השפעות מותנות של מומחיות המקור ועמדות קודמות על ידע אובייקטיבי באימות מידע בריאותי בסיוע בינה מלאכותית

מדוע המחקר הזה חשוב לקוראים יום-יומיים

הרבה מאיתנו כיום פונים לכלים כמו ChatGPT כדי לעזור לשפוט עצות בריאותיות שאנו רואים באינטרנט, מטיפים תזונתיים ועד תרסיסי פלא. המחקר חוקר שאלה פשוטה אך חשובה: כאשר אנשים בודקים טענה נפוצה על דיאטות ללא גלוטן בעזרת בינה מלאכותית, מה באמת מעצב את מה שלמדו — האם הפוסט נראה כמי שמגיע ממומחה, מה הם כבר חושבים על גלוטן, או עד כמה הם בטוחים בידע שלהם? התשובות מגלות מתי הבינה המלאכותית יכולה לתמוך בהבנה נכונה, ומתי האמונות שלנו עדיין מפריעות.

טיפי בריאות, עוזרי בינה מלאכותית ומסרים מעורבים

החוקרים התמקדו במצב יומיומי נפוץ: פוסט בפייסבוק על דיאטות ללא גלוטן שמשלב עובדות מדויקות עם אמירות מטעות. אכילת ללא גלוטן היא חיונית לאנשים עם מחלת צליאק, אבל היא גם הפכה לטרנד אורח חיים שמקודם כבריא יותר לכולם, אף שהראיות מועטות. התערובת הזו של מדע, שיווק ושמועה הופכת את נושא הגלוטן למקרה מבחן שימושי לחקירת האופן שבו אנשים מבחינים בין אמת להייפ כשזמינה בינה מלאכותית ככלי בדיקה. במקום לראות את ChatGPT כמקור משכנע, המחברים התייחסו אליו כחלק מ"סביבת אימות" שבה אנשים משתפים את מלאכת המחשבה עם הטכנולוגיה, ועדיין צריכים לשפוט במה לסמוך.

איך הניסוי התנהל

במחקר מקוון עם 103 משתתפים, כולם ראו את אותו פוסט פייסבוק מעורב-דיוק על דיאטות ללא גלוטן, אך המקור המיוחס שונה. אצל חלק מהמשתתפים הפוסט הופיע כמי שמגיע ממותג תקשורת המתמקד במזון שסימן מומחיות; אצל אחרים הוא הופיע כשל משתמש פרטי רגיל. לאחר קריאת הפוסט, המשתתפים הורו להשתמש ב-ChatGPT בכל דרך שיחפצו כדי לבדוק את המידע. לאחר מכן הם השיבו על חידון מפורט שבדק באופן אובייקטיבי מה שלמדו על גלוטן, לצד שאלות על דעותיהם לגבי דיאטות ללא גלוטן וכמה הם סמכו וערכו את חיפושיהם ב-ChatGPT.

מתי תוויות מומחה עוזרות — ומתי לא

בהפתעה, סימון הפוסט ככזה שמגיע ממקור מומחה לבדו לא הוביל, כשלעצמו, לידע עובדתי טוב יותר לאחר חיפוש ב-ChatGPT. בממוצע, אנשים שראו את הפוסט שסומן כמומחה לא קיבלו ניקוד גבוה יותר במבחן הידע מאשר אלה שראו את הגרסה ללא מומחיות. אבל התמונה השתנתה כשבחנו את העמדות הקודמות של האנשים. בקרב משתתפים שכבר נטו עמדה חיובית לגבי דיאטות ללא גלוטן, תווית המומחה כן עשתה הבדל: קוראים אלה סיימו עם יותר תשובות נכונות. לעומת זאת, אצל אנשים עם עמדות נייטרליות או שליליות, תווית המומחה כמעט ולא השפיעה. הדבר מצביע על כך שאותות מומחיות מסייעים בעיקר לאלה שכבר מוטיבציה להתעמק בנושא, במקום לשפר את הלמידה באופן אוטומטי לכלל.

חוסר ידיעה מול בטחון בטעות

המחקר גם הבדיל בין שני סוגי בעיות ידע: אנשים שהודו בגלוי "אני לא יודע" ואנשים שהחזיקו אמונות שגויות בביטחון. באמצעות דפוסי תשובות נכונות, שגויות ו"לא יודע", המחברים סיווגו משתתפים כיחסית לא בטוחים או יחסית מוטעים. המבחן המתוכנן של דפוס תלת-כיווני — תווית מומחה, עמדה ומצב הידע יחד — לא הגיע לסף המחמיר להוכחה סטטיסטית, ככל הנראה בגלל גודל המדגם הצנוע. עם זאת, ניתוחים חקרניים רמזו כי תווית המומחה ועמדות חיוביות נטו לעבוד יחד בעיקר עבור קבוצת ה"לא בטוחים", שנראו פתוחים יותר לשימוש ברמזים כמו מומחיות ופידבק של בינה מלאכותית, בעוד שמשתתפים מוטעים היו פחות רגישים.

עיצוב תמיכה בינה מלאכותית טובה יותר להחלטות בריאותיות

לקריאה עממית, המסקנה המרכזית היא כי בינה מלאכותית ותוויות מומחה אינן תיקון קסם לבלבול בריאותי מקוון. במחקר זה, בינה מלאכותית יוצרת שימשה כשותף מועיל, אך השאלה האם אנשים שלמדו יותר תלויה במוטיבציה שלהם ובמידת היציבות של האמונות הקודמות שלהם. אותות מומחיות שיפרו הבנה עובדתי רק עבור אלה שנוטים להתעמק, ואנשים שהיו בטוחים בטעות היו קשים יותר להגיע אליהם מאשר אלה שלא ידעו. המחברים טוענים שכלים עתידיים של בינה מלאכותית ותקשורת בריאותית צריכים להסתגל להבדלים אלה — לעודד מחשבה מעמיקה יותר, להבליט מומחיות, ולהתאים תגובות לפי האם אדם אינו בטוח או מוטעה — כדי שבינה מלאכותית תתמוך בהחלטות בריאות מושכלות באמת, ולא רק בהשפעה גדולה יותר.

ציטוט: Oh, J., Montag, C., Kohne, J. et al. Conditional effects of source expertise and pre-existing attitudes on objective knowledge in AI-assisted health information verification. Sci Rep 16, 13291 (2026). https://doi.org/10.1038/s41598-026-43698-z

מילות מפתח: בינה מלאכותית יוצרת, מידע שגוי על בריאות, אמינות מקור, תזונה ללא גלוטן, מידע בריאותי מקוון