في عصر تتزايد فيه استخدامات نماذج اللغات الضخمة (Large Language Models) في مجالات متعددة مثل اكتساب المعرفة، توليد الأكواد، والكتابة الأكاديمية، يصبح من الضروري حماية المستخدمين من المخاطر المعرفية الناتجة عن الاعتماد على هذه التقنيات الحديثة. قدمت دراسة جديدة إطارًا لتدقيق استخدام هذه النماذج، يركز على حوكمة المحتوى المدعوم بالذكاء الاصطناعي.

يعرف الإطار المفهوم الجديد "الاعتماد الجماعي" (Collective Empiricism) كمصطلح يصف كيفية ضغط نماذج اللغات الضخمة وتنظيم التجارب البشرية الكبيرة لتظهر النتائج وكأنها مبنية على التجارب الواقعية. لكن، تحت هذا السطح، يمكن أن تنشأ مفاهيم "التفكير شبه العقلاني" (Pseudo-Rational Cognition) حيث قد يخطئ المستخدمون في الاعتقاد بأن التعبيرات المنسقة الناتجة عن الذكاء الاصطناعي تعكس فهمهم الخاص.

تتناول الورقة عدة نقاط هامة مثل التوهم بالموضوعية في الذكاء الاصطناعي، هياكل الموضوعية في المواد المدخلة، والفخاخ المتكررة في المحادثات بين النماذج. كما تقدم تحليلاً للأخطاء الإحصائية المحتملة في كشف المحتوى المدعوم بالذكاء الاصطناعي، والملوثات الذاكرية عندما يتداخل المحتوى الناتج مع السياقات المستقبلية.

لتقليل هذه المخاطر، يقترح الإطار عملية تدقيق تبدأ بتعريف المتطلبات، تحديد حدود المشكلة، تدقيق مصادر الأدلة، والتحقق العملي. كما يشمل مفاهيم متقدمة مثل الاستجواب العكسي وإدارة الإصدار، مما يساعد على جعل نتائج نماذج اللغات الضخمة قابلة للتحقق وإعادة الإنتاج والتدخل.

يعكس هذا الإطار رؤية جديدة لنتائج نماذج اللغات الضخمة، التي ينبغي أن تعود إلى عمليات يمكن التحقق منها وتجديد معرفتنا حول كيفية التفاعل بين الإنسان والذكاء الاصطناعي.