Οι μηχανές απαντήσεων τεχνητής νοημοσύνης (AI answer engines) αναλαμβάνουν πλέον ένα αυξανόμενο μερίδιο των ερωτημάτων που θέτουν αναλυτές, μελετητές και το κοινό σχετικά με ζητήματα ειρήνης και πολέμου. Ωστόσο, μια νέα έρευνα που δημοσιεύθηκε στο arXiv προειδοποιεί ότι τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) παρουσιάζουν συγκεκριμένα πρότυπα σφαλμάτων όταν καλούνται να αναλύσουν παγκόσμιες συγκρούσεις.
Η Μεθοδολογία της Έρευνας
Οι ερευνητές έθεσαν μια σειρά ερωτήσεων σχετικά με 28 διαφορετικές συγκρούσεις σε πέντε κορυφαίες μηχανές απαντήσεων. Συνολικά, αξιολογήθηκαν 5.460 απαντήσεις με βάση τεκμηριωμένα στοιχεία. Τα αποτελέσματα έδειξαν μια άμεση συσχέτιση μεταξύ της διαθεσιμότητας πληροφοριών και της ακρίβειας της τεχνητής νοημοσύνης.
Το Πρόβλημα των «Ελλιπών Αρχείων»
Σύμφωνα με τη μελέτη, όσο πιο περιορισμένο είναι το ψηφιακό αρχείο γύρω από μια συγκεκριμένη σύγκρουση, τόσο περισσότερο οι μηχανές τείνουν να:
- Επινοούν γεγονότα (hallucinations)
- Αποδίδουν λανθασμένα ενέργειες σε λάθος πλευρές
- Παραποιούν αριθμητικά δεδομένα
Αυτά τα «ελλιπή αρχεία» δεν ενθαρρύνουν μόνο τις ψευδαισθήσεις των μοντέλων, αλλά δημιουργούν και μια δομική έκθεση σε παραπληροφόρηση. Αυτό συμβαίνει επειδή τα περιορισμένα δεδομένα είναι ευκολότερο να παραμορφωθούν μέσω της Βελτιστοποίησης Γενετικών Μηχανών (Generative Engine Optimization - GEO), με σκοπό την πόλωση των απαντήσεων της AI.
Η Άνοδος του Πληροφοριακού Πολέμου GEO
Η ανάλυση 1.048 ιστοτόπων από τους οποίους τα LLMs άντλησαν δεδομένα έδειξε ότι η βελτιστοποίηση πηγών μέσω GEO είναι ήδη πραγματικότητα. Παρόλο που η «ψηφιακή κατάληψη» από κρατικούς φορείς βρίσκεται ακόμα σε αρχικό στάδιο, η μελέτη σημειώνει ότι αναπτύσσεται ραγδαία.
Ως απάντηση σε αυτούς τους κινδύνους, οι ερευνητές προτείνουν μια επιστροφή στη βαθιά τοπική παρακολούθηση και την έρευνα που βασίζεται σε μεταφράσεις — τομείς όπου τα εργαλεία AI δεν μπορούν ακόμη να υποκαταστήσουν την ανθρώπινη ανάλυση.
