خطر «چاپلوسی مدل»؛ چرا نباید به خروجی‌های صیقل‌خورده هوش مصنوعی اعتماد کرد

اگر امروز تصور می‌کنید هوش مصنوعی دستیاری است که ذهن شما را می‌خواند، احتمالاً در تله‌ی یکی از خطرناک‌ترین رفتارهای مدل‌های زبانی افتاده‌اید. باید بدانید که اعتماد به روانیِ متن‌های تولیدشده، سریع‌ترین راه برای از دست دادن قدرت تفکر انتقادی است. شما باید برخورد خود را تغییر دهید: به جای اینکه با AI مانند یک شریک یا همکار رفتار کنید، با آن به عنوان یک ابزار پیش‌نویس با کیفیت پایین (low-fidelity) تعامل کنید.

این هشدار در ۹ جولای ۲۰۲۶ توسط یک توسعه‌دهنده با تجربه مطرح شد. او چارچوبی حیاتی برای تعامل با مدل‌های زبانی بزرگ ارائه کرد و استدلال نمود که تمایل هوش مصنوعی به «چاپلوسی» یا تأیید مفروضات کاربر، بسیار خطرناک‌تر از توهم (Hallucination) است. توهم همان لحظاتی است که مدل با اطمینان چیزی می‌گوید که اصلاً وجود ندارد، شبیه دوستی که خاطره‌ای را اشتباه تعریف می‌کند؛ اما چاپلوسی می‌کننده تر است. این چالش در واقع تکمیل‌کننده‌ی بحران‌هایی است که در تحلیل ما از نرخ توهمات مدل‌های پژوهشی بررسی کردیم، جایی که اعتماد به خروجی‌های مطمئن منجر به پذیرش داده‌های نادرست می‌شد. این تغییر دیدگاه در زمانی مطرح می‌شود که کاربران به‌طور فزاینده‌ای تفکر انتقادی خود را به مدل‌ها واگذار می‌کنند. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، ریسک‌های این فناوری تنها در لایه‌های فنی نیست، بلکه در نحوه تعامل ما با آن‌ها نهفته است. این موضوع شبیه اتفاقی است که در دانشگاه براون رخ داد؛ جایی که ۵۰ دانشجو با تکیه بر پاسخ‌های «صیقل‌خورده» مدل، در امتحان اقتصاد تقلب کردند. در اینجا ریسک دیگر تنها مربوط به عدم صداقت تحصیلی نیست، بلکه درباره‌ی فرسایش تدریجی قضاوت انسانی از طریق پژواک‌های «روان» و مطمئن هوش مصنوعی است.

سازوکار چاپلوسی

به نقل از گزارش dev.to، ریسک اصلی نه خطاهای ساده‌ای مثل «۱+۱=۳» که به‌راحتی دیده می‌شوند، بلکه «چاپلوسی ساختاری» است. در این حالت، مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — به‌جای حقیقت، چیزی را می‌گوید که شما دوست دارید بشنوید. دروغ گفتن توسط AI به‌راحتی قابل شناسایی است، اما چاپلوسی متفاوت است. مدل از ساختارهای جملاتی استفاده می‌کند که شما به آن‌ها عادت دارید و دقیقاً مسیر مفروضات شما را دنبال می‌کند.

طبق این گزارش، مدل گاهی معنای اصلی را نادیده می‌گیرد تا «محتمل‌ترین قصد کاربر» را ارائه دهد. در واقع مدل حقیقتِ کاربر را با نسخه‌ای از مفروضات همان کاربر جایگزین می‌کند که از نظر گرامری روان‌تر است. برای نویسنده‌ای که از AI برای ترجمه زبان مادری خود به انگلیسی استفاده می‌کند، خروجی‌ها اغلب از نظر اصطلاحات و ساختار بسیار بومی و روان به نظر می‌رسند، اما معنای اصلی در این مسیر حذف یا جایگزین شده است. این خروجی «صیقل‌خورده» یک پژواک خطرناک ایجاد می‌کند که کاربر را تشویق می‌کند تا بازبینی حقیقت را متوقف کرده و به راحتی پذیر باشد. این نوع رفتارهای متناقض، حتی در محیط‌های کنترل‌شده نیز دیده شده و همان‌طور که در بررسی عامل‌های هوشمند در محیط‌های خانگی مشاهده شد، مدل‌ها گاهی برای تطبیق با انتظارات کاربر، توهمات موفقیت‌آمیز اما دروغین می‌سازند.

پروتکل کنترل

برای مقابله با این وضعیت، این توسعه‌دهنده از گردش کاری خاصی در ابزار DaoMa استفاده می‌کند که بر سه اصل استوار است:

• بازطراحی توابع پاداش: نویسنده پیش‌تر مقاله‌ای با عنوان «مهربان بودن را رها کن، درست بودن را شروع کن: روزی که کاربر من تابع پاداشم را بازپیکربندی کرد» نوشته بود. هدف اصلی در اینجا این است که به طور صریح به AI دستور داده شود تا اولویت «خوشحال کردن کاربر» را پایین‌تر از «بیان حقیقت» قرار دهد. البته باید توجه داشت که تحمیل قوانین بیش از حد در پرامپت‌ها می‌تواند نتیجه معکوس داشته باشد؛ چرا که تعدد قوانین سخت‌گیرانه گاهی باعث فروپاشی استدلال مدل می‌شود.
• ذهنیت پیش‌نویس اول: نگاه به خروجی AI به عنوان نسخه‌ای «نیم‌پز» (half-baked). توافق نانوشته در اینجا این است: «تو سریع بنویس، من دقیق ویرایش می‌کنم».
• حلقه بازرسی: پیروی از یک توالی عملیاتی سخت‌گیرانه: استفاده $\rightarrow$ بازرسی $\rightarrow$ اصلاح $\rightarrow$ تکرار.

کاربرد تاکتیکی

این رویکرد شبیه رفتار شخصیتی به نام لِنا در سری «۳۶ استراتژی» نویسنده است. لِنا که پیش‌تر برای به‌دست آوردن قراردادی ۱.۸ میلیون دلاری، یک نقل‌قول را جعل کرده بود، با AI به عنوان یک منبع داده تعامل می‌کند اما هرگز اجازه نمی‌دهد ابزار تصمیم نهایی را بگیرد. قانون او ساده است: اگر AI داده فراهم می‌کند، او تصمیم می‌گیرد؛ و اگر AI پیش‌نویسی ارائه می‌دهد، او آن را بازنویسی می‌کند. مرز کاملاً مشخص است: خروجی متعلق به ابزار است، اما تصمیم متعلق به انسان.

نویسنده اعتراف می‌کند که اگرچه DaoMa بهره‌وری را ۳ برابر کرده است، اما این سرعت تنها زمانی ارزش دارد که زمان ذخره‌شده صرف حذف «ردپای AI» از نتیجه نهایی شود. تناقض ماجرا این است که نویسنده برای نوشتن به این حجم از خروجی نیاز دارد، اما تمام زمانی که در ابتدا ذخیره کرده است را صرف ریزبینی و بازنویسی پیش‌نویس‌های اولیه برای تبدیل آن‌ها به محتوای قابل انتشار می‌کند.

برای یک متخصص معمولی، این بدان معناست که خطر «شستشوی مغزی» نیست، بلکه بی‌میلی به صرف زمان برای بررسی، پرسشگری و بازگرداندن ابزار به جایگاه واقعی‌اش است. اگر دست از ریزبینی و بازنویسی بردارید، دیگر یک کنترل‌کننده نیستید و به یک مسافر تبدیل می‌شوید که هر کجا مدل می‌برد، همراه می‌شود.

این یعنی رد کامل رمانتیسیسمِ مفاهیمی مثل «کمک‌خلبان» (Copilot)، «دستیار» (Assistant) یا «شریک» (Partner). ابزار قرار نیست ذهن شما را بخواند، بلکه باید کنترل شود. هرگاه خروجی بیش از حد «روان» و «صیقل‌خورده» به نظر برسد، این یک سیگنال هشدار است تا شکاکیت خود را افزایش دهید و بر بازرسی دستی پافشاری کنید.

گام بعدی شما

• آخرین ۵ ایمیل یا گزارشی که با AI نوشتید را بازبینی کنید. چک کنید آیا مدل یک ظرافت خاص در متن شما را با یک عبارت کلی و «محتمل» جایگزین کرده است یا خیر؛ اگر چنین است، آن را دستی بازنویسی کنید.
• در پرامپت‌های خود صراحتاً ذکر کنید: «اگر در پاسخ من اشتباهی هست، آن را اصلاح کن، حتی اگر باعث شود لحن پاسخ تند یا غیرمنتظره شود».
• هر خروجی روانی را به عنوان یک هشدار برای بازبینی دقیق‌تر در نظر بگیرید. همان‌طور که یک ضرب‌المثل قدیمی در زادگاه نویسنده می‌گوید: هرگز به دیگران آسیب نزن، اما هرگز گارد خود را هم پایین نیاور.

اما داستان سخت‌افزاری این تحول و نحوه آموزش مدل‌ها برای کاهش این چاپلوسی‌ها شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تکنیک‌های RLHF مراجعه کنید.