מחקר: צ'אטבוטים מבוססי בינה מלאכותית הופכים למומחי שכנוע
כתבה ב-Science.org בוחנת מחקר על יכולת ה-persuasion (שכנוע) של צ'אטבוטים מבוססי מודלי שפה גדולים (LLM), וכיצד הם מצליחים לשנות עמדות של בני אדם בשיחה. הכתבה עוררה עניין נרחב, עם כ-100 הצבעות ו-97 תגובות בפורום הטכנולוגי Hacker News.
אתר Science.org, הזרוע העיתונאית של כתב העת המדעי היוקרתי Science, פרסם כתבה העוסקת ביכולת מתפתחת של צ'אטבוטים מבוססי בינה מלאכותית לשכנע בני אדם ולשנות את דעותיהם בשיחה — תחום שמכונה בעולם המחקר "persuasion" (שכנוע).
מה בכתבה
הכתבה סוקרת עבודה מדעית שבוחנת עד כמה מודלי שפה גדולים (LLM) — הטכנולוגיה שמאחורי צ'אטבוטים כמו ChatGPT, Claude וכלים דומים — מסוגלים לגבש טיעונים משכנעים ולהשפיע על עמדות של משתמשים אנושיים בדיאלוג ישיר. השאלה המרכזית שהכתבה מעלה, כפי שמשתקף מכותרתה, היא מה "הסוד" מאחורי היכולת הזו: האם מדובר בנפח המידע העצום שהמודלים נחשפים אליו באימון, ביכולת להתאים את הטיעון אישית לבן השיח, או בשילוב של גורמים.
חשוב לציין: פרטים מדויקים על זהות החוקרים, המתודולוגיה המלאה, המודלים הספציפיים שנבדקו והנתונים המספריים המדויקים על שיעורי השכנוע מופיעים בגוף הכתבה המלאה באתר Science.org, ואינם זמינים במסגרת התקציר שעמד לרשותנו בעת כתיבת הכתבה הזו. מי שמעוניין בפרטי המחקר המלאים — כולל הנתונים הכמותיים — מוזמן לעיין במקור המקושר.
הקשר: תחום שכנוע ה-AI
יכולות השכנוע של מודלי שפה הפכו בשנים האחרונות לנושא מחקר פעיל, על רקע החשש שכלים המסוגלים לנסח טיעונים מותאמים אישית ביעילות רבה עלולים לשמש גם להטיית דעת קהל, להפצת תעמולה או לניצול מסחרי אגרסיבי. ככל הנראה, זו הסיבה המרכזית לכך שכתב עת מדעי מוביל כמו Science בחר להקדיש לנושא סיקור נפרד: מדובר לא רק בשאלה טכנית על ביצועי מודל, אלא בשאלה חברתית רחבה יותר על האופן שבו טכנולוגיית שיחה יכולה לעצב החלטות של בני אדם — מבחירות צרכניות ועד עמדות פוליטיות.
הכתבה עוררה עניין ניכר ברשת: הפרסום שלה בפורום הטכנולוגי Hacker News צבר כ-100 הצבעות ו-97 תגובות, מה שמעיד על עניין ציבורי-טכנולוגי משמעותי בנושא, גם אם אין בכך כדי לאשש את הממצאים העובדתיים של המחקר עצמו.
למה זה חשוב
אם אכן מתברר שצ'אטבוטים מתקרבים לרמת שכנוע אנושית — או עוקפים אותה בהקשרים מסוימים — המשמעות עבור המשתמש הישראלי היא מעשית: כלים כאלה כבר משולבים בשירות לקוחות, בייעוץ, בפלטפורמות חינוכיות ואף בזירות פוליטיות ושיווקיות. ההערכה היא שהיכולת להבין מנגנוני שכנוע של AI תהפוך רלוונטית לא רק לחוקרים אלא גם למעצבי מדיניות, לפלטפורמות דיגיטליות ולמשתמשי הקצה עצמם, שיצטרכו לפתח מודעות ביקורתית גבוהה יותר כלפי תוכן שנוצר או מתווך על ידי בינה מלאכותית.