השפעת יעילות הפתרון וסמיכות ההוראה על אסטרטגיות חיבור וחיסור אצל בני אדם, GPT-4 ו‑GPT-4o

מדוע לעשות פחות קשה באופן מפתיע

כשאנחנו מנסים לתקן דברים בחיי היומיום—לנסח מחדש אימייל, לארגן מחדש חדר, לעצב מדיניות—באופן טבעי אנחנו חושבים בדרך כלל על מה להוסיף ולא על מה להסיר. נטייה שקטה זו להוסיף במקום לצמצם עלולה לסתום את חיינו באיבוד מקום, בתוכנה מנופחת ובחוקים מורכבים מדי. המאמר בוחן עד כמה הרגל ה"יותר זה טוב" הזה חזק, והאם בינה מלאכותית חדשה כמו GPT-4 ו‑GPT-4o חולקת, מרככת או אף מחזקת הטיה אנושית זו.

איך הוספה מנצחת חיסור במחשבתנו

פסיכולוגים הראו שאנשים לעתים קרובות מתעלמים מפתרונות שמערבים הסרה, גם כאשר חיסור היה פשוט או יעיל יותר. ההוספה מרגישה טבעית ומחוזקת על ידי תרבות ושפה: מילים כמו "יותר" ו"גבוה יותר" מקושרות לשיפור ולהצלחה, בעוד ש"פחות" עלול להישמע כמו אובדן או כישלון. הטיה זו מופיעה בתחומים רבים, מטיפול רפואי שמעדיף טיפולים נוספים על הפסקת הרגלים מזיקים, ועד מדיניות סביבתית שמדגישה מיחזור במקום פשוט הפחתת ייצור הפסולת. המחקר הנוכחי שואל האם הנטייה האנושית הזו להוספה ניכרת גם במודלים לשוניים רבי‑עוצמה שאומנו על כמויות טקסט עצומות.

בדיקת בני אדם ובינה מלאכותית על חידות פשוטות

החוקרים ערכו שתי מחקרי רחב היקף שהשוו משתתפי אנוש ל‑GPT-4 ולאחר מכן ל‑GPT-4o. גם האנשים וגם ה‑AI התמודדו עם שני סוגי בעיות. במשימת "סימטריה" מרחבית הם נדרשו להפוך דפוס רשת קטן לסימטרי מושלם על ידי הפעלה או השבתה של תיבות; ניתן היה להשיג זאת בהוספה של תיבות נוספות או בהסרה של תיבות קיימות. במשימת "סיכום" לשונית קיבלו המשתתפים מאמר חדשות וסיכום קיים והתבקשו לשנותו תחת מגבלות מספר מילים, שוב באפשרות להוסיף או לקצץ מילים. הצוות גם שינה שני גורמים מרכזיים: האם הוספה וחיסור היו יעילים באותה מידה או שמבצע החיסור דרש בבירור פחות צעדים, והאם ההוראות נוסחו במונחים ניטרליים ("שנה") או בנימה חיובית ("שפר").

מה אנשים עשו לעומת מה המכונות עשו

ברחבי שני המחקרים צפה דפוס מובהק: גם בני אדם וגם המודלים השפתיים העדיפו פתרונות של הוספה, אך המודלים עשו זאת בעוצמה רבה יותר. לאנשים הייתה משיכה חזקה להוסיף תיבות או מילים, ועדיין הם שימו לב ליעילות. כאשר החיסור היה הנתיב המהיר יותר, הם היו מוכנים במידה ניכרת להסיר אלמנטים. לעומת זאת, GPT-4 לעתים התנהג באופן הפוך—הפיק תשובות אף יותר מוספות דווקא כאשר חיסור היה יעיל יותר. GPT-4o הקטין במידה מסוימת את הסטייה הזו במשימת הסיכום הטקסטואלית, כאשר בחירותיו עקבו יותר אחר התנהגות אנושית, אך במשימת הרשת הוא עדיין התעלם במידה רבה מיעילות. בתנאים רבים, ובמיוחד עבור GPT-4o, תשובות מוסיפות הגיעו לרמות כמעט מקסימליות.

איך ניסוח חיובי מדרבן בחירות

טון רגשי של ההוראות השפיע גם הוא, אך בדרכים ספציפיות. במשימת רשת מרחבית, שינוי הפועל מניטרלי ("שנה") לחיובי ("שפר") לא שינה באופן מהימן את האסטרטגיות לאנשים או למודלים. במשימת הסיכום, עם זאת, התמונה הייתה שונה. כאשר ההוראות השתמשו בחזרה בניסוח חיובי, שני מודלי ה‑GPT ובמחקר השני גם המשתתפים האנושיים הפיקו יותר תגובות מוספות. זה מתאים לסטטיסטיקות שפה רחבות יותר המראות שמילים הקשורות לשיפור מקושרות לעתים קרובות יותר עם רעיון ההוספה מאשר ההסרה. הממצא מרמז שניסוח רגשי עדין בפרומפטים יכול לדחוף גם אנשים וגם בינה מלאכותית לכיוון "יותר" גם כאשר "פחות" היה מספיק.

מדוע ממצאים אלה חשובים להחלטות יומיומיות

להודי הקורא הפשוט, המסר המרכזי הוא שמוחנו, וה‑AI שאנחנו בונים, חולקים העדפה חזקה לפתרונות שמוסיפים במקום להסיר—ובתדירות גבוהה מודלי השפה המודרניים אף מגדילים את הנטייה הזו. בני אדם עדיין מציגים גמישות מסוימת, מתאימים את עצמם כאשר החיסור הוא ברור ויעיל יותר, אך המודלים נוטים לעקוב אחרי דפוסים הטבועים בשפה שעליהן הם אומנו. ככל שמערכות אלה מסייעות יותר בכתיבת מדיניות, בעיצוב מערכות או בהצעת שיפורים יומיומיים, הן עלולות להנחות אותנו בעד שיפורים מורכבים ומעורפלים יותר. הכרה ב"הטיית ההוספה" המשותפת היא צעד ראשון לעיצוב כלים והרגלים שיזכירו לנו לשאול לא רק "מה ניתן להוסיף?" אלא גם "מה ניתן להסיר?"

ציטוט: Uhler, L., Jordan, V., Buder, J. et al. Influence of solution efficiency and valence of instruction on additive and subtractive solution strategies in humans, GPT-4, and GPT-4o. Commun Psychol 4, 41 (2026). https://doi.org/10.1038/s44271-026-00403-0

מילות מפתח: הטיית הוספה, היסק חיסור, מודלים לשוניים גדולים, השוואת אדם–בינה מלאכותית, קבלת החלטות