Algorytmiczna socjalizacja językowa. Jak ludzie przejmują język sztucznej inteligencji?

Duże modele językowe przestają być wyłącznie narzędziami służącymi do wyszukiwania informacji, pisania tekstów czy wykonywania kolejnych zadań. Ponieważ są niemal stale dostępne, odpowiadają natychmiast i pozwalają prowadzić tysiące powtarzających się interakcji, zaczynają uczestniczyć w czymś znacznie bardziej podstawowym: kształtowaniu naszego języka. Szczególnego znaczenia nabiera to w przypadku najmłodszych pokoleń, dla których sztuczna inteligencja może stać się kolejnym, obok rodziny, szkoły, rówieśników i mediów, środowiskiem socjalizacji językowej – wskazuje dr Ada Florentyna Pawlak z Uniwersytetu SWPS.

.Język sztucznej inteligencji zaczyna przenikać do języka ludzi, i nie jest to już wyłącznie intuicja osób, które po kilku miesiącach korzystania z generatywnych modeli rozpoznają charakterystyczne konstrukcje zdań, rytm argumentacji czy powracające określenia. Naukowcy z jednego z Instytutów Maxa Plancka przeanalizowali niemal 280 tys. anglojęzycznych filmów publikowanych w serwisie YouTube, obejmujących materiały z kanałów internetowych, wykłady i publiczne wystąpienia, następnie zaś porównali częstotliwość stosowania konkretnych słów przed i po publicznym udostępnieniu ChatGPT w 2022 roku. Wyniki wskazują na wyraźną zmianę: użycie słowa surpass, oznaczającego „przewyższać”, wzrosło o około 141 proc., boast – „chwalić się” – o 140 proc., natomiast meticulous, czyli „skrupulatny” lub „drobiazgowy”, o 126 proc. Badacze określili to zjawisko mianem lingwistycznego śladu ChatGPT.

Nie chodzi przy tym jedynie o kilka modnych słów pojawiających się częściej w internetowych wypowiedziach. Skala generowanych każdego dnia treści sprawia, że społeczeństwa są wielokrotnie wystawiane na te same konstrukcje, sposoby budowania argumentów i zestawy słownictwa. Zdaniem dr Ady Florentyny Pawlak, ekspert zajmującej się antropologią technologii na Uniwersytecie SWPS, oznacza to sytuację bez historycznego precedensu: po raz pierwszy stosunkowo niewielka liczba systemów językowych może na globalną skalę współdecydować o tym, które spośród tysięcy możliwych sposobów wyrażania tej samej myśli będą najczęściej powtarzane, wzmacniane i wprowadzane do społecznego obiegu.

Na poziomie całych zbiorowości może prowadzić to do homogenizacji języka, a więc stopniowego zawężania różnorodności stylistycznej na rzecz coraz bardziej podobnego zestawu słów, konstrukcji i sposobów argumentowania. Paradoksalnie ten sam proces na poziomie pojedynczego człowieka może jednak działać odwrotnie. Osoba posługująca się dotąd stosunkowo niewielkim zasobem słownictwa, regularnie obcując z modelem językowym, może poszerzać swój indywidualny repertuar, poznawać nowe określenia i uczyć się bardziej złożonych sposobów wyrażania myśli. To, co dla zbiorowości może więc oznaczać ujednolicenie, dla części jednostek może oznaczać językowe wzbogacenie.

Algorytm staje się uczestnikiem socjalizacji

.Proces ten coraz częściej określa się mianem algorytmicznej socjalizacji językowej – Algorithmic Language Socialization, ALS. Pojęcie opisuje sytuację, w której powtarzalny kontakt z generatywnymi systemami językowymi zaczyna wpływać nie tylko na zasób używanych przez człowieka słów, lecz również na składnię, styl argumentacji, sposób prowadzenia rozmowy, a w konsekwencji także na przyjmowane normy komunikacyjne.

