Divi jauni pētījumi atklāj pārsteidzošas līdzības starp mākslīgā intelekta sistēmām un cilvēka smadzenēm. MI čatboti kā ChatGPT un Gemini ne tikai apstrādā valodu līdzīgi mūsu smadzenēm, bet arī pārņem sociālos aizspriedumus.
Kā smadzenes saprot valodu
Pētnieki no Ebreju universitātes Jeruzalemē, Google un Prinstones universitātes ierakstīja smadzeņu aktivitāti, kamēr cilvēki klausījās 30 minūtes podkāstu. Viņi atklāja, ka smadzenes apstrādā valodu pakāpeniski – tieši tāpat kā lielo valodas modeļu (LLM) slāņi.
Pirmie MI modeļa slāņu kontekstas vārdu uz vienkāršā pazīmēm, bet dziļākie slāņi apvienojas un nozīmes. Smadzeņu aktivitāte sekoja tam pašam – agrīnie signāli atbilda MI agrīnajiem slāņiem, bet vēlākie smadzeņu signāli sakrita ar dziļākajiem MI slāņiem.
Īpaši spēcīga šī sakritība bija Broka zonā – smadzeņu daļā, kas atbild par runu un valodu. “Mūs sec pārsteidza, cik cieši smadzeņu pakāpeniskā nozīmes atbilst pārveidojumu lielajām valodas režīmā,” sacīja Dr. Ariels Goldšteins.
MI pārņem cilvēku aizspriedumus
Vermontas universitātes zinātnieki pārbaudīja, vai MI modeļus pārņem cilvēku tendences favorizēt savu grupu un negatīvi vērtēt citus. Viņi testēja GPT-4.1, DeepSeek-3.1, Gemma-2.0, Grok-3.0 un LLaMA-3.1 modeļus.
Visi modeļi parādīja gan savu grupu favorītu, gan naidīgumu pret citām grupām. Kad modeļi lūdza pieņemt politiskas identitātes, konservatīvās personas izrādīja lielāku naidīgumu pret citām grupām, bet liberālās – spēcīgāku solidaritāti ar savu grupu.
Negatīvā valoda pret citām grupām palielinājās no 1,19% līdz 21,76% atkarībā no modeļa. “Šie atklājumi liecina, ka LLM apgūst ne tikai faktiskās asociācijas par sociālajām grupām, bet arī internalizē un reproducē attieksmi, uzskatus un kognitīvo stilu,” raksta pētnieki.
Risinājums aizspriedumu mazināšanai
Pētnieki izstrādāja metodi ION (Ingroup-Outgroup Neutralization), kas izmanto papildu apmācību un optimizāciju. Šī pieeja samazināja ar aizspriedumiem saistīto sentimentu atšķirību līdz 69%.
Rezultāti sistēmas parāda, ka MI attīstīti sociālās konvencijas un aizspriedumus, pat ja to tiešā veidā neprogrammē. Tā kā MI sistēmas kļūst arvien nozīmīgākas lēmumu pieņemšanā, ir svarīgi saprast līdzības ar cilvēka domāšanu – gan valodas apstrādes spējas, gan pārņemtajos aizspriedumos.
Avotu saraksts
- Goldstein, A., et al. (2025). “Dabiskās valodas apstrādes laika struktūra cilvēka smadzenēs”. Nature Communications . Pieejams:https://www.nature.com/articles/s41467-025-65518-0
- ScienceDaily (2026, 22. janvāris). “Cilvēka smadzenes varētu darboties līdzīgāk mākslīgajam intelektam, nekā jebkad bija domāts”. Iespējams:https://www.sciencedaily.com/releases/2026/01/260120000308.htm
- TechXplore (2026, 21. janvāris). Pētījumi liecina, ka mākslīgā intelekta modeļi atspoguļo cilvēku sociālo aizspriedumu “mēs pret viņiem” Pieejams:https://techxplore.com/news/2026-01-ai-mirror-human-social-biases.html
- Prama, TT, Cimmerman, JW u.c. (2025). “Mēs-pret-viņiem neobjektivitāte lielo valodu modeļos”. arXiv . Piedāvājumi:https://arxiv.org/html/2512.13699v1
- Nature Human Behaviour (2024). “Ģeneratīvie valodas modeļi uzrāda sociālās identitātes aizspriedumus”. Piedāvājums:https://www.nature.com/articles/s43588-024-00741-1
Sagatavots, izmantojot Claude Sonnet 4.5