AI-chatbots giver brugerne et smallere udvalg af information end traditionelle internetsøgninger, viser et nyt studie.
Forskerne advarer om, at udviklingen på længere sigt kan føre til et såkaldt videnskollaps, hvis AI-genereret indhold i stigende grad bruges til at træne nye modeller.
Flere bruger AI-chatbots som ChatGPT, Gemini og Claude til at finde information, som de tidligere ville have søgt efter på Google, men det kan betyde, at vi bliver præsenteret for et smallere udsnit af den tilgængelige viden.
Det viser et nyt studie anført af forskere fra Datalogisk Institut på Københavns Universitet. Forskerne har undersøgt 27 store sprogmodeller på 155 forskellige emner. Til hvert emne blev der brugt 200 forskellige formuleringer af spørgsmål baseret på spørgsmål fra virkelige brugere. I alt omfattede analysen cirka 1,7 millioner AI-genererede svar og omkring 70 millioner enkeltstående udsagn.
- Samtlige sprogmodeller, vi har testet, giver brugeren mere ensartet information end en simpel Google-søgning på tværs af alle de emner, vi undersøgte. Folk bliver altså i høj grad eksponeret for den samme information igen og igen, siger førsteforfatter Dustin Wright, der tidligere var adjunkt på Datalogisk Institut og i dag er tilknyttet Aalborg Universitet.
Selv GPT-5 lå efter Google
Ifølge studiet var GPT-5 fra OpenAI den af de undersøgte sprogmodeller, der leverede de mest mangfoldige svar. Alligevel gav modellen mindst 18,7 procent mindre varieret information end Google. Forskerne undersøgte blandt andet emner som atomvåben, ægteskab, pornografi, racisme, folkedrab, Marine Le Pen, Falklandskrigen og K-pop.
Professor Isabelle Augenstein fra Datalogisk Institut på Københavns Universitet advarer om, at mindre variation kan få betydning, hvis AI-chatbots bliver en stadig vigtigere kilde til information.
- Vi risikerer, at folk bliver eksponeret for færre forskellige perspektiver og et smallere udvalg af viden. Og så kan der opstå en ond cirkel, hvor det mest populære indhold bliver endnu mere dominerende, mens andet indhold bliver mere og mere overset, siger hun.
Frygter et fremtidigt videnskollaps
Ifølge forskerne hænger den lavere variation blandt andet sammen med den måde, store sprogmodeller lærer mønstre i enorme mængder tekst.
Problemet kan ifølge forskerne blive større, hvis fremtidige AI-modeller i stigende grad trænes på indhold, der selv er produceret af AI. Hvis mindre varieret AI-indhold på den måde føres videre til nye generationer af modeller, kan variationen gradvist blive reduceret. Forskerne betegner den mulige udvikling som et "videnskollaps".
Det er dog ikke noget, forskerne mener er i gang nu.
- Vi kan dog se, at de nyeste modeller giver lidt mere varierede svar end de ældre modeller, så videnskollapset er ikke i gang endnu. Men mekanismen, der på længere sigt kan udløse det, er til stede, siger Isabelle Augenstein.
Hun opfordrer derfor brugere af AI-chatbots til fortsat at opsøge forskellige kilder, især når man forsøger at forstå et emne i dybden.
Studiet er udført af forskere fra Københavns Universitet, Aalborg Universitet, Stanford University, University of Colorado Boulder og University of Texas Austin. Det er accepteret til forskningskonferencen EMNLP 2026, der finder sted i oktober.