في عصر المعلومات الرقمية، أضحت نماذج اللغة الضخمة (LLMs) جزءًا أساسيًا من بيئة المعلومات على الإنترنت، إذ تُنتج مقالات تستند إلى معلومات قد تكون دقيقة أو غير دقيقة. كشفت دراسة جديدة عن ظاهرة مثيرة للقلق تتعلق باستمرارية الأخطاء في المعلومات الناتجة عن هذه النماذج.

تتعلق الدراسة بتفريق أساسي بين المقالات التي تتجنب تأييد الادعاءات الخاطئة بينما تحتفظ بالتفاصيل الدقيقة التي تمكن من إعادة إنتاجها. بالنسبة لأي استجابة، يمكن أن تؤدي الآلية الحالية إلى نقل المعلومات التي كانت في الأصل دقيقة، ولكن بإعادة إنتاج أخطاء سابقة.

قمنا بتنفيذ عملية كتابة مجتمعية منضبطة لمراقبة تأثير عودة المقالات المنشورة كمدخلات للنماذج، مما يتوافق مع العرض الخارجي وقدرة الإدخال وحجم الإنتاج. ولقد توصلنا إلى نتائج مثيرة، حيث زادت نسبة الأخطاء الكاملة بنسبة 7.29% في الجولة النهائية، بينما انخفضت نسبة التأييد الصريح للأخطاء بنحو 8.33%.

تختلف التأثيرات بحسب الحقائق والنماذج المستخدمة. ولكن، بزغت أيضاً ملامح جديدة، حيث تبين أن الأخطاء تتكرر بشكل كبير ضمن الأهداف المقيمة، مما يسلط الضوء على العلاقة بين المعلومات المتاحة خلال عملية الكتابة.

تدعو هذه النتائج إلى تقييم شامل لما تؤكده النماذج وما تقدمه منشوراتها للكتّاب في المستقبل. هل ستكون هذه النتائج دافعًا لتحديث الآليات المستخدمة في إنشاء المحتوى؟ نشجعكم لمشاركة آرائكم وتجاربكم حول هذا الموضوع في التعليقات أدناه.