به گزارش خبرآنلاین، احساس درد و خارش در چشمها میتواند نشانهای از صرف زمان زیاد در مقابل صفحهنمایشها و قرار گرفتن در معرض نور آبی باشد. افرادی که از این علائم رنج میبرند، ممکن است پلکهایشان کمی قرمز شوند.
اما اگر در ۱۸ ماه گذشته این علائم را به چتباتهای معروف اطلاع میدادید، ممکن است با پاسخی عجیب مثل «بیکسونیمانیا» روبهرو میشدید.
به نقل از ایسنا، این اصطلاح در منابع پزشکی معتبر وجود ندارد و بهعنوان یک بیماری واقعی شناخته نمیشود. این واژه توسط گروهی به رهبری «آلمیرا عثمانوویچ تونستروم»، پژوهشگر پزشکی در دانشگاه گوتنبرگ سوئد ابداع شده است. او در اوایل سال ۲۰۲۴ دو مطالعه جعلی در مورد این بیماری منتشر کرد به امید بررسی اینکه آیا مدلهای زبانی هوش مصنوعی قادر به پذیرش اطلاعات نادرست و انتشار آن بهعنوان اطلاعات پزشکی معتبر هستند یا خیر.
نتایج این آزمایش بهطور غیرمنتظرهای موفقیتآمیز بود، بهطوریکه تنها چند هفته پس از انتشار، هوش مصنوعیها این بیماری ساختگی را با جدیت مطرح کردند. نگرانکنندهتر اینکه، این مقالات جعلی حتی در مقالات علمی معتبر نیز مورد ارجاع قرار گرفتند. عثمانوویچ تونستروم بیان میکند که این امر نشاندهندهی اعتماد برخی پژوهشگران به اطلاعات تولیدشده توسط سیستمهای هوش مصنوعی بدون بررسی منابع اصلی است.
بیکسونیمانیا پیش از ۱۵ مارس ۲۰۲۴ وجود نداشت و در آن تاریخ، دو پست وبلاگی در مورد آن منتشر شد. سپس در پایان آوریل و اوایل مه، دو مقاله پیشچاپ دیگر درباره این بیماری در شبکه علمی SciProfiles منتشر شد. نویسنده اصلی این مقالات، فردی جعلی تحت عنوان «لازلیو ایزگوبلینوویچ» بود که عکسی کاملاً ساختگی نیز داشت.
عثمانوویچ تونستروم افزود که هدفش بررسی عملکرد مدلهای زبانی بزرگ و نحوه تاثیرگذاری پایگاههای داده بر خروجیهای این مدلها بوده است. او نام «بیکسونیمانیا» را به این دلیل انتخاب کرد که بهنظر عجیب و مضحک میرسد.
علاوه بر این، او در مقالاتش نکات زیادی برای مشخص کردن جعلی بودن آنها قرار داده بود، از جمله اشاره به دانشگاه خیالی و نام بردن از مؤسسات غیرواقعی.
با این حال، بهمحض انتشار، این بیماری بهطور گسترده در پاسخهای چتباتها دیده شد. برای مثال، مایکروسافت کوپایلت در آوریل ۲۰۲۴ این بیماری را «نسبتاً نادر» توصیف کرد، در حالی که گوگل جمینای توصیه کرد به چشمپزشک مراجعه شود. چت جیپیتی نیز از کاربران میپرسید آیا علائمشان به این بیماری مربوط میشود یا خیر.
این وضعیت موجب نگرانی کارشناسان شده است. «الکس رونی» از دانشگاه کالج لندن این واقعیت را نمونهای از انتشار اطلاعات غلط دانسته و تأکید میکند که این موضوع به هیچ وجه سطحی نیست و نشاندهنده یک مشکل جدیتر در دنیای اطلاعات است.
اطلاعات نادرست آنلاین پدیدهای جدید نیست، اما مدلهای زبانی بزرگ در فیلتر کردن اطلاعات معضلاتی دارند. از زمان انتشار این مقالات جعلی، برخی از این مدلها بهروز شده و نسبت به بیکسونیمانیا تردید نشان دادهاند. بهعنوان مثال، در مارس ۲۰۲۶، چت جیپیتی این بیماری را «احتمالاً ساختگی» نامید.چند روز پس از طرح یک پرسش، یک زیرگروه جدید درباره تیرگی دور چشم معرفی شد. این موضوع نشاندهنده وابستگی قابل توجه پاسخها به نوع سوالات و دادههای به کار رفته است.
پروفسور محمود عمر از دانشکده پزشکی هاروارد بیان میکند که سرعت سریع توسعه مدلهای جدید به دشواری ارزیابی دقیق آنها انجامیده است. او همچنین تأکید میکند که وجود ظاهری علمی در متون، باعث افزایش احتمال «توهم» در این مدلها میشود.
ناگفته نماند، یک مقالهای که در مجله Cureus منتشر شد، به نوعی از تیرگی دور چشم اشاره کرد که بهعنوان یک بیماری جدید مرتبط با نور آبی معرفی گردید. این مقاله در سال ۲۰۲۶ به دلیل ارجاع به منابع غیرقابل اعتماد پس گرفته شد. کارشناسان به این نکته اشاره دارند که پژوهشگران نیز ممکن است در دام اطلاعات نادرست بیفتند.
**نگرانیهای اخلاقی**
عثمانوویچ تونستروم در جریان تحقیقات خود نگران انتشار اطلاعات نادرست بود و به همین دلیل با یک مشاور اخلاق مشورت کرد و به انتخاب یک بیماری کمخطر روی آورد. با این وجود، برخی پژوهشگران مانند گلِن کوهن از دانشکده حقوق هاروارد، بر این باورند که این عمل نوعی تولید اطلاعات نادرست است، اگرچه آن را ارزشی بالاتر از مطالعه ناپسند نمیدانند.
**خطرات برای آینده**
کارشناسان هشدار میدهند که این مشکل تنها نوک کوه یخ است. ورود محتوای جعلی به دادههای آموزشی هوش مصنوعی میتواند باعث تکرار آن شود و فاصله ما از واقعیت را بیشتر کند. الیزابت بیک نسبت به خطرات این موضوع بهویژه در عرصه پزشکی هشدار میدهد و میگوید ممکن است به توصیههای نادرست برای سلامت منجر شود.
علاوه بر این، خطر سوءاستفادههای تجاری وجود دارد، بهویژه اگر کسی با معرفی یک بیماری جعلی، محصولاتی از قبیل عینکهای ضد نور آبی را تبلیغ کند و به هوش مصنوعی استناد کند.
در پایان، پژوهشگران پیشنهاد میکنند که یک سیستم ارزیابی استاندارد برای مدلهای پزشکی ایجاد شود تا میزان خطا، سوگیری و آسیبپذیری آنها به درستی بررسی شود.
