Kenneth Glad
Att sträcka sig efter telefonen för att ställa en snabb fråga till en AI-chatbot har blivit en självklarhet för miljontals människor. Det känns som att ha all världens kunskap direkt till hands, förpackad i en prydlig sammanfattning. Men under de bekväma svaren döljer sig en tyst begränsning av vad vi faktiskt lär oss.
Att vända sig till AI för vardagliga svar ersätter snabbt den gamla vanan att skrolla igenom sökresultat. Oavsett om det handlar om att planera middag, skriva ett svårt e-postmeddelande eller försöka förstå räntor, förlitar sig människor alltmer på chatbotar för att få tankearbetet gjort.
Ny forskning visar att denna förändring kommer med en dold baksida. Stora språkmodeller ger ett betydligt snävare informationsutbud än en vanlig webbsökning.
Enligt en studie ledd av forskare vid Köpenhamns universitet visade sig varje testad språkmodell ge mer enhetlig information än en grundläggande Google-sökning inom alla ämnen.
”Med andra ord exponeras människor i stor utsträckning för samma information om och om igen”, förklarade Dustin Wright, biträdande professor vid Aalborgs universitet och huvudförfattare till studien. Han noterade att AI inte bara förändrar hur vi hittar fakta, utan också vilka fakta vi får se.
Webben blir snävare
Teamet testade 27 olika språkmodeller inom 155 ämnen och körde 200 olika frågor per ämne för att bygga upp en datamängd på cirka 70 miljoner påståenden. Ämnena varierade från kärnvapen och rasism till regional historia och popkultur.
Även den mest varierade AI-modellen som testades, OpenAI:s GPT-5, visade sig vara minst 18,7 procent mindre mångsidig i sina svar än Google-sökning.
Forskare varnar för att ett ensidigt beroende av AI kan låsa samhället i en ekokammare. De mest populära perspektiven dominerar, medan mindre kända åsikter försvinner.
Huvudförfattaren Isabelle Augenstein jämförde trenden med moderna globala butikskedjor, där exakt samma alternativ finns överallt. ”Det har många fördelar, men det har också minskat mångfalden”, noterade hon.
AI-modeller skapar denna enhetlighet eftersom de komprimerar stora textdatamängder, lär sig att upprepa de mest frekventa mönstren samtidigt som de filtrerar bort sällsynta detaljer. När framtida modeller tränas på text skriven av tidigare AI, kan poolen av unik information krympa ytterligare, vilket skapar vad forskare kallar en kunskapskollaps.
Även om nyare modeller visar små förbättringar, betonar experter att användare måste fortsätta att korskontrollera flera källor för att behålla ett brett perspektiv.
Källa: Köpenhamns universitet
