Cognitive Processing of Ai-Generated Advice: The Role of Belief Congruence
بالاستناد إلى نموذج الاستدلال المنهجي، تكشف هذه الدراسة أن توافق المعتقدات بين المستخدمين والمستشارين القائمين على الذكاء الاصطناعي يعمل كإشارة استدلالية تقلل من التدقيق النقدي للنصائح المتعلقة بالتحقق من الحقائق والمولدة بواسطة النماذج اللغوية الكبيرة، مما يخلق توتراً قد يؤدي فيه الذكاء الاصطناعي المخصص، عن غير قصد، إلى تقليص المعالجة المنهجية للمعلومات لدى المستخدمين.
المؤلفون الأصليون:Dorit Nevo, Benjamin D Horne, Jiangen He
في المشهد المعلوماتي المعاصر، نواجه باستمرار خياراً: هل نتوقف لفحص قطعة جديدة من المعلومات بعناية، أم نقبلها بسرعة بناءً على شعور داخلي؟ لقد درس علماء النفس منذ زمن طويل هذا التوازن، واصفين طريقتين يعمل بهما عقلنا. إحدى الطريقتين بطيئة ومتأنية، حيث نزن الأدلة ونتحقق من الحقائق، تماماً مثل قاضٍ يراجع ملف قضية. والطريقة الأخرى سريعة وحدسية، حيث نعتمد على الاختصارات، مثل الثقة في مصدر لمجرد أنه يبدو مألوفاً أو يأتي من مجموعة نحبها. نحن نستخدم كلتا الطريقتين، وننتقل بينهما اعتماداً على مقدار الطاقة التي نملكها ومدى اهتمامنا بالوصول إلى الإجابة الصحيحة. والآن، أضيفت طبقة جديدة إلى هذا المزيج: الذكاء الاصطناعي. ومع تحول روبوتات الدردشة إلى شركاء لنا في فرز الحقيقة من الزيف، يبرز سؤال جوهري: هل حقيقة أن الذكاء الاصطناعي يبدو وكأنه يشاركنا آراءنا السياسية تغير طريقة استماعنا إليه؟ إذا أخبرنا آلة بشيء يتوافق مع معتقداتنا، فهل نتوقف عن التفكير النقدي ونكتفي بالإيماء برؤوسنا موافقةً، أم أننا سنواصل القيام بالعمل الشاق المتمثل في التحقق من منطقه؟
وضع باحثون من معهد رينسيلر للتقنية وجامعة تينيسي خطة للإجابة على ذلك من خلال مراقبة كيفية تفاعل أشخاص حقيقيين مع أدوات التحقق من الحقائق القائمة على الذكاء الاصطناعي. لقد صمموا دراسة قرأ فيها بالغون في الولايات المتحدة عناوين أخبار سياسية، ثم طلبوا من روبوت دردشة التحقق منها. كانت المفاجأة أن الباحثين أنشأوا نسختين مختلفتين من روبوت الدردشة؛ أحدهما تمت برمجته ليبدو ليبرالياً، حيث يستشهد بمصادر يسارية ويستخدم لغة نموذجية لهذا المنظور. والآخر بدا محافظاً، حيث يستمد معلوماته من منافذ تميل إلى اليمين ويتخذ نبرة مختلفة. لم يكن المشاركون يعرفون أن الروبوتات اصطناعية؛ بل رأوها ببساطة كمستشارين ذوي هويات سياسية متميزة. كان الهدف هو معرفة ما إذا كان الناس سيعاملون النصيحة بشكل مختلف اعتماداً على ما إذا كان الروبوت يبدو "في صفهم".
كشفت الدراسة عن نمط واضح في كيفية معالجة الناس للمعلومات. فعندما تفاعل المشاركون مع روبوت دردشة يشاركهم آراءهم السياسية، انخرطوا في تفكير أقل دقة. فقد استغرقوا وقتاً أقل في قراءة شرح الروبوت وطرحوا أسئلة متابعة أقل. بدلاً من ذلك، مالوا إلى قبول الحكم النهائي للروبوت — سواء قال إن العنوان حقيقي أم زائف — دون التعمق أكثر. حدث هذا على الرغم من أن الروبوت قدم شرحاً مفصلاً جنباً إلى جنب مع إجابته. ووجد الباحثون أنه عندما شعر الناس بنوع من التوافق مع الذكاء الاصطناعي، استخدموا اختصاراً ذهنياً، مفترضين أن النصيحة جديرة بالثقة لمجرد أنها جاءت من مصدر يشعرون أنه بمثابة صديق. وعلى العكس من ذلك، عندما تعارضت آراء الروبوت مع آرائهم، كان الناس أكثر عرضة لتمحيص المنطق، وقرأوا الشرح بدقة أكبر وشككوا في الاستنتاج.
كان هذا الميل أقوى عندما سُمح للناس باختيار مستشارهم الخاص. في جزء من التجربة، تم تعيين روبوت للمشاركين بشكل عشوائي، وفي جزء آخر، أتيحت لهم الفرصة لاختيار الروبوت الذي يريدون استخدامه. أولئك الذين اختاروا الروبوت الخاص بهم انخرطوا في أقل قدر من التفكير النقدي. بدا أن فعل الاختيار نفسه أعطى إشارة لهم بأن هذه هي الأداة المناسبة للمهمة، مما قلل من حاجتهم للتحقق من العمل. وأشار الباحثون إلى أن هذا يخلق توتراً خفياً لمستقبل الذكاء الاصطناعي؛ فالميزات التي تجعل الذكاء الاصطناعي يبدو شخصياً ومريحاً قد تجعلنا في الواقع أقل يقظة. قد نشعر برضا أكبر عن التفاعل، لكننا قد نكون أيضاً أقل قدرة على كشف الأخطاء أو تحدي الافتراضات لأننا قررنا بالفعل الوثوق بالمصدر.
على الرغم من هذا الانخفاض في التفكير النقدي، إلا أن نصيحة الذكاء الاصطناعي لا تزال تغير ما يعتقده الناس. فعندما وصف روبوت الدردشة عنواناً بأنه زائف، انخفضت ثقة الناس في ذلك العنوان. وعندما وصفه بأنه حقيقي، ارتفعت ثقتهم. حدث هذا التحول بغض النظر عما إذا كان الشخص يفكر بعمق في الشرح أو يكتفي بقبول الحكم فقط. لقد كان صوت الذكاء الاصطناعي قوياً بما يكفي لتحريك الآراء في كلا الاتجاهين. ومع ذلك، أظهرت الدراسة أيضاً أن التطابق السياسي بين المستخدم والروبوت كان له تأثير؛ فعندما توافق الروبوت مع سياسات المستخدم، كان المستخدم أكثر عرضة لقبول الحكم دون اعتراض. وعندما اختلف معه، كان المستخدم أكثر مقاومة، وإن كان تأثير الذكاء الاصطناعي لا يزال حاضراً.
لقد حرص الباحثون على ملاحظة أن هذا لا يعني أن الناس غير قادرين على التفكير النقدي. فعندما شعر المشاركون بأن لديهم المعرفة لفهم الموضوع أو عندما كانوا مدفوعين بشدة للبحث عن الحقيقة، انخرطوا بالفعل في تفكير أعمق؛ حيث قرأوا المصادر، وتحققوا من المنطق، وشكلوا استنتاجاتهم الخاصة. لكن وجود ذكاء اصطناعي متوافق سياسياً عمل كإشارة قوية تقول: "يمكنك التوقف هنا؛ لقد حصلت على إجابتك". تشير الدراسة إلى أنه بينما نصمم أنظمة ذكاء اصطناعي أكثر تخصيصاً، يجب أن ندرك أن جعلها تبدو كملائمة مثالية لعالمنا قد يأتي بتكلفة خفية: قد يغمرنا في حالة من القبول غير الناقد، حيث نتوقف عن طرح الأسئلة الصعبة التي تحافظ على حدة فهمنا للعالم.
ملخص تقني: المعالجة الإدراكية للنصائح المولدة بواسطة الذكاء الاصطناعي: دور التوافق في المعتقدات
بيان المشكلة مع تزايد عمل النماذج اللغوية الكبيرة (LLMs) كشركاء تفاعليين في بناء المعنى واتخاذ القرار، توجد فجوة حرجة في فهم كيفية معالجة المستخدمين للنصائح المولدة بواسطة الذكاء الاصطناعي والاعتماد عليها إدراكيًا. وبينما يحدد البحث الحالي حول تلقي النصيحة عوامل مثل خبرة الناصح، والثقة، والمسافة بين النصيحة والحكم الأولي، إلا أنه يقدم رؤى محدودة حول كيفية تشكيل التوافق المتصور في المعتقدات بين المستخدم والذكاء الاصطناعي لعملية المعالجة الإدراكية. وتحديداً، ليس من الواضح ما إذا كان الذكاء الاصطناعي الذي يبدو مشاركاً للمستخدم في معتقداته السياسية يعمل كإشارة استدلالية (Heuristic cue) تقلل من الفحص النقدي (المعالجة المنهجية)، أم أنه يؤثر فقط على القبول النهائي للنصيحة. وهذا السؤال يكتسي أهمية خاصة بالنسبة للنماذج اللغوية الكبيرة، التي يمكن تهيئتها لتبدو متوافقة أيديولوجياً مع المستخدمين من خلال شخصياتها المعلنة والمصادر التي تستشهد بها، مما قد يغير بيئة معالجة المعلومات مقارنة بعمليات التحقق من الحقائق التقليدية.
المنهجية استخدمت الدراسة تصميماً تجريبياً عبر الإنترنت مع بالغين من الولايات المتحدة لفحص كيفية تأثير التوافق في المعتقدات على معالجة نصائح التحقق من الحقائق بواسطة الذكاء الاصطناعي. واستخدم البحث نظام ذكاء اصطناعي حواري (LLM) تم بناؤه خصيصاً وتمت تهيئته لإظهار وجهات نظر سياسية تميل إلى اليسار أو اليمين.
التصميم التجريبي: تألف البحث من جزأين:
الجزء الأول (داخل المجموعات - Within-Subjects): قام المشاركون (العدد الأولي = 412، العينة النهائية = 395 بعد الاستبعاد) بتقييم صحة ثمانية عناوين إخبارية سياسية قبل وبعد التفاعل مع كل من مدقق حقائق (LLM) مائل لليسار وآخر مائل لليمين بترتيب متوازن.
الجزء الثاني (شرط الاختيار - Choice Condition): قامت مجموعة منفصلة من المشاركين (تم استقطابهم N=293) باختيار الشات بوت (يساري أو يميني) الذي يرغبون في استخدامه للتحقق من الحقائق لجميع العناوين الثمانية، بدلاً من التوزيع العشوائي.
المثيرات: تم اختيار العناوين لتكون متوازنة عبر الحقيقة الموضوعية (صحيحة/خاطئة) والتوجه السياسي (يسار/يمين). كما تم تقييد النماذج اللغوية الكبيرة باستخدام مجالات إعلامية ومصادر تحقق من الحقائق محددة (مثل Snopes) تتوافق مع توجهها السياسي المحدد.
المقاييس:
نمط المعالجة (متغير تابع لـ H1–H4): مؤشر مركب مشتق من أسلوب المعالجة المبلغ عنه ذاتياً (مقياس منهجي-استدلالي)، وطول المطالبة (عدد الحروف)، والوقت المستغرق في كل عنوان. تشير القيم الأعلى إلى مزيد من المعالجة المنهجية.
تحديث المعتقد (متغير تابع لـ H5): الثقة في صحة العنوان بعد التفاعل، مع ضبط الثقة الأولية.
المتغيرات المستقلة: القدرة (تم تشغيلها إجرائياً من خلال الثقة الأولية في العنوان)، الدافع للدقة (مقياس الاهتمام بالدقة)، التوافق السياسي بين الشخص والذكاء الاصطناعي، واختيار الناصح.
التحليل: استُخدمت نماذج الانحدار الخطي ذات التأثيرات المختلطة لمراعاة التقاطعات العشوائية عند مستوى المشارك والعنوان.
النتائج الرئيسية اختبرت الدراسة خمس فرضيات مستمدة من النموذج المنهجي-الاستدلالي (HSM):
القدرة والدافع (H1 وH2): تماشياً مع نموذج HSM، ارتبطت القدرة الأكبر على معالجة الاستجابة والدافع الأعلى للدقة بشكل إيجابي مع المعالجة المنهجية. فقد بذل المستخدمون جهداً إدراكياً أكبر عندما شعروا بالقدرة والدافع ليكونوا دقيقين.
التوافق السياسي (H3): ارتبط التوافق السياسي بين الشخص والذكاء الاصطناعي ارتباطاً سلبياً بالمعالجة المنهجية. فعندما تفاعل المستخدمون مع بوت يتوافق مع معتقداتهم السياسية، انخرطوا في تقييم أقل منهجية لتفسير البوت، معتمدين بشكل أكبر على الإشارات الاستدلالية.
اختيار الناصح (H4): أدى القدرة على الاختيار المسبق لناصح الذكاء الاصطناعي إلى تقليل المعالجة المنهجية مقارنة بكون المستخدم قد تم تعيينه عشوائياً. ويبدو أن فعل الاختيار نفسه عمل كإشارة استدلالية، مما قلل من الحاجة المتصورة للفحص.
تأثير النصيحة (H5): أدت نتيجة النموذج اللغوي الكبير بشكل كبير إلى تغيير أحكام الثقة اللاحقة للمستخدمين في اتجاه التوصية (زيادة الثقة في الأحكام "الصحيحة"، ونقصانها في الأحكام "الخاطئة"). وقد استمر هذا التأثير حتى بعد ضبط الثقة الأولية والتوافق السياسي. ومع ذلك، أشار تأثير التفاعل إلى أن حجم تحديث الثقة كان معدلاً بواسطة التوافق؛ حيث كانت العلاقة بين التوافق والثقة أضعف عندما حكم البوت بأن العنوان "خاطئ" مقارنة بحال كونه "صحيحاً".
المساهمات الرئيسية يقدم البحث ثلاث مساهمات رئيسية في أدبيات اتخاذ القرار بمساعدة الذكاء الاصطناعي:
التمييز بين الاعتماد والمعالجة: تنقل الدراسة التركيز من ما إذا كان الأفراد يعتمدون على نصيحة الذكاء الاصطناعي إلى كيفية معالجتهم لها. فهي تميز بين التسليم لنتيجة الذكاء الاصطناعي (الاعتماد الاستدلالي) وبين التقييم النقدي لتفسيره (المعالجة المنهجية)، موضحة أن هذين المسارين الإدراكيين مختلفان.
التوافق بين الشخص والذكاء الاصطناعي كإشارة استدلالية: يحدد البحث التوافق السياسي كإشارة استدلالية هامة في سياق الذكاء الاصطناعي التوليدي. وهو يوسع العمل السابق حول انحياز التأكيد واختيار المصدر من خلال إظهار أن توافق المعتقدات لا يؤثر فقط على اختيار المصدر، بل يؤثر أيضاً على عمليات المعالجة الإدراكية اللاحقة، مما يقلل من الجهد الذي يبذله المستخدمون لفحص منطق الذكاء الاصطناعي.
تأثير اختيار الناصح: تساهم النتائج في أدبيات التحكم في الخوارزميات من خلال إثبات أن الحد الأدنى من الوكالة (اختيار الناصح الخاص) يمكن أن يحول أنماط المعالجة نحو الاعتماد الاستدلالي، مما قد يقلل من اليقظة الإبستمولوجية (المعرفية).
الأهمية والادعاءات يزعم المؤلفون أن هذه النتائج تسلط الضوء على توتر تصميمي مركزي للأنظمة الذكية القابلة للتخصيص والتهيئة. فالميزات التي تزيد من الشعور بالملاءمة والراحة لدى المستخدم - مثل التوافق الأيديولوجي أو القدرة على اختيار الناصح - قد تقلل في الوقت نفسه من الفحص النقدي للنصيحة المولدة بواسطة الذكاء الاصطناعي. وبينما تؤكد الدراسة أن مدققي الحقائق بالنماذج اللغوية الكبيرة يمكنهم تغيير أحكام الثقة بفعالية (مما يدعم فائدتهم)، إلا أنها تحذر من أن الآليات التي تقود هذا القبول (الاعتماد الاستدلالي على المصادر المتوافقة) قد تضعف عمق التفاعل لدى المستخدم.
تخلص الورقة بتواضع إلى أنه بينما تدعم النتائج تطبيق النموذج المنهجي-الاستدلالي في بيئة الذكاء الاصطناعي التوليدي، إلا أنها لا تشكل تحليلاً وسيطاً يثبت أن نمط المعالجة هو ما يسبب تحديث المعتقد. بدلاً من ذلك، تشير النتائج إلى أن فهم مسار المعالجة أمر بالغ الأهمية لتحقيق فوائد دعم القرار بالنماذج اللغوية الكبيرة دون إضعاف اليقظة الإبستمولوجية عن غير قصد. ويشير المؤلفون إلى القيود، بما في ذلك تشغيل "القدرة" عبر الثقة المعلنة والتركيز على "دافع الدقة" بدلاً من "الدفاع" أو "دافع الانطباع"، مقترحين هذه المجالات كآفاق للبحث المستقبلي.