یا ادعاهای ساختگیِ به‌ظاهر موجهی درباره علم اقلیم مطرح کردند، مدل‌ها به‌سرعت با آن‌ها موافقت کردند. در هشت مورد از ۱۰ مورد، مدل‌ها با نخستین نشانه مخالفت خفیف کاربر تغییر موضع دادند و خطاهای نگران‌کننده‌ای مانند «دی‌اکسید کربن عامل اصلی تغییرات اقلیمی نیست» را تأیید کردند.

لئونا وردادرو، نویسنده اصلی گزارش از سوی یونسکو، گفت: «هوش مصنوعی ظرفیتی فوق‌العاده برای دسترس‌پذیر کردن علم پیچیده اقلیم برای همگان دارد. این فناوری به معلمان، روزنامه‌نگاران و سیاست‌گذاران امکان می‌دهد درباره این موضوع حیاتی به‌روشنی اطلاع‌رسانی کنند. ما باید بتوانیم به هوش مصنوعی به‌عنوان نگهبان حقایق تثبیت‌شده تکیه کنیم. نگران‌کننده است که مدل‌ها یک نقص طراحی دارند؛ آن‌ها به موافقت با کاربر تشویق می‌شوند و این حقایق را به این آسانی انکار می‌کنند.»

دکتر ماریا پرز-اورتیز از دانشکده علوم رایانه دانشگاه کالج لندن و نویسنده ارشد گزارش نیز گفت: «سامانه‌های هوش مصنوعی در توضیح دانش علمی به‌طرز چشمگیری خوب عمل می‌کنند، اما این امر می‌تواند تصور نادرستی از توانایی‌هایشان به ما بدهد. یافته‌های ما نشان می‌دهد چرا باید هنگام گذار از پرسیدن اینکه درباره تغییرات اقلیمی چه می‌دانیم به پرسیدن اینکه چه باید بکنیم، محتاط باشیم.»

این گزارش تأکید می‌کند که با افزایش اتکای مردم به گفت‌وگو با مدل‌های هوش مصنوعی برای کسب اطلاعات و راهنمایی درباره چگونگی رفتار مسئولانه در دوران اختلالات اقلیمی، قابلیت اطمینان این مدل‌ها به‌عنوان منبع حقایق و تحلیل بیش از هر زمان دیگری اهمیت می‌یابد.

مدل‌های چندزبانه ابتدا استدلال نمی‌کنند تا سپس پاسخ‌های خود را ترجمه کنند؛ پاسخ‌های آن‌ها بسته به کیفیت و کمیت داده‌هایی که در هر زبان با آن آموزش دیده‌اند، متفاوت است. آزمون‌ها در ۱۳ زبان مختلف تفاوت‌های بزرگی را آشکار کرد: دقت مدل‌ها در زبان انگلیسی به‌طور میانگین ۸۸.۶ درصد بود و در زبان‌های اسپانیایی، فرانسوی و پرتغالی عملکردی مشابه داشتند، اما این دقت در زبان‌های هندی و بنگالی به ۸۳.۶ درصد، در اردو به ۸۱.۴ درصد و در سواحیلی به ۷۸.۳ درصد کاهش یافت.

به گفته گزارش، این موضوع از آن رو اهمیت ویژه‌ای دارد که گویشوران این زبان‌ها در مناطقی از جهان زندگی می‌کنند که به‌طور نامتناسبی از تغییرات اقلیمی آسیب می‌بینند.

(منبع: WAM.ae)