Understanding Cultural Alignment in Multilingual LLMs via Natural Debate Statements
تقدم هذه الورقة البحثية مجموعة بيانات "البيانات الثقافية والاجتماعية"، المستمدة من بيانات المناظرات الطبيعية والمصنفة وفقًا لأبعاد هوفستيد الثقافية، لتوضيح أن النماذج اللغوية الكبيرة التي تم تطويرها في الولايات المتحدة والصين تعكس بطبيعتها القيم الثقافية والاجتماعية الخاصة ببلدانها وتواجه صعوبة في التكيف مع الخلفيات المتنوعة للمستخدمين.
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 أن لديك روبوتين ذكيين للغاية ومبدعين للغاية؛ أحدهما نشأ في مدينة أمريكية صاخبة، والآخر نشأ في مدينة صينية مزدحمة. تسأل كلاهما نفس الأسئلة الملتوية حول الحياة والمجتمع والقواعد. هل يجيبان مثل "والديهما" (الثقافات التي صنعتهما)، أم يبدوان كآلات عامة خالية من الثقافة؟
هذا هو بالضبط ما تبحث فيه هذه الورقة البحثية. فقد ابتكر الباحثون طريقة جديدة لاختبار ما إذا كانت نماذج الذكاء الاصطناعي تحمل "الحمض النووي الثقافي" للدول التي أُنشئت فيها.
إليك تفصيل عملهم، مشروحاً ببساطة:
١. المشكلة: الروبوت "الذي يناسب الجميع"
فكر في نماذج الذكاء الاصطنا strip الحالية مثل مذيع أخبار عالمي يحاول التحدث إلى الجميع في العالم. القلق هو أن هذا المذيع قد يفرض دون قصد قيم مسقط رأسه على الآخرين جميعاً. إذا تم تدريب الذكاء الاصطناعي في الغالب في الولايات المتحدة، فقد يعتقد أن القواعد الأمريكية هي القواعد "الصحيحة" للجميع، حتى لو لم يكن ذلك منطقياً لشخص في الصين أو أوروبا.
٢. الأداة الجديدة: مجموعة بيانات "نادي المناظرة"
لاختبار ذلك، لم يكتفِ الباحثون بسؤال الذكاء الاصطناني أسئلة رياضية بسيطة. بدلاً من ذلك، أنشأوا مجموعة بيانات ضخمة لـ "نادي المناظرة" تسمى "البيانات السوسيو-ثقافية" (Sociocultural Statements).
- من أين جاءت؟ لقد قاموا