Co vědci zkoumali?

Tým výzkumníků z King Khalid University v Saúdské Arábii se rozhodl podrobit tři přední velké jazykové modely (LLM) standardizovanému psychologickému testu. Konkrétně šlo o OpenAI o1, Google Gemini 2.0 a DeepSeek-V3. Každý model byl opakovaně testován pomocí arabské verze Study of Values (SOV) — klasického nástroje založeného na šesti hodnotových dimenzích Edwarda Sprangera: teoretické, sociální, ekonomické, estetické, politické a náboženské hodnoty.

Testování probíhalo mezi 1. prosincem 2024 a 30. lednem 2025. Modely dostaly celkem 45 nucených volby typu A/B a byly vyzvány, aby bez vysvětlování zvolily jednu z možností. Každý model absolvoval test několikrát — ChatGPT-o1 dokonce sedmkrát, Gemini a DeepSeek pětkrát — aby vědci ověřili stabilitu odpovědí. Výsledky byly následně srovnány s hodnotovými profily 214 univerzitních studentů (134 mužů, 80 žen) z oborů psychologie, vzdělávání a pedagogické administrativy.

Cílem nebylo „prokázat“, že AI má city nebo víru. Autoři studie zdůrazňují, že jazykové modely nemají sebevědomí ani subjektivní zkušenost. Šlo o to zjistit, zda výstupy AI vykazují stabilní vzorce hodnot, které by mohly ovlivňovat rozhodování, vzdělávání nebo poradenství — oblasti, kde se AI stále častěji uplatňuje.

Klíčové výsledky: teoretické hodnoty vládnou, náboženské chybí

Výsledky byly jednoznačné. U všech tří testovaných modelů dominovaly teoretické hodnoty — zájem o poznání, pravdu a kritické myšlení. Na druhém místě skončily sociální hodnoty, následované estetickými a politickými. Náboženské hodnoty konzistentně obsadily poslední příčku ve všech modelech a všech opakováních testu. Ekonomické hodnoty se držely v dolní polovině žebříčku.

U studentů to bylo přesně naopak. Náboženské hodnoty zaujaly první místo, následované teoretickými. Politické a ekonomické hodnoty se pohybovaly ve středu pole a estetické hodnoty skončily poslední. Sociální hodnoty byly u studentů relativně nízko, což autoři připisují specifickému kulturnímu kontextu vzorku — studenti pedagogických oborů v konzervativní společnosti mohou klást větší důraz na individuální duchovní odpovědnost než na kolektivní sociální aktivismus.

Nejvíce ale vystupují statistické efekty rozdílů. Cohenovo d pro náboženské hodnoty dosáhlo hodnoty 2,21, což v psychologickém výzkumu znamená „velmi velký efekt“. Pro srovnání: rozdíl v průměrné výšce mezi muži a ženami je přibližně d = 1,5. Rozdíl mezi AI a lidmi v oblasti náboženství je tedy ještě markantnější. V teoretických hodnotách dosáhl efekt d = 1,22 (rovněž velký efekt, tentokrát ve prospěch AI). V estetických hodnotách pak d ≈ 0,85 ve prospěch modelů.

Rozdíly mezi jednotlivými modely

I když všechny tři modely sdílely stejný základní hodnotový profil, mezi nimi existovaly významné odchylky. ChatGPT-o1 vykazoval nejvyšší skóre v teoretických i sociálních hodnotách a celkově nejstabilnější odpovědi napříč opakovanými testy (Kendallovo W = 0,802). Gemini 2.0 byl ve srovnání s ním méně stabilní (W = 0,448) a jeho odpovědi kolísaly výrazněji — což autoři připisují větší citlivosti modelu na drobné fluktuace v instrukcích nebo kontextu. DeepSeek-V3 sice vykázal dobrou stabilitu (W = 0,840), ale v sociálních hodnotách skončil pod ChatGPT a v náboženských hodnotách byl dokonce výrazně pod Gemini.

Standardizované rozdíly mezi modely vyjádřené v lidských směrodatných odchylkách ukazují, že ChatGPT překonává Gemini a DeepSeek v teoretických hodnotách o více než 2 lidské směrodatné odchylky. V sociálních hodnotách je tento rozdíl ještě výraznější. To naznačuje, že „hodnoty“ AI nejsou univerzální — jsou přímým odrazem tréninkových dat, architektury a filtrů použitých při vývoji.

Proč je tento výzkum zásadní?

Studie přichází v kritickém okamžiku. AI systémy se stávají součástí vzdělávání, psychologického poradenství, zdravotnictví a právního rozhodování. Pokud model implicitně upřednostňuje teoretické hodnoty nad náboženskými nebo sociálními, může to ovlivnit jeho rady v etických dilematech, vzdělávací obsah nebo doporučení v citlivých oblastech.

Autoři studie varují před antropomorfní interpretací — tedy představou, že AI „má“ hodnoty ve smyslu lidského přesvědčení. Jazykové modely produkují vzorce odvozené z textových korpusů, nikoli z morálního vývoje nebo kulturní socializace. Přesto tyto vzorce reálně formují, jak AI komunikuje, radí a „rozhoduje“. A právě proto je důležité rozumět jejich hodnotovým preferencím.

Výzkum také připomíná, že hodnotové preference AI nejsou neutrální. Tréninková data pocházejí převážně z anglicky psaných internetových zdrojů, akademických článků a technických dokumentací — prostředí, kde teoretické a racionální hodnoty přirozeně dominují. Náboženské, komunitní nebo kulturně specifické hodnoty jsou v těchto datasetech podreprezentovány. Výsledkem je systém, který může působit objektivně, ale ve skutečnosti reflektuje hodnotový profil určité — převážně západní, sekularizované, technokratické — části světa.

Co to znamená pro Česko a Evropu?

I když byl lidský vzorek saúdskoarabský, závěry studie mají přímou relevanci pro evropský kontext. Česká republika a Evropská unie se aktuálně potýkají s implementací AI Actu, který klade důraz na transparentnost, etiku a kulturní nezaujatost AI systémů. Výzkum z Frontiers ukazuje, že kulturní nezaujatost je zatím spíše ideálem než realitou.

V českém prostředí, kde podle výzkumů CVVM přibližně 15 % občanů deklaruje silnější náboženskou víru a významná část společnosti kladie důraz na komunitní a rodinné hodnoty, by mohly AI systémy s extrémně nízkým „náboženským skóre“ působit cize nebo dokonce destruktivně v oblasti pastorace, etického poradenství nebo vzdělávání. Výzkum proto podporuje požadavky EU na tzv. „kulturně citlivý vývoj AI“ — tedy nutnost integrovat do tréninkových dat a bezpečnostních filtrů rozmanitější hodnotové dimenze.

Prakticky to znamená, že firmy a instituce v ČR by neměly brát výstupy AI v citlivých oblastech jako objektivní pravdu. ChatGPT, Gemini i DeepSeek jsou dostupné v češtině a čeští uživatelé je využívají pro rady v osobních, etických i vzdělávacích otázkách. Tento výzkum je varováním: AI odpovídá podle svého — datově podmíněného — hodnotového žebříčku, nikoli podle toho lidského.

Autoři studie proto apelují na vzdělávací instituce, aby studenty učily kritickému přístupu k AI nástrojům. Nejde o to nástroje zavrhovat, ale rozumět jejich limitacím — a hodnotovému zkreslení, které s sebou nesou.

Budoucnost: směrem k hodnotovému zarovnání

Výzkum nekončí pesimistickým tónem. Naopak — otevírá dveře dalšímu výzkumu a vývoji. Pokud dokážeme měřit hodnotové profily AI stejně jako u lidí, můžeme také pracovat na jejich „zarovnání“ (alignment) s lidskými společenstvy. To ale vyžaduje přesun od čistě technických benchmarků směrem k psychologicky a kulturně fundovaným hodnocením.

Pro české čtenáře a uživatele je klíčové si zapamatovat jedno: AI je mocný nástroj, ale není hodnotově neutrální zrcadlem. Je to zkreslený odraz dat, ze kterých se učila. A jestliže chceme, aby nám v budoucnu skutečně sloužila — a ne škodila — musíme začít klást otázky nejen po její rychlosti a přesnosti, ale také po jejích hodnotách.