Studii s názvem Large Language Models Exhibit Human-Like Bayesian Hypocrisy publikovali Nykko Vitali a Mahzarin R. Banaji z Harvardovy univerzity. Preprint vyšel na serveru arXiv 3. srpna 2026 a popisuje pět experimentů se 48 podmínkami, ve kterých proběhlo více než 5 000 pokusů. Na text upozornil server Tech Xplore. Vše je předregistrované, data a analytický kód autoři zveřejnili v repozitáři OSF.
Co je Bayesovské uvažování a proč na něm záleží
Bayesova věta zní jako něco ze statistické učebnice, ale je to vlastně popis toho, jak by se měl racionální člověk přepočítat, když dostane novou informaci. Učebnicový příklad: nemoc má 1 % populace a test ji odhalí s 90 % spolehlivostí. Když vám vyjde pozitivní, spousta lidí usoudí, že jste nemocní skoro jistě. Bayesova věta říká něco jiného. Když je nemoc vzácná, pozitivní test pořád znamená relativně malou šanci, že ji opravdu máte.
Tahle korekce „podle výchozí pravděpodobnosti" je matematicky správná. Lidé ji ale často nedělají, a když ji někdo udělá, vyvolává to nepříjemný pocit. Říct matce, že její dítě má „jen 8 % šanci", že je nemocné, protože ta nemoc je vzácná, je sice statisticky férové, ale společensky to zní chladně.
Lidé jsou v tom pokrytci, zjistila už studie z roku 2019
Přesně na tenhle rozpor narazili výzkumníci už dřív. Studie Cao a kolegů z roku 2019 ukázala, že lidé Bayesovo pravidlo sami používají, ale když ho použije někdo jiný při hodnocení druhého člověka, hodnotí ho jako méně kompetentního a morálně problematického. Autoři tohle chování pojmenovali „Bayesovské pokrytectví". Jeden a ten samý výpočet je v pořádku, když ho dělám já, ale divný, když ho dělá někdo jiný o mně.
Harvardští výzkumníci se ptali, jestli se stejná nedůslednost objeví i u jazykových modelů. Vzali dva modely, GPT-4o a Claude 3.7 Sonnet, a pustili je přes dvě varianty úlohy na Bayesovské uvažování. Výsledky srovnávali s lidskými daty právě z oné studie z roku 2019.
Modely počítaly správně, ale soudily lidi tvrději než lidé
Výsledek je dvojí. V samotném výpočtu se modely držely blízko lidskému výkonu. Jejich uvažování bylo ale strnulejší a více založené na pravidlech než lidské. A pak přišla ta zajímavější část. Modely hodnotily kompetenci a morálku hypotetického člověka, který zadal stejnou úlohu jako ony. Odsoudily ho za to, že použil Bayesovo pravidlo. Přesně to pravidlo, které samy právě použily.
Shrnutí na serveru News Minimalist doplňuje, že ze dvou testovaných modelů dával Claude nejnižší hodnocení férovosti. Podle abstraktu preprintu modely „stejně jako lidé, ale ve větší míře" prokázaly stejné pokrytectví. Jinými slovy: lidskou nedůslednost nejen kopírují, ale ještě zesilují.
Proč to není jen akademická zajímavost
Jazykové modely se čím dál častěji používají jako hodnotitelé. Firma je nechá posoudit, jestli odpověď jiného modelu dává smysl, nebo jestli kandidát v životopise nelže. Tomuhle přístupu se říká „LLM jako soudce" a šetří hodiny ruční práce. Jenže když model při hodnocení uvažování druhých uplatňuje dvojí metr, může do výstupů tiše propašovat lidskou chybu, kterou nikdo nekontroluje.
Autoři v závěru varují před nasazením modelů tam, kde se střetává statistická přesnost s normami férovosti. Přesně do té kategorie spadají rozhodnutí o úvěrech, náboru nebo hodnocení zaměstnanců. V Evropě to není jen teoretická debata. Akt o umělé inteligenci řadí systémy, které ovlivňují přístup lidí ke službám nebo zaměstnání, mezi vysoce rizikové a vyžaduje u nich mimo jiné férovost a nediskriminaci.
Co studie zatím neumí vysvětlit
Důležité je držet se toho, co preprint skutečně říká. Jde o nezávislé hodnocení dvou konkrétních modelů, ne o důkaz, že „všechna AI je pokrytecká". Výzkum zatím neprošel recenzním řízením. Autoři plánují navázat prací s modely s otevřenými váhami, u kterých lze nahlédnout dovnitř a zjistit, odkud se tenhle rozpor mezi vlastním výkonem a hodnocením druhých bere. To je technicky vzato podstata problému: model umí počítat, ale když má o stejném výpočtu mluvit jako o cizím, vynese jiný soud.
Co je přesně „Bayesovské pokrytectví"?
Je to situace, kdy někdo sám používá Bayesovo pravidlo pro odhad pravděpodobnosti, ale když stejný postup použije jiný člověk při hodnocení druhých, označí ho za neférový nebo chladný. Jedno pravidlo, dva různé soudy podle toho, kdo ho používá.
Byly testované modely lepší, nebo horší než lidé?
V samotném výpočtu se držely blízko lidskému výkonu, ale uvažovaly strnuleji a více podle pravidel. V pokrytectví lidské chování nepřekonaly směrem k férovosti – naopak, odsuzovaly druhé silněji než lidé.
Jsou tyhle výsledky už definitivní?
Ne. Jde o preprint zveřejněný na arXiv v srpnu 2026, který zatím neprošel recenzním řízením. Autoři testovali dva konkrétní modely a plánují pokračovat s modely s otevřenými váhami.
