Mae ymchwil newydd yn nodi gwendidau sylfaenol mewn modelau iaith AI

Mae academydd o Brifysgol Metropolitan Caerdydd yn gyd-awdur ar astudiaeth newydd sy’n dadlau bod diffygion mwyaf arwyddocaol deallusrwydd artiffisial (AI) yn deillio o wahaniaeth sylfaenol rhwng sut mae bodau dynol a pheiriannau’n caffael gwybodaeth.

Wedi’i gyhoeddi yn y cyfnodolyn AI & Society , mae’r papur, More Problems of Large Language Models in Comparison with Human Knowledge, yn nodi 13 o wendidau sylfaenol mewn modelau iaith fawr (LLM) megis ChatGPT ac yn dadlau na ellir lleihau gwybodaeth ddynol i ddata yn unig.

Mae’r astudiaeth, sy’n rhan o gydweithrediad ymchwil mewnol o’r enw’r ‘Grŵp Arsylwi Gwybodaeth’, wedi’i chyd-awduro gan Dr Simon Thorne, Uwch Ddarlithydd mewn Cyfrifiadureg ym Met Caerdydd.

Mae’r awduron yn dadlau bod gwybodaeth ddynol yn cael ei datblygu drwy gymdeithasoli, addysg a chyfranogiad mewn cymunedau, tra bod myfyrwyr LLM yn cael eu hyfforddi ar symiau enfawr o destun rhyngrwyd heb brofi’r prosesau cymdeithasol strwythuredig sy’n helpu pobl i ddatblygu barn, moesoldeb a dealltwriaeth o dystiolaeth.

Mae’r awduron yn awgrymu bod y gwahaniaeth hwn yn helpu i esbonio pam y gall systemau AI ymddangos yn rhugl ac awdurdodol tra’n dal i gynhyrchu gwybodaeth anghywir neu hyd yn oed wedi’i ffugio.

Dywedodd Dr Simon Thorne:

“Mae modelau iaith mawr yn eithriadol o dda am gynhyrchu iaith argyhoeddiadol, ond nid yw hyn yr un peth â dealltwriaeth wirioneddol. Mae ein hymchwil yn dangos y gellir olrhain llawer o’r gwendidau a welwn mewn deallusrwydd artiffisial heddiw yn ôl i’r ffaith nad yw dulliau dysgu LLM yn gyfwerth â chymdeithasoli dynol na chyfranogiad mewn bywyd cymdeithasol.”

Mae’r papur yn dadlau bod bodau dynol yn datblygu ‘cwmpawd moesol’ a’r hyn y mae’r ymchwilwyr yn ei alw yn ‘synwyrusrwydd ystafell ddosbarth’ o oedran cynnar. Mae’r profiadau hyn yn dysgu pobl nid yn unig ffeithiau, ond sut i farnu a yw gwybodaeth yn ddibynadwy, pryd mae tystiolaeth yn ddigonol, a phryd mae’n briodol cyfaddef ansicrwydd. Mae diffyg y sylfeini hyn mewn myfyrwyr LLM cyfredol ac yn hytrach maent yn gweithredu gyda’r hyn a ddisgrifir ganddynt fel ‘gorchymyn ymateb’ – tuedd i ddarparu ateb p’un a oes gan y system sail ddibynadwy ar gyfer cynhyrchu’r ateb ai peidio.

Mae’r astudiaeth hefyd yn codi pryderon ynghylch y graddau y gall systemau AI gael eu llunio gan y rhai sy’n eu hyfforddi, eu halinio neu eu haddasu, gan dynnu sylw at y potensial i ddylanwad gwleidyddol, masnachol neu ideolegol effeithio ar allbynnau. Mae’r awduron yn dadlau y bydd tryloywder a chraffu beirniadol yn dod yn fwyfwy pwysig wrth i systemau deallusrwydd artiffisial ddod yn rhan annatod o addysg, gofal iechyd, busnes a gwasanaethau cyhoeddus.

Mae’r ymchwilwyr yn pwysleisio nad yw eu canfyddiadau’n lleihau defnyddioldeb o LLM. Yn hytrach, maen nhw’n dadlau bod angen mwy o gydnabyddiaeth o’r bwlch rhwng deallusrwydd dynol a deallusrwydd peiriannol er mwyn defnyddio technolegau AI yn ddiogel ac yn ddibynadwy.

Dywedodd Dr Thorne:

“Nid sut i adeiladu systemau AI mwy pwerus yw’r her sy’n wynebu cymdeithas. Yr her, yw sut i sicrhau ein bod yn deall eu cyfyngiadau, ffynonellau eu gwybodaeth, a’r risgiau sy’n codi pan fydd iaith rhugl yn cael ei chamgymryd am arbenigedd.

“Rydym wedi cynnig fframwaith rydym yn gobeithio y bydd yn rhoi ffordd fwy systematig i ymchwilwyr, llunwyr polisi a datblygwyr technoleg o asesu systemau deallusrwydd artiffisial a rhagweld risgiau posibl wrth i’r dechnoleg barhau i esblygu.”

Nodyn i Olygyddion: Dyma gyd-awduron Dr Thorne; Athro Harry Collins o Goleg Prifysgol Llundain, yr Athro Rob Evans o Brifysgol Caerdydd a Dr Paul Newbury o Yard Digital/Met Caerdydd.

Mae’r papur llawn yma: Collins, H., Thorne, S., Newbury, Evans, R., (2026). More problems of large language models in comparison with human knowledge. AI & Soc. https://doi.org/10.1007/s00146-026-03021-w