2023 februárjában a Google AI csevegőrobotja, Bard, tévesen állította, hogy a James Webb Űrteleszkóp készítette az első képet egy exobolygóról, hasonló hibákat mutatva, mint amilyeneket az OpenAI ChatGPT-jében fedeztek fel a Purdue Egyetem kutatói egy tanulmány során, ahol több mint 500 programozási lekérdezés felére pontatlan válasz született. Bár ezek a hibák jelenleg észlelhetők, a szakértők aggodalmukat fejezik ki amiatt, hogy ahogy az AI modellek bonyolultabbá válnak, egyre nehezebb lesz megkülönböztetni az igazságot a félretájékoztatástól. Julian Michael, az NYU-tól, kiemeli az AI rendszerek felügyeletének nehézségeit az emberi kapacitást meghaladó területeken. Az egyik javasolt megoldás az, hogy két nagy AI-modell vitázzon egymással, egy egyszerűbb modell vagy ember pedig eldönti a pontosabb végeredményt. Az ötlet először hat évvel ezelőtt merült fel; azonban az Anthropic és a Google DeepMind legújabb tanulmányai kezdeti empirikus bizonyítékokat kínálnak arra, hogy az LLM viták segíthetnek az igazság megkülönböztetésében. A megbízható AI rendszerek létrehozása az igazodás része, amely biztosítja, hogy az AI osztozzon az emberi értékeken. Jelenlegi igazodás az emberi visszajelzéstől függ, de a skálázható felügyelet – amely biztosítja az AI pontosságát az emberi képességeken túl – szükséges, ahogy az AI fejlődik. A 2018 óta vizsgált vita ezt a skálázható felügyeletet kezeli. Az eredetileg az OpenAI-nál dolgozó Geoffrey Irving által javasolt technika magában foglalja, hogy két AI modell vitat meg egy kérdést, hogy meggyőzzön egy külső bírót azok helyességéről. Bár az 2018-as kezdetleges tesztek arra utaltak, hogy a vita működhet, az ember szubjektív megítélési hajlamának és az értékelési képességek eltérésének tudatossága továbbra is aggodalmat jelentett.

Olyan kutatók, mint Amanda Askell, az emberi döntéshozatal megértését érvelik elengedhetetlennek az AI emberi értékekhez való hatékony igazítása érdekében. Az ellentmondásos kezdeti eredmények ellenére az új tanulmányok potenciált jeleznek. Az Anthropic tanulmánya kimutatta, hogy az LLM viták jelentősen javították a nem szakértő bírók pontosságát, 54%-ról 76%-ra emelve azt. A Google DeepMind hasonló kísérletei megerősítették, hogy a vita növelte a pontosságot különféle feladatok során. Zachary Kenton szerint mindkét oldal megismerése több információt nyújt a bíróknak, ami pontosabb következtetéseket eredményez. Azonban továbbra is fennállnak kihívások, például a jelentéktelen vitaelemek hatása és az olyan elfogultságok, mint a hízelgés, ahol az AI pontatlanul visszhangozhatja a felhasználói preferenciákat. Emellett a tesztekben fixen megállapított jó vagy rossz válaszok nem biztos, hogy átválthatók a komplex, árnyalt valós helyzetekre. Az AI viselkedésének megértése és annak azonosítása, hogy az AI rendszerek hol lépik túl a bírók ismereteit, kulcsfontosságú az ezekhez a módszerekhez kapcsolódó fejlődéshez és alkalmazáshoz, amint azt Irving megjegyezte. Ezek ellenére a viták empirikus sikere ígéretes előrelépést jelent az AI megbízhatóságának és igazodásának javítása felé.