AIથી કરાયેલા સર્વે કેટલા સચોટ? મોટી રિસર્ચમાં સામે આવ્યું મોટું અંતર, જાણો શા માટે માણસોની રાય હજુ જરૂરી
આર્ટિફિશિયલ ઇન્ટેલિજન્સ એટલે કે AI હવે માત્ર સવાલોના જવાબ આપવા, તસવીરો બનાવવામાં કે લખાણ તૈયાર કરવામાં જ ઉપયોગમાં આવતું નથી. દુનિયાભરમાં સંશોધકો AIનો ઉપયોગ લોકોની પસંદગી, વિચારસરણી અને અલગ-અલગ મુદ્દાઓ પર તેમની રાય સમજવા માટે પણ કરવાનો પ્રયાસ કરી રહ્યા છે. જો લાખો લોકો સુધી સીધા પહોંચીને સર્વે કરવાને બદલે AIની મદદથી લોકોના ‘ડિજિટલ પ્રતિરૂપ’ બનાવીને તેમની સંભવિત રાય જાણી શકાય, તો સર્વેની પ્રક્રિયા ઝડપી અને ઓછી ખર્ચાળ બની શકે છે.
પરંતુ શું AI ખરેખર માણસોની રાયને એટલી જ ચોકસાઈથી રજૂ કરી શકે છે? આ સવાલનો જવાબ શોધવા માટે Pew Research Center દ્વારા કરવામાં આવેલા એક તાજેતરના પ્રયોગમાં સામે આવેલી માહિતી રસપ્રદ પણ મહત્વપૂર્ણ છે. સંસ્થાએ વાસ્તવિક લોકોના સર્વેના પરિણામોની તુલના AI દ્વારા તૈયાર કરવામાં આવેલા ‘સિન્થેટિક’ સર્વે સાથે કરી હતી. પરિણામે જાણવા મળ્યું કે AIના જવાબો ઘણી જગ્યાએ વાસ્તવિક લોકોની રાયથી નોંધપાત્ર રીતે અલગ હતા.
વાસ્તવિક લોકો સામે AIના ‘ડિજિટલ ટ્વિન’
Pew Research Centerએ પોતાના American Trends Panel (ATP)માં સામેલ વાસ્તવિક લોકોના અગાઉના સર્વેને આધાર બનાવ્યો હતો. સંશોધકોએ કેટલાક વાસ્તવિક ભાગ લેનારાઓની ઉંમર, સામાજિક-આર્થિક અને અન્ય પ્રોફાઇલ માહિતીના આધારે AI દ્વારા તેમના ‘ડિજિટલ ટ્વિન’ તૈયાર કર્યા.
ત્યારબાદ આ AI પ્રતિરૂપોને એવા જ સવાલો પૂછવામાં આવ્યા જે અગાઉ વાસ્તવિક લોકોને પૂછવામાં આવ્યા હતા. આ રીતે સંશોધકો એ સમજવા માગતા હતા કે જો વાસ્તવિક વ્યક્તિની જગ્યાએ તેની પ્રોફાઇલને આધારે AI જવાબ આપે, તો પરિણામ મૂળ સર્વે સાથે કેટલું મેળ ખાય છે.
આ પ્રયોગમાં 2026ની શરૂઆતમાં કરવામાં આવેલા ત્રણ સર્વેની તુલના કરવામાં આવી હતી. લગભગ 300 અલગ-અલગ સવાલોના પરિણામો જોવામાં આવ્યા અને AI તથા માણસોના જવાબો વચ્ચે સરેરાશ આશરે 12 ટકા પોઇન્ટનું અંતર જોવા મળ્યું. લગભગ 28 ટકા સવાલોમાં આ અંતર 15 ટકા પોઇન્ટથી પણ વધારે હતું.
આ આંકડો એટલા માટે મહત્વનો છે કારણ કે સામાન્ય સર્વેમાં થોડો ફેરફાર સ્વાભાવિક હોય છે, પરંતુ જ્યારે AI દ્વારા બનાવવામાં આવેલા પ્રતિભાવોમાં સતત અને મોટા પ્રમાણમાં અંતર જોવા મળે ત્યારે તેના આધારે જાહેર અભિપ્રાયનો અંદાજ લગાવવો જોખમી બની શકે છે.
કેટલાક વર્ગોમાં ભૂલ વધુ જોવા મળી
રિસર્ચમાં માત્ર સમગ્ર અમેરિકન વસ્તીના પરિણામોની જ તપાસ કરવામાં આવી નહોતી. અલગ-અલગ સામાજિક અને વસ્તી જૂથોમાં પણ AI કેટલું સચોટ અનુમાન કરે છે તે જોવામાં આવ્યું હતું.
Pewના આંકડા અનુસાર રિપબ્લિકન અને રિપબ્લિકન તરફ ઝુકાવ ધરાવતા લોકોના જવાબોમાં સરેરાશ ભૂલ લગભગ 16.1 ટકા પોઇન્ટ હતી. બ્લેક વયસ્કો માટે આ સરેરાશ ભૂલ લગભગ 15.1 ટકા પોઇન્ટ, જ્યારે હિસ્પેનિક વયસ્કો માટે લગભગ 13.9 ટકા પોઇન્ટ હતી. એટલે એકંદર પરિણામની સરખામણીમાં કેટલાક જૂથોના જવાબોને AI વધુ મુશ્કેલીથી પુનઃઉત્પાદિત કરી શક્યું.
આ વાત બતાવે છે કે કોઈ વ્યક્તિની ઉંમર, જાતિ અથવા અન્ય પ્રોફાઇલ માહિતી જાણી લેવી એ તેની વાસ્તવિક વિચારસરણીને સંપૂર્ણ રીતે સમજવા માટે પૂરતું નથી.
માણસો ‘મને ખબર નથી’ કહી શકે છે, AI માટે આ મુશ્કેલ બન્યું
સર્વેમાં એક બીજી રસપ્રદ બાબત પણ સામે આવી. વાસ્તવિક માણસ જ્યારે કોઈ સવાલનો જવાબ જાણતો ન હોય અથવા કોઈ મુદ્દે પોતાનું મંતવ્ય સ્પષ્ટ ન હોય ત્યારે તે સરળતાથી ‘ખાતરી નથી’ અથવા ‘મને ખબર નથી’ જેવા વિકલ્પ પસંદ કરી શકે છે.
પરંતુ AI દ્વારા તૈયાર કરાયેલા પ્રતિભાવોમાં આવી અનિશ્ચિતતા ઘણી ઓછી જોવા મળી. સંશોધનના પરિણામો દર્શાવે છે કે જ્યાં વાસ્તવિક લોકોએ ‘નોટ શ્યોર’ જેવા વિકલ્પનો ઉપયોગ કર્યો, ત્યાં AI પ્રતિભાવોમાં તે વિકલ્પનો ઉપયોગ નોંધપાત્ર રીતે ઓછો થયો હતો.
આ તફાવત નાનો લાગતો હોવા છતાં સર્વે માટે ખૂબ મહત્વનો છે. કારણ કે લોકોના અભિપ્રાયને સમજવાનો અર્થ માત્ર એ જાણવું નથી કે કેટલા લોકો ‘હા’ અથવા ‘ના’ કહે છે. કેટલા લોકો કોઈ મુદ્દે ચોક્કસ છે અને કેટલા લોકો અનિશ્ચિત છે, તે પણ જાહેર અભિપ્રાયનો મહત્વનો ભાગ છે.
AIએ લોકોની રાયને વધુ એકસરખી બનાવી દીધી
માણસોની વિચારસરણીમાં ઘણી વિવિધતા હોય છે. એક જ પ્રશ્ન પર કેટલાક લોકો ખૂબ મજબૂત અભિપ્રાય ધરાવતા હોય છે, જ્યારે કેટલાક લોકો મધ્યમ અથવા અનિશ્ચિત સ્થિતિમાં હોય છે.
Pewની રિસર્ચમાં જોવા મળ્યું કે AI દ્વારા તૈયાર કરવામાં આવેલા સર્વેમાં આ વિવિધતા ઘણીવાર ઓછી થઈ ગઈ હતી. કેટલાક સવાલોમાં AIએ લોકોના અભિપ્રાયને વાસ્તવિકતા કરતાં વધુ કટ્ટર અથવા આત્યંતિક બતાવ્યો, જ્યારે અન્ય સવાલોમાં મોટાભાગના લોકોને મધ્યમ વિકલ્પ તરફ ધકેલી દીધા.
અર્થાત્ AI કોઈ મુદ્દા પર સાચી દિશા પકડી લે તો પણ લોકોની અંદરની વિવિધતા અને મતભેદોની સંપૂર્ણ તસવીર રજૂ કરી શકે તે જરૂરી નથી.
એક જ સવાલ, પરંતુ અલગ AI મોડલનો અલગ જવાબ
આ સંશોધનનો સૌથી રસપ્રદ ભાગ એ પણ હતો કે AIના મોડલ બદલાતા પરિણામો પણ બદલાઈ ગયા.
સંશોધકોએ કેટલાક સવાલો માટે OpenAIના GPT-5.1 અને Anthropicના Claude Opus 4.6નો ઉપયોગ કર્યો. બંને મોડલને સમાન પ્રકારની માહિતી અને સવાલો આપવામાં આવ્યા હતા, છતાં બંને દ્વારા તૈયાર કરવામાં આવેલા સિન્થેટિક સર્વેના પરિણામોમાં તફાવત જોવા મળ્યો.
Pewના વિશ્લેષણ મુજબ Claude Opus 4.6નું સરેરાશ absolute error આશરે 11.4 ટકા પોઇન્ટ હતું, જ્યારે GPT-5.1 માટે તે આશરે 13.3 ટકા પોઇન્ટ હતું. તેમ છતાં સંશોધકોએ સ્પષ્ટ કર્યું કે બંનેમાંથી કોઈ મોડલ વાસ્તવિક માનવ સર્વેનું પૂરતું પ્રતિબિંબ રજૂ કરી શક્યું નહોતું.
આથી માત્ર ‘AIનો ઉપયોગ કર્યો’ એટલું કહેવું પૂરતું નથી. કયું મોડલ ઉપયોગમાં લેવાયું, તેને કઈ માહિતી આપવામાં આવી અને સર્વે કેવી રીતે તૈયાર કરવામાં આવ્યો—આ બધું પરિણામને અસર કરી શકે છે.
સવાલનો વિષય બદલાય તો પરિણામ પણ બદલાય
સંશોધનમાં એવા સવાલો પણ હતા જેમાં AI વાસ્તવિક લોકોની રાયની નજીક પહોંચ્યું હતું. પરંતુ કોઈ એક પ્રકારના સવાલ અથવા કોઈ એક વિષયમાં AI સતત સારું પ્રદર્શન કરે છે એવું સ્પષ્ટ પેટર્ન જોવા મળ્યું નહોતું. કેટલાક સવાલોમાં એક મોડલ વધુ નજીક હતું, જ્યારે બીજા સવાલોમાં બીજું મોડલ વાસ્તવિક પરિણામની નજીક પહોંચ્યું હતું.
આ બાબત ખાસ કરીને વર્તમાન ઘટનાઓ, રાજકીય અને સામાજિક મુદ્દાઓ જેવા વિષયોમાં મહત્વપૂર્ણ બની જાય છે. લોકોની રાય ઘણીવાર તાજેતરની ઘટનાઓ, વ્યક્તિગત અનુભવ અને બદલાતી પરિસ્થિતિઓથી પ્રભાવિત થાય છે. AI પાસે વ્યક્તિની પ્રોફાઇલની માહિતી હોય તો પણ તે વ્યક્તિ તે ક્ષણે શું અનુભવી રહી છે અથવા કોઈ નવી ઘટના તેના વિચારોને કેવી રીતે બદલી રહી છે, તે હંમેશા ચોક્કસ રીતે જાણી શકતું નથી.
તો શું AI સર્વે કોઈ કામના નથી?
આ રિસર્ચનો અર્થ એવો નથી કે AIનો સર્વે અથવા ડેટા સાથેનો ઉપયોગ સંપૂર્ણપણે નિરર્થક છે. AI મોટી માત્રામાં માહિતી ઝડપથી ગોઠવી શકે છે, ખુલ્લા જવાબોને વર્ગીકૃત કરી શકે છે અને સર્વેના ડેટાનું વિશ્લેષણ કરવામાં સંશોધકોની મદદ કરી શકે છે.
Pew Research Center પોતે પણ સર્વે સંબંધિત કેટલાક કામોમાં AIનો ઉપયોગ કરી રહ્યું છે, જેમ કે ખુલ્લા પ્રશ્નોના જવાબોને વર્ગીકૃત કરવા અથવા ડેટા વિશ્લેષણ માટે કોડ તૈયાર કરવામાં મદદ લેવી. પરંતુ સંસ્થાના આ પ્રયોગનું મુખ્ય તારણ એ છે કે AIને વાસ્તવિક લોકોના સ્થાને સર્વેમાં પ્રતિભાવ આપનાર તરીકે મૂકવાથી હાલના તબક્કે વિશ્વસનીય માનવ સર્વેનો વિકલ્પ મળતો નથી.
માણસોની વાસ્તવિક રાય કેમ મહત્વની છે?
જાહેર અભિપ્રાય માત્ર આંકડાઓનો સમૂહ નથી. કોઈ વ્યક્તિ કોઈ પ્રશ્નનો જવાબ આપતી વખતે તેના પોતાના અનુભવ, પરિવાર, સામાજિક વાતાવરણ, સમાચાર, મૂલ્યો અને તે સમયની પરિસ્થિતિને ધ્યાનમાં લેતી હોઈ શકે છે.
AI આ તમામ બાબતો વિશે ઉપલબ્ધ માહિતીના આધારે સંભવિત જવાબ તૈયાર કરી શકે છે, પરંતુ તે જવાબ ખરેખર તે વ્યક્તિનો પોતાનો અનુભવ છે એવું કહી શકાય નહીં.
એટલે ભવિષ્યમાં AI સર્વે ટેક્નોલોજીમાં વધુ સુધારો થાય અને તેના પરિણામોમાં ભૂલ ઓછી થાય તેવી શક્યતા ચોક્કસ છે. Pewએ પણ નોંધ્યું છે કે નવા મોડલ અને સિન્થેટિક સેમ્પલ બનાવવાની નવી રીતોથી ભવિષ્યમાં પરિણામોમાં સુધારો થઈ શકે છે.
પરંતુ હાલમાં થયેલા આ પ્રયોગમાંથી એક વાત સ્પષ્ટ થાય છે—લોકો શું વિચારે છે તે જાણવા માટે લોકો પાસેથી સીધું પૂછવું હજુ પણ સૌથી મહત્વપૂર્ણ રીતોમાંથી એક છે. AI સંશોધનને ઝડપી અને સરળ બનાવવામાં મદદ કરી શકે છે, પરંતુ માણસોની વાસ્તવિક રાયને સંપૂર્ણ રીતે તેમના AI પ્રતિરૂપથી બદલી શકાય છે એવું માનવા માટે હજુ પૂરતા પુરાવા નથી.
