دستاندازی هوش مصنوعی به پژوهش جمعی: پاسخهای رباتی اعتبار مطالعات را تهدید میکند
منبع: نیو ساینتیست
تاریخ: 23 آوریل 2026
در دنیای امروز که پژوهش جمعی اینترنتی راه یافتن به علوم انسانی، پزشکی و فناوری را هموار کرده، یک تهدید نوظهور بهشدت جدی است: هوش مصنوعی.
بر اساس گزارش سایت New Scientist، هوش مصنوعی پاسخهای تولیدشده توسط مدلهای زبانی (LLM) را به فرمهای اینترنتی و پرسشنامههای تحقیقاتی تزریق میکند. این مسئله کیفیت و اعتبار دادههایی را که از مشارکت انسانها جمعآوری شده خصوصاً در پاسخهای آزاد و توصیفی زیر سؤال میبرد.
مطالعهای در این باره نشان میدهد که علیرغم کاهش چشمگیر تشخیص انسان از «پاسخهای واقعی» در قیاس با پاسخهای مصنوعی، تشخیصدهندههای خودکار هوش مصنوعی نیز بهروشنی ناکارآمد هستند. ادغام گسترده این پاسخها میتواند هزینهی نگهداشتن کیفیت داده را بهشکلی سرسامآور افزایش دهد و باعث شود ابزارهای فعلی مثل کنترلهای متداول کافی نباشند.
در پاسخ به این تهدید، رویکردی نوین در حال شکلگیری است: استفاده از «همتای دیجیتال» (Digital Twin)—مدلهای شخصیسازیشدهی هوش مصنوعی که رفتار و سبک پاسخدهی کاربران واقعی را شبیهسازی میکنند، در حالی که تعامل انسان با سیستم نیز حفظ میشود. این چارچوب هیبریدی—شامل مدلهای هوشمند و همراه با نظارت انسانی—میتواند پاسخهای طولانی و تکراری را خودکار کند، ضمن آنکه اصالت و تنوع داده حفظ میشود. پژوهشهای اخیر در این حوزه نشان دادهاند که دیجیتال تویینها میتوانند بهرهوری را بالا ببرند و خستگی تصمیمگیری را کاهش دهند، بیآنکه کیفیت داده کاهش یابد. البته شفافیت و حفظ حق تصمیمگیری برای کاربران انسانی، از ضروریات این طرح است.
یک بررسی دیگر نیز نشان میدهد که حدود ۳۰٪ از کاربران در تعامل با پروژههای پرسشنامهای جمعی به سکرت استفاده از مدلهای زبانی روی آوردهاند—حتی اگر صراحتاً از آنها خواسته نشده باشد! این پاسخها اگرچه کیفیتی بالا دارند، اما فاقد تنوعاند و در نتیجه برای تحقیقاتی که هدفشان درک رفتار انسان واقعی است، بهشدت آسیبزنندهاند. راهکارهای نهچندان پیچیده مانند ممنوعیت استفاده از هوش مصنوعی، یا محدودیتهای فنی مثل غیرفعال کردن قابلیت کپیپیست، میتوانند تا حدی، استفاده از این ابزارها را کاهش دهند. اما این راهکارها هم کافی نیستند.
لینک:
