AI-chatbots er på vej til at blive en fast indgang til information for mange brugere. Men skiftet fra søgemaskiner til chatbots kan samtidig indsnævre den viden, vi bliver præsenteret for.
Det viser et nyt studie anført af Datalogisk Institut på Københavns Universitet. Forskerne har undersøgt 27 store sprogmodeller fra OpenAI, Meta, Google og Alibaba og sammenlignet bredden i deres svar med traditionelle internetsøgninger.
Analysen omfatter cirka 1,7 millioner AI-genererede svar og omkring 70 millioner enkeltstående udsagn. Konklusionen er ifølge forskerne, at samtlige testede sprogmodeller leverer mere ensartet information end en Google-søgning på tværs af de undersøgte emner.
“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. Så AI-chatbots ændrer ikke kun, hvordan vi finder viden, men også hvilken viden vi får adgang til,” siger studiets førsteforfatter Dustin Wright, tidligere adjunkt på Datalogisk Institut og nu tilknyttet Aalborg Universitet.
Selv GPT-5 ligger mindst 18,7 procent efter
Forskerne testede modellerne på 155 emner med tilknytning til 12 forskellige lande. For hvert emne blev der anvendt 200 forskellige formuleringer af prompts baseret på spørgsmål fra virkelige brugere.
Emnerne spænder blandt andet over atomvåben, ægteskab, pornografi, racisme og folkedrab samt mere landespecifikke emner.
GPT-5 fra OpenAI var ifølge studiet den sprogmodel, der leverede de mest mangfoldige svar. Alligevel var informationen mindst 18,7 procent mindre varieret end ved Google-søgninger.
Forskerne peger på, at udviklingen kan få betydning, hvis AI-chatbots i stigende grad bliver den primære vej 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 Isabelle Augenstein, professor ved Datalogisk Institut på Københavns Universitet og seniorforfatter på studiet.
![]()
Læs også:
Forskerne peger på risiko for “videnskollaps”
Ifølge forskerne hænger den lavere diversitet sammen med den måde, store sprogmodeller fungerer på. Modellerne komprimerer store mængder træningstekst og lærer de mønstre, der går igen. I den proces kan information, som afviger fra de mest almindelige mønstre, ifølge forskerne blive sorteret fra.
Problemet kan potentielt blive forstærket, hvis kommende AI-modeller i stigende grad trænes på tekster, der selv er produceret af AI.
Hvis modeller lærer af output, som allerede er mindre varieret end det oprindelige menneskeskrevne materiale, kan variationen ifølge forskerne gradvist blive reduceret gennem flere generationer. Det er denne mulige udvikling, forskerne betegner som et “videnskollaps”.
Der er dog ikke belæg for at konkludere, at et sådant kollaps allerede er i gang. Tværtimod viser undersøgelsen ifølge forskerne, at nyere modeller generelt leverer lidt mere varierede svar end ældre modeller.
“Det er en bekymrende tanke. 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. Så det er noget, vi bør være opmærksomme på,” siger Isabelle Augenstein.
Kan blive en opgave for AI-branchen
Resultaterne peger dermed ikke kun på en udfordring for brugerne, men potentielt også for virksomhederne bag de store sprogmodeller.
Forskerne opfordrer brugerne til fortsat at opsøge forskellige informationskilder, selv om AI-chatbots kan være effektive til at sammenfatte information. Samtidig håber de, at AI-udviklerne vil arbejde med at bevare større informationsbredde i kommende modeller.
“Vi håber AI-udviklerne vil lave sprogmodeller på en måde, der bevarer bredden i den viden, vi mennesker har adgang til. Vi har her en metode, de kan bruge til at måle diversiteten i modellerne, som kan være med til at sikre, at fremtidens sprogmodeller ikke bliver mindre mangfoldige,” siger Dustin Wright.
Forskningen er udført af forskere fra Københavns Universitet, Aalborg Universitet, Stanford University, University of Colorado Boulder og University of Texas Austin. Studiet er accepteret til forskningskonferencen EMNLP 2026, der finder sted i oktober.
Vores team kan have anvendt AI til at assistere i skabelsen af dette indhold, som er gennemgået af redaktørerne.
![]()
Læs også: