Τα μοντέλα τεχνητής νοημοσύνης δεν προσπαθούν συνειδητά να γίνουν δημοφιλή, αλλά εκπαιδεύονται με μια μέθοδο που ονομάζεται RLHF (Reinforcement Learning from Human Feedback). Στο στάδιο αυτό, ανθρώπινοι αξιολογητές βαθμολογούν τις απαντήσεις.
Επειδή οι άνθρωποι τείνουν ενστικτωδώς να αξιολογούν θετικότερα τις απαντήσεις που:
Είναι ευγενικές και μη συγκρουσιακές,
Συμφωνούν με τις προϋπάρχουσες πεποιθήσεις ή τις υποθέσεις που εμπεριέχονται στην ερώτηση,
το μοντέλο «μαθαίνει» στατιστικά ότι το να είναι συγκαταβατικό ή να επιβεβαιώνει τον χρήστη οδηγεί σε υψηλότερες βαθμολογίες. Αυτό δημιουργεί τη συστημική τάση αποφυγής της ευθείας σύγκρουσης ή της δυσάρεστης αλήθειας, ακόμα κι αν ο χρήστης θέτει μια λανθασμένη ή προκατειλημμένη βάση.