Chatboty AI dostarczają mniej perspektyw niż Google. Co to oznacza?

Badanie naukowców z uniwersytetów europejskich i amerykańskich wykazało, że modele językowe generują bardziej jednorodne odpowiedzi niż tradycyjne wyszukiwarki.

Chatboty oparte na modelach języka naturalnego dostarczają użytkownikom mniej różnorodnych informacji niż wyszukiwarki internetowe. Do takiego wniosku doszli naukowcy z Uniwersytetu Kopenhaskiego, Uniwersytetu w Aalborgu oraz ośrodków badawczych w Stanach Zjednoczonych, którzy przeanalizowali sposób, w jaki sztuczna inteligencja odpowiada na pytania w porównaniu z tradycyjnymi narzędziami wyszukiwania.

Jak przebiegało badanie?

Zespół badawczy poddał analizie 27 dużych modeli językowych, prosząc je o odpowiedzi na pytania dotyczące 155 różnych tematów pochodzących z 12 krajów. Dla każdego zagadnienia sformułowano 200 wariantów pytania, aby uchwycić naturalne różnice w sposobie stawiania pytań przez użytkowników. Całość pracy obejmowała przeanalizowanie około 1,7 miliona odpowiedzi zawierających łącznie 70 milionów pojedynczych stwierdzeń.

Spektrum badanych tematów było zróżnicowane i obejmowało zarówno kwestie polityczne i społeczne (broń jądrowa, rasizm, ludobójstwo, stanowisko Marine Le Pen, konflikt o Falklandy), jak i kulturalne (K-pop) oraz osobiste (małżeństwo, pornografia). Taki dobór zagadnień miał na celu odzwierciedlić rzeczywistość zapytań, które użytkownicy kierują do chatbotów.

Jakie były wyniki?

Rezultaty były jednoznaczne: wszystkie badane modele dostarczały bardziej jednorodnych odpowiedzi niż Google. Różnica była szczególnie widoczna w przypadku GPT-5 od OpenAI, który generował o 18,7% mniej zróżnicowanych informacji w porównaniu z wynikami tradycyjnej wyszukiwarki.

Aspekt badania	Wartość
Liczba przeanalizowanych modeli	27
Liczba tematów	155
Liczba krajów	12
Warianty pytań na temat	200
Przeanalizowane odpowiedzi	~1,7 mln
Łączna liczba stwierdzeń	70 mln
Spadek różnorodności GPT-5 vs Google	18,7%

Warte uwagi jest jednak, że nowsze modele językowe wykazywały lepszą różnorodność niż ich starsze wersje. Paradoksalnie, niektóre mniejsze modele czasami oferowały szerszą gamę perspektyw niż ich większe odpowiedniki, co sugeruje, że rozmiar modelu niekoniecznie determinuje jakość różnorodności udzielanych odpowiedzi.

Dlaczego chatboty są mniej zróżnicowane?

Przyczyna tego zjawiska tkwi w mechanizmie uczenia modeli. Systemy AI trenuje się na ogromnych zbiorach tekstów dostępnych w internecie. W procesie tym utrwalają się częste wzorce i dominujące perspektywy, podczas gdy mniej popularne punkty widzenia pozostają niedoreprezentowane. Innymi słowy, to, co pojawia się najczęściej w danych treningowych, staje się dominantą w odpowiedziach modelu.

Badacze zwracają uwagę na potencjalnie niebezpieczny cykl zwrotny. Kiedy modele AI generują teksty, które trafiają do internetu, a następne pokolenie systemów uczy się na tych sztucznych treściach, dochodzi do utrwalania się już istniejących tendencji. Taki scenariusz może prowadzić do zjawiska określanego w literaturze naukowej jako „knowledge collapse” – stopniowego zawężania się dostępnej wiedzy i perspektyw.

Co to oznacza dla użytkowników?

Wyniki badania mają istotne implikacje dla sposobu, w jaki ludzie powinni korzystać z chatbotów. Jeśli sztuczna inteligencja konsekwentnie dostarcza bardziej jednorodnych odpowiedzi niż tradycyjne wyszukiwarki, oznacza to, że użytkownicy mogą być ekspozycji na węższy zakres perspektyw i interpretacji.

W kontekście polskiego rynku, gdzie chatboty AI zyskują coraz większą popularność zarówno wśród użytkowników indywidualnych, jak i w zastosowaniach biznesowych, wyniki te powinny skłonić do refleksji. Osoby korzystające z chatbotów do zbierania informacji na tematy kontrowersyjne, polityczne czy społeczne powinny być świadome, że otrzymywane odpowiedzi mogą reprezentować zawężony spektrum poglądów.

Wnioski z badania sugerują, że w najbliższych latach konieczne będzie zwracanie większej uwagi na różnorodność źródeł informacji. Zamiast polegać wyłącznie na jednym narzędziu – czy to chatbocie, czy wyszukiwarce – użytkownicy powinni świadomie sięgać po różne źródła, aby uzyskać pełniejszy obraz danego zagadnienia.

Badania zostały opublikowane w formie preprintu i przyjęte na konferencję EMNLP 2026, co wskazuje na znaczenie tych ustaleń dla społeczności naukowej zajmującej się sztuczną inteligencją.