دو آزمایش آنلاین نشان داد گفتگوی کوتاه و هدفمند با یک مدل زبان بزرگ در پنجرهٔ حساس پس از بحران می‌تواند باور به روایت‌های توطئه‌ای را کاهش دهد و این اثر تا هفته‌ها ادامه یافت.

چه رخ داد؟

پژوهشگران دانشگاه‌های Carnegie Mellon، MIT و Cornell دو آزمایش طراحی کردند تا بررسی کنند آیا گفتگوی کوتاه با مدل زبانی می‌تواند روایت‌های توطئه‌ای را در «پنجرهٔ حساس» پس از یک بحران تضعیف کند. آزمایش‌ها در روزهای پس از تلاش ترور نافرجام دونالد ترامپ (جولای ۲۰۲۴) و قتل چارلی کرک (سپتامبر ۲۰۲۵) اجرا شدند.

روش

  • پژوهشگران از یک سامانهٔ نظرسنجی شرکت‌کنندگان بزرگسال آمریکایی را جذب کردند و با استفاده از GPT-4o آنها را فیلتر نمودند تا افرادی که نشانه‌های باور توطئه‌ای داشتند وارد آزمایش شوند.
  • در آزمایش اول ۴۷۲ نفر و در آزمایش دوم ۱,۰۳۵ نفر حضور داشتند.
  • پس از سنجشِ باورهای پایه، شرکت‌کنندگان به‌طور تصادفی در یکی از سه گروه قرار گرفتند: گفتگوی مبتنی بر شواهد با Google Gemini (نسخهٔ ۱.۵ در آزمایش اول و ۲.۵ در دوم)، دریافت یک برگهٔ اطلاعاتی ایستا با منابع، یا گفتگوی کنترل نامرتبط دربارهٔ حیوانات خانگی.
  • از آنجا که هر دو رویداد پس از زمان قطع آموزش مدل‌ها رخ داده بود، در پرامپت سیستم یک پایگاه حقایق گزینشی قرار گرفت و در آزمایش دوم جستجوی وب فقط برای تأیید ادعاها مجاز شد.

نتایج کلیدی

گفتگوهای میانگینِ حدود هفت دقیقه با مدل، باور شرکت‌کنندگان به نظریه‌های توطئه دربارهٔ همان رویداد را در هر دو آزمایش کاهش داد — هم نسبت به گفتگوی کنترل و هم نسبت به برگهٔ اطلاعاتی.

کاربر در حال گفت‌وگو با چت‌بات درباره اخبار

کاهش شامل موافقت کمتر با گزاره‌هایی مثل «پوشش‌دادن یا توطئه» و «عوامل پنهان» بود. در مورد تلاش ترور ترامپ، اعتماد به «توضیح رسمی» افزایش نیافت که پژوهشگران آن را ناشی از نبود یک توضیح رسمی روشن در آن زمان دانستند. در مورد قتل کرک، که مقام‌ها جزئیات بیشتری منتشر کرده بودند، اعتماد به توضیح رسمی نسبت به گفتگوی کنترل اندکی افزایش نشان داد، اما تفاوت معنی‌دار با برگهٔ اطلاعاتی نبود.

چه روش‌هایی به تغییر باور کمک کرد؟

تحلیل جمله‌به‌جمله پاسخ‌های مدل نشان داد تاکتیک‌های مدل بسته به میزان شواهد متفاوت بود:

  • وقتی شواهد اندک بود (مثلاً در تلاش ترور)، مدل کمتر استدلال قطعی ارائه می‌کرد؛ محدودیت‌های دانش را می‌پذیرفت، از نتیجه‌گیری شتاب‌زده خودداری می‌نمود، پرسش‌های سقراطی مطرح می‌کرد و شرکت‌کنندگان را به بازاندیشی شواهد خود ترغیب می‌نمود.
  • وقتی شواهد کافی بود (مثلاً پروندهٔ کرک)، مدل با اشاره به منابع و نشان‌دادن ناسازگاری‌ها و پیامدهای اجتماعیِ تفکر توطئه‌ای، رویکردی نزدیک به مقابلهٔ انتقادی با نظریه‌ها اتخاذ کرد.
نمایی از صفحه نمایش و گفت‌وگو با مدل زبانی

تأثیر فرابُرداری

تجربهٔ گفتگوی ردسازی بر مواجههٔ بعدی افراد با روایت‌های توطئه‌ای نیز تأثیر گذاشت: کسانی که گفتگوی ردسازی را تجربه کرده بودند در برخورد با حوادث بعدی کمتر به روایت‌های توطئه‌ای رای دادند. پژوهشگران این الگو را مشابهِ نظریهٔ پیش‌واکشی (inoculation) توصیف کردند، اما تفاوت مهم آن است که این تأثیر بدون هشدار یا آماده‌سازی قبلی رخ داد.

محدودیت‌ها و نکات عملی

این نتایج نشان‌دهندهٔ پتانسیل کاربرد گفتگوی تعاملی با مدل‌های زبانی در مقابله با اطلاعات نادرست است، اما محدودیت‌هایی باقی می‌ماند: احتمال دارد این روش در همه بحران‌ها مؤثر نباشد، در مواردی که واقعاً توطئه وجود دارد کارایی اندکی داشته باشد، و چالش بزرگِ رساندن مشتریان هدف به گفتگوی مقیاس‌پذیر همچنان پابرجاست.

پژوهشگران در حال تحلیل داده‌های مطالعه درباره اطلاعات نادرست

پیام برای سیاست‌گذاران و پلتفرم‌ها

ترکیب گفتگوی تعاملی با ساختار حقایق تأییدشده می‌تواند ابزار مؤثری در مقابله با اطلاعات نادرست باشد، به‌خصوص در پنجرهٔ حساس پس از رویدادها. پیاده‌سازی عملی این رویکرد نیازمند شفافیت در منابع، مدیریت خطاهای مدل و راهکارهایی برای جذب کاربران به تعامل امن و قابل‌اعتماد است.

گام بعدی: ارزیابی عملکرد این روش در فرهنگ‌ها و نظام‌های اطلاعاتی مختلف و طراحی راهکارهایی برای مقیاس‌بخشیِ ورود امن مردم به گفتگو با مدل‌های زبانی، مهم‌ترین اولویت‌های پژوهشی و عملی به‌شمار می‌روند.