stochastic parrots (sztochasztikus papagájok)
Angol megfelelő: stochastic parrots, egyes számban stochastic parrot
A stochastic parrots, magyarul sztochasztikus papagájok, egy kritikai kép a nagy nyelvi modellekről: eszerint a modell a tanítóadatban látott nyelvi formát rakja össze valószínűség szerint, a jelentéshez viszont nincs saját hozzáférése.
A kép egy 2021-es tudományos cikkből jön, amely a nyelvmodellek méretnövelésének kockázatait vette sorra: a környezeti költséget, a tanítóadatba került torzításokat, valamint azt, hogy az olvasó a folyékony szövegben szándékot, értelmet lát, akkor is, ha a gép csak mintázatot folytat. „Sztochasztikus”, mert a következő szót valószínűség szerint választja; „papagáj”, mert ismétel, anélkül hogy értené, mit mond.
Az állítás ma vitatott, nem lezárt tény. Az egyik oldal szerint a kép túl egyszerű lett: a cikk óta a modellek sokat változtak, egyes kutatások szerint pedig a modell belsejében a világ szerkezetét leképező belső reprezentáció alakul ki, tehát nem csak felszíni szóstatisztikát tanul. A másik oldal szerint a lényeg áll: a modell továbbra is a szöveg formájából tanul, a megtapasztalt világhoz nincs közvetlen kapcsolata, a magabiztos, mégis hibás válaszok pedig éppen ebből fakadnak. A szótár ebben nem foglal állást.
Eryk Salvaggio 2026-ban továbbgondolta a képet: az ágens-rendszerek egymásra halmozzák a papagájokat, egymásra ható kimenetekké, ezt „stochastic flock”-nak, sztochasztikus papagájcsapatnak nevezi.
A tipikus félreértés, hogy a folyékony, magabiztos szöveg a tartalom helyességét bizonyítja: a vita kimenetelétől függetlenül a gyakorlati következmény ugyanaz, a kimenetet ellenőrizni kell.
Példa: Egy hatfős könyvelőiroda AI-jal íratja meg az ügyfeleinek szóló tájékoztatót egy adószabály változásáról. A szöveg gördülékeny, szakszerű hangú, az egyik határidő viszont egy korábbi év szabályából való. A gép nem „hazudott”: a műfaj formáját hibátlanul hozta, a tartalmat viszont senki nem vetette össze a hatályos szabállyal. A mérce: minden szám, dátum, jogszabályhely mellé forrás kerül, amit egy ember ténylegesen megnyitott.
Forrás: Emily M. Bender, Timnit Gebru, Angelina McMillan-Major, Shmargaret Shmitchell: On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT '21), 2021. március, DOI: 10.1145/3442188.3445922. A negyedik szerzőnév Margaret Mitchell álneve. A vita két oldalára egy-egy példa: Bender és Koller, Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data (ACL 2020), a forma és a jelentés különbségéről; Li és munkatársai, Emergent World Representations (ICLR 2023), a modell belső világreprezentációjáról. A „stochastic flock”: Eryk Salvaggio, Stochastic Flocks and the Critical Problem of 'Useful' AI, TechPolicy.Press, 2026. február 22. A két oldal összefoglalása, valamint a példa a szótár saját értelmezése.
Rokon fogalmak: LLM, hallucináció, generatív modell, automation bias, slop