Датские исследователи из Копенгагенского и Ольборгского университетов опубликовали на сервере препринтов arXiv резонансное исследование, принятое к публикации на международной конференции EMNLP 2026 в октябре.
Ученые доказали, что современные диалоговые системы на базе крупных языковых моделей критически сужают спектр доступных человеку знаний.
Смена привычного поиска в Google на общение с ИИ-ботами незаметно загоняет пользователей в рамки однообразных формулировок и стандартизированных фактов…
! Когнитивная гомогенизация: боты заставляют людей мыслить одинаково
Масштаб эксперимента впечатляет: коллектив под руководством Дастина Райта и Изабель Аугенштейн протестировала 27 языковых моделей из числа самых доступных и популярных сегодня.
Исследователи сформировали массив из 70 миллионов высказываний, прогнав 155 тем через 200 вариантов вопросов для 12 стран.
Проверкой охвачены были как глобальные концепты (ядерное оружие, институт брака, расизм, геноцид, порнография и пр.), так и локальные темы вроде личности Марин Ле Пен, Фолклендской войны и музыки K-pop.
Результаты оказались тревожными для тех, кто уже привык полагаться на ответы нейросетей. Все протестированные модели генерируют куда более единообразный контент, чем даже выдача обычных поисковиков.
Даже наиболее продвинутая система GPT-5 от OpenAI, показавшая лучший результат по вариативности, уступает обычному поиску Google по разнообразию информации минимум на 18.7%.
Иными словами, человек, задающий вопрос боту, в ответ стабильно получает отфильтрованный срез данных, лишенный альтернативных мнений и тонких нюансов.
«Каждая протестированная нами языковая модель предоставляет пользователям более единообразную информацию, чем простой поиск в Google по всем проанализированным нами темам. Другими словами, люди в основном сталкиваются с одной и той же информацией неоднократно», — объясняет доцент Дастин Райт.
Механика сжатия и угроза «коллапса знаний»
Как подчеркивают исследователи, технический фактор подобного упрощения заключается в самой архитектуре нейросетей. На этапе обучения алгоритмы сжимают огромные массивы текста, выделяя наиболее частые закономерности и преобладающие паттерны.
В процессе такой «математической упаковки» любые редкие точки зрения, специфические факты и отклонения от нормы просто отбрасываются как технические шумы.
Главный технологический же риск лежит на горизонте следующих поколений ИИ. По мере того как интернет заполняется нейросетевым контентом, новые модели все чаще обучаются на текстах, сгенерированных их предшественниками.
Повторение этого процесса способно спровоцировать опасное явление — так называемый «коллапс знаний«. Модель начинает учиться на собственном, изначально урезанном опыте, что со временем ведет к деградации и сужению информационной картины мира.
! В ЕС подписка на ИИ — уже в списке семейных расходов на подготовку к школе
Защита и гигиена
На данный момент окончательного провала в знаниях еще не произошло — новые архитектуры умеют генерировать чуть более разнообразные ответы, чем старые версии.
Тем не менее сам деструктивный механизм существует и работает постоянно.
В качестве одной из мер по устранению этой проблемой, датские ученые предлагают специальный метод оценки разнообразия ответов, который позволит разработчикам ИИ измерять и сохранять широту доступных знаний при обучении будущих моделей.
Параллельно авторы исследования призывают пользователей, особенно молодое поколение, сохранять критическое мышление и не превращать диалоговые боты в единственный источник информации.
«Мы рискуем предоставить людям меньше точек зрения и уменьшаем объем знаний. Это может создать порочный круг, в котором самый популярный контент становится еще более доминирующим, в то время как другие все чаще игнорируются», — предупреждает профессор Изабель Аугенштейн.
Нейросети отлично экономят время при базовой обработке данных, но без обращения к разным первоисточникам общество рискует разучиться мыслить самостоятельно.