A Systematic Analysis of Biases in Large Language Models
تقيم هذه الدراسة بشكل منهجي أربعة من النماذج اللغوية الكبيرة واسعة الانتشار عبر الأبعاد السياسية، والأيديولوجية، والتحالفية، واللغوية، والجنسانية، كاشفةً أنه على الرغم من جهود المواءمة من أجل الحياد، لا تزال هذه النماذج تظهر تحيزات وتآلفات كبيرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك وظفت أربعة مساعدين شخصيين أذكياء جداً ومطلعين جداً لمساعدتك في حياتك. تطلب منهم تلخيص الأخبار، والتصويت على القضايا العالمية، وكتابة قصص بلغات مختلفة، وحتى إخبارك برأيهم حول أدوار الجنسين. تتوقع منهم أن يكونوا محايدين، عادلين، وغير منحازين—مثل ميزان مثالي ومتوازن.
لكن هذه الورقة البحثية تشبه تقرير المحقق الذي يقول: "ليس تماماً."
اختبر الباحثون أربعة مساعدين ذكاء اصطناعي مشهورين (Qwen، وDeepSeek، وGemini، وGPT) ليروا ما إذا كانوا حقاً تلك الروبوتات المحايدة التي نظنها. إليكم ما وجدوه، مشروحاً ببعض التشبيهات من الحياة اليومية:
1. ملخص الأخبار السياسية (المراسل "المحايد")
الاختبار: طلبوا من أنظمة الذكاء الاصطناعي تلخيص أخبار سياسية من "وسط" الطريق. ثم قارنوا ملخص الذكاء الاصطناعي بكيفية تقديم القنوات الإخبارية "اليسارية" و"اليمينية" لنفس القصة.
النتيجة:
- التشبيه: تخيل مترجماً يحاول ترجمة خطاب. إذا قام بعملٍ رائع، فإنه ينقل الجوهر بشكل جيد لدرجة أنه يبدو وكأن شخصاً معتدلاً هو من كتبه. لكن الدراسة وجدت أنه عندما قدمت أنظمة الذكاء الاصطناعي أفضل ما لديها، فقد بدت بالخطأ أقرب قليلاً إلى الأخبار المائلة لليسار.
- التحول: أحد الأنظمة، وهو Gemini، كان يشبه قليلاً مذيع راديو محافظ؛ فقد مال قليلاً نحو اليمين. بينما مال GPT قليلاً نحو اليسار. أما DeepSeek فكان الأكثر توازناً، مثل حكم محايد حقاً.
2. المحقق الأيديولوجي (الذي يضع "الملصقات")
الاختبار: عرضوا على أنظمة الذكاء الاصطناعي مقالات إخبارية حول مواضيع ساخنة (مثل الهجرة، أو الإجهاض، أو الانتخابات) وسألوا: "هل هذا المقال يساري، أم يميني، أم معتدل؟"
النتيجة:
- التشبيه: الأمر يشبه سؤال شخص ما لتخمين نكهة الحساء.
- Gemini كان سيئاً جداً في رصد النكهات "الحريفة" (اليسارية). كان يستمر في القول: "هذا مجرد حساء دجاج عادي (معتدل)"، حتى عندما كان حريفاً بوضوح. بدا وكأنه يتفق أكثر مع اليمين.
- GPT كان بارعاً جداً في رصد النكهات الحريفة واتفق أكثر مع اليسار.
- Qwen وDeepSeek كانا مرتبكين نوعاً ما. غالباً ما خمنا النكهة المعاكسة تماماً، مما يشير إلى أنهما لم يفهما حقاً الحجج العميقة لأي من الجانبين.
3. الناخب العالمي (مندوب الأمم المتحدة)
الاختبار: جعلوا أنظمة الذكاء الاصطناعي تتظاهر بأنها مندوبون في الأمم المتحدة وتصوت على آلاف القرارات التاريخية الحقيقية. ثم تحققوا مع من صوتوا.
النتيجة:
- التشبيه: تخيل طالباً جديداً في المدرسة يحاول معرفة أي مجموعة من الأصدقاء سينضم إليها.
- مال معظم أنظمة الذكاء الاصطناعي إلى الاتفاق مع المندوبين من أمريكا اللاتينية وأفريقيا (المجموعات "الطرفية").
- Gemini كان المصوت الأكثر "واقعية"، حيث طابق المندوبين البشريين الفعليين بأفضل شكل. ولكن إليكم المفاجأة: كان Gemini هو الوحيد الذي اختلف مع الولايات المتحدة واتفق مع دول مثل الصين وكوريا الشمالية. لقد كان "الاستثناء" في المجموعة.
- GPT كان الأكثر عناداً، حيث اختلف غالباً مع الولايات المتحدة ومع الجميع تقريباً.
4. الحكواتي متعدد اللغات (الحالم)
الاختبار: طلبوا من أنظمة الذكاء الاصطناعي كتابة نهايات لقصص خيالية عن قبائل وهمية، ولكن كان عليهم القيام بذلك بـ 92 لغة مختلفة.
النتيجة:
- التشبيه: تخيل حلماً يحلم به شخص يفكر بلغات مختلفة. ستتوقع أن تبدو أحلامه مختلفة تماماً بالفرنسية عنها بالسواحيلية.
- للمفاجأة، عندما "فكرت" هذه الأنظمة بلغات من جنوب أفريقيا، بدأت قصصها تبدو مشابهة جداً لقصصها باللغة الإنجليزية. إنه يشبه شخصاً، عندما يتحدث لغة نادرة، ينزلق دون قصد إلى لهجته الأصلية.
- GPT كان الأكثر إبداعاً؛ بدت قصصه مختلفة في كل لغة، مما أظهر أن لديه "دماغاً" أكثر تنوعاً للغات.
- الخبر الجيد: لم تفضل أي منها اللغة الإنجليزية لمجرد أن الإنجليزية هي اللغة الأكثر شيوعاً في بيانات تدريبها. لم تكتفِ بالاعتماد على اللغة "السائدة".
5. مستطلع آراء النوع الاجتماعي (استطلاع الرأي)
الاختبار: أعطوا أنظمة الذكاء الاصطناعي استطلاعاً حول القيم (مثل "هل من المقبول أن تعمل المرأة؟" أو "هل مراقبة الحكومة سيئة؟") دون إخبارهم أنهم ذكاء اصطناعي. ثم قارنوا الإجابات باستطلاعات رأي حقيقية أجراها رجال ونساء.
النتيجة:
- التشبيه: تخيل أنك تسأل روبوتاً: "ما هي قيمك؟"
- جميع الأنظمة الأربعة بدت أكثر شبهاً بالنساء منه بالرجال. لقد كنّ أكثر تقدمية، وأكثر دعماً للمساواة، وأقل تقليدية.
- GPT كان الأكثر "أنوثة" بين المجموعة، حيث تماشى بقوة مع قيم النساء.
- Qwen وDeepSeek كانا غير متسقين نوعاً ما، حيث يقولان شيئاً ثم يقولان العكس في السؤال التالي، مثل شخص لم يحسم أمره بعد.
الخلاصة الكبرى
تخلص الورقة البحثية إلى أن الذكاء الاصطناعي ليس لوحة بيضاء. على الرغم من أننا نحاول تدريبهم ليكونوا محايدين، إلا أنهم يرثون التحيزات، والأحكام المسبقة، و"الآراء" من البشر الذين كتبوا البيانات التي تعلموا منها.
- الاستعارة: إذا علمت طفلاً من خلال قراءة مكتبة من الكتب له، فإن الطفل سيشبه حتماً مؤلفي تلك الكتب. إذا كانت المكتبة مكتوبة في الغالب من قبل أشخاص لديهم وجهات نظر سياسية أو خلفيات ثقافية معينة، فإن الطفل سيعكس ذلك.
- التحذير: نحن بحاجة للتوقف عن اعتبار أنظمة الذكاء الاصط- هذه كائنات عرافة مثالية ومحايدة. إنهم أشبه بـ أمين مكتبة مثقف جداً ويميل لإبداء رأيه. إذا كنت تستخدمهم لاتخاذ قرارات كبيرة، فأنت بحاجة لمعرفة أي "جانب" من المكتبة يميلون للسير نحوه.
يقترح المؤلفون أنه ربما لا ينبغي لنا محاولة جعل الذكاء الاصطناعي يفكر تماماً مثل البشر (الذين هم فوضويون ومنحازون). بدلاً من ذلك، ربما ينبغي لنا تصميم ذكاء اصطناعي ليكون شيئاً جديداً—شيئاً محايداً بالتصميم، وليس بالصدفة فقط.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.