Znaczenie tego procesu będzie inne w przypadku dorosłego człowieka, którego język, sposób myślenia i zasady komunikacji zostały już w znacznej mierze ukształtowane, a zupełnie inne w przypadku dziecka dorastającego w świecie, w którym rozmowa z maszyną stanie się równie naturalnym doświadczeniem jak korzystanie z telefonu czy wyszukiwarki internetowej. Właśnie w odniesieniu do najmłodszych pokoleń pojawia się pytanie nie tylko o to, jakie słowa przejmą od sztucznej inteligencji, ale również czego nauczą się od niej na temat samej rozmowy, wiedzy, emocji, moralności i relacji z innymi ludźmi.

Język nigdy nie był bowiem wyłącznie narzędziem przekazywania informacji. Jest jednym z podstawowych mechanizmów socjalizacji. Dziecko, ucząc się mówić, nie przyswaja jedynie nazw przedmiotów oraz zasad gramatyki. Jednocześnie poznaje sposoby interpretowania świata społecznego: dowiaduje się, jak wyrażać emocje, jak przedstawiać wiedzę, jak argumentować, uzasadniać swoje przekonania, przepraszać, stawiać granice albo rozwiązywać konflikt.

Dr Pawlak wskazuje dlatego na kilka różnych wymiarów algorytmicznej socjalizacji. Pierwszym jest socjalizacja epistemiczna – uczenie się tego, w jaki sposób przedstawiać wiedzę, zaznaczać niepewność, konstruować argument i odróżniać fakty od interpretacji. Drugim może być socjalizacja emocjonalna, dotycząca sposobów nazywania, porządkowania i interpretowania własnych oraz cudzych emocji. Trzeci wymiar ma charakter moralny: chodzi o język, przy pomocy którego uzasadniamy, dlaczego coś jest właściwe lub niewłaściwe, sprawiedliwe albo krzywdzące. Wreszcie istnieje wymiar relacyjny, obejmujący wzorce prowadzenia sporów, negocjowania potrzeb, stawiania granic, przepraszania i podtrzymywania więzi.

Do niedawna wszystkich tych kompetencji człowiek uczył się niemal wyłącznie od innych ludzi. Pierwszym środowiskiem była rodzina, później pojawiali się rówieśnicy i nauczyciele, następnie książki, media, kultura i instytucje społeczne. Generatywna sztuczna inteligencja wprowadza do tego układu jeszcze jednego uczestnika. Duży model językowy najprawdopodobniej nie zastąpi rodziców, nauczycieli ani kontaktu z innymi ludźmi, może jednak doprowadzić do powstania środowiska hybrydowego, w którym wzorce komunikacyjne pochodzące od człowieka będą stale współistniały z wzorcami tworzonymi przez algorytm.

Jest to możliwe przede wszystkim dzięki trzem cechom generatywnej AI, szczególnie ważnym z perspektywy socjalizacji: niemal nieograniczonej dostępności, natychmiastowej reakcji i możliwości prowadzenia bardzo dużej liczby interakcji. Żaden nauczyciel, rodzic, przyjaciel ani rozmówca nie jest dostępny przez całą dobę i gotowy odpowiedzieć natychmiast na kolejne pytanie. Model językowy może być.

Nie tylko słowa. AI uczy także architektury rozmowy

.Wpływ systemów LLM może być tym bardziej znaczący, że użytkownicy nie przejmują od nich wyłącznie pojedynczych określeń. Zaczynają również korzystać z całych pakietów stylistycznych, charakterystycznych połączeń słów czy sposobów budowania wypowiedzi. Możemy przejmować nawet coś, co można nazwać „architekturą rozmowy”.

Jeżeli człowiek przez kilka lat będzie regularnie rozmawiał z modelem językowym, prawdopodobnie nauczy się od niego czegoś więcej niż nowego słownictwa. Może przyswoić sobie pewne wyobrażenie o tym, jak powinna wyglądać prawidłowa rozmowa. Wzorzec generowany przez współczesne chatboty jest zazwyczaj cierpliwy, responsywny, uporządkowany i nastawiony na przedstawianie możliwych wariantów, rekomendacji oraz kolejnych kroków. W rezultacie człowiek może zacząć uznawać taki sposób komunikacji za normę również poza światem cyfrowym.

Cena może polegać na stopniowym ograniczaniu tego, co dr Pawlak określa jako ludzki i barwny chaos wypowiedzi. Naturalna rozmowa pełna jest dygresji, urwanych myśli, zmiany tempa, niedopowiedzeń i niespójności. Algorytm zwykle porządkuje. Jeśli jego sposób prowadzenia rozmowy stanie się dla człowieka dominującym punktem odniesienia, część tej językowej nieprzewidywalności może zacząć być odbierana jako wada zamiast charakterystycznej cechy komunikacji między ludźmi.

Historia kultury zna oczywiście przypadki, w których masowi odbiorcy przejmowali charakterystyczne zwroty czy sposoby mówienia od fikcyjnych bohaterów. Jednym z przykładów był Chandler z serialu „Friends”, którego charakterystyczny sposób ironizowania wykroczył daleko poza sam serial. Podobnym fenomenem stał się chłodny, pozbawiony emocjonalnych ozdobników sposób komunikacji Spocka ze „Star Treka”.

Między tymi przykładami a dzisiejszymi dużymi modelami językowymi istnieje jednak zasadnicza różnica. Dawna socjalizacja medialna była przede wszystkim ekspozycyjna. Książka kierowała swój komunikat do anonimowego czytelnika, film lub telewizja do szerokiej publiczności, a bohater serialu nie zmieniał sposobu wypowiedzi w zależności od tego, kto siedział przed ekranem. Model językowy odpowiada konkretnej osobie, może dostosować do niej słownictwo, poziom trudności i ton wypowiedzi, a w przypadku interfejsów głosowych również tempo interakcji.

Powstaje w ten sposób sprzężenie zwrotne. Użytkownik mówi coś do AI, system odpowiada, człowiek dostosowuje swoją kolejną wypowiedź, po czym model ponownie reaguje, jeszcze dokładniej uwzględniając sposób komunikowania się rozmówcy. Dr Pawlak określa ten proces jako wzajemną lingwistyczną adaptację.

Dlaczego zaczynamy mówić jak maszyny?

.Nie potrzeba do tego żadnego tajemniczego mechanizmu „programowania” człowieka przez sztuczną inteligencję. Wystarczą procesy znane psychologii, psycholingwistyce i antropologii od dawna. Jednym z najważniejszych jest mimikra. Ludzie automatycznie naśladują zachowanie swoich rozmówców: gesty, ekspresje, sposób poruszania się, ale również słownictwo, konstrukcję wypowiedzi i ton rozmowy. Podobny mechanizm może działać podczas kontaktu ze sztuczną inteligencją.

Co istotne, proces ten w dużej mierze pozostaje nieświadomy. Człowiek może być przekonany, że jego sposób pisania czy mówienia nie ma nic wspólnego z językiem ChatGPT, a jednocześnie przejmować część regularnie pojawiających się konstrukcji.

Podobnie działa znane z badań nad komunikacją dostrojenie językowe. Rozmówcy spontanicznie upodabniają swoje sposoby komunikacji: korzystają z podobnego słownictwa, budują wypowiedzi o zbliżonej długości, dopasowują rytm i styl konwersacji. Jeżeli jednym z takich rozmówców staje się model językowy, częste interakcje mogą prowadzić do stopniowego, nawet nieuświadomionego przejmowania jego językowych regularności. Kolejnym mechanizmem jest priming, czyli torowanie. Ekspozycja na określony bodziec zwiększa prawdopodobieństwo późniejszego wykorzystania związanych z nim treści. Jeśli więc człowiek wielokrotnie spotyka w odpowiedziach AI konkretne słowo albo charakterystyczną konstrukcję zdania, stają się one łatwiej dostępne podczas późniejszego samodzielnego pisania czy mówienia.

Dlatego pytanie o wpływ sztucznej inteligencji na język wykracza daleko poza obserwację, że niektóre słowa stały się nagle popularniejsze. Jeśli interakcja z modelami językowymi stanie się jednym z najbardziej powszechnych doświadczeń komunikacyjnych kolejnych pokoleń, zmiana może objąć jednocześnie słownictwo, sposób argumentowania, prowadzenia sporu, opisywania emocji i formułowania ocen Duże modele językowe nie są już wówczas wyłącznie technologicznym narzędziem, z którego człowiek korzysta podczas wykonywania zadania. Stają się częścią środowiska, w którym człowiek uczy się mówić – a wraz z językiem również interpretować świat i porozumiewać się z innymi.

Jarosław Kowalski / PAP