اگر از ۵ سیستم پیشرفته هوش مصنوعی جهان بپرسید که آیا یک گزاره خاص حقیقت دارد یا خیر، به احتمال زیاد پاسخ‌های متفاوتی دریافت خواهید کرد. در دورانی که بسیاری از کاربران برای بررسی صحت اخبار و اطلاعات به چت‌بات‌ها پناه می‌برند، یک پژوهش جدید نشان می‌دهد که مدل‌های برتر هوش مصنوعی بیشتر اوقات نمی‌توانند روی یک حقیقت ساده با یکدیگر به توافق نظر برسند.
در پژوهشی که توسط «مؤسسه‌ی تحقیقاتی لنز» (Lenz Research)، انجام شده، ۱۰۰۰ ادعای واقعی که توسط کاربران برای راستی‌آزمایی ثبت شده بود، به مدل‌های «جی‌پی‌تی ۵.۴»، «کلود اوپوس ۴.۷»، «جمنای ۳ پرو»، «جمنای ۳ پرو همراه با جستوجو» و «سونار پرو» داده شد. این مدل‌ها باید برای هر ادعا یکی از چهار برچسب «درست»، «عمدتاً درست»، «گمراه‌کننده» یا «نادرست» را انتخاب می‌کردند.
نتایج بررسی بسیار تأمل‌برانگیز بود. در ۶۷۲ مورد از ۱۰۰۰ ادعای مطرح شده (یعنی حدود ۶۷ درصد مواقع)، حداقل یکی از مدل‌ها پاسخی متفاوت از بقیه ارائه داد. موضوع زمانی نگران‌کننده‌تر می‌شود که بدانیم در ۳۴ درصد از موارد، اختلاف نظرها کاملاً متضاد بود؛ تا‌حدی که یک مدل ادعایی را «درست» و مدل دیگر همان ادعا را «نادرست» تشخیص داد.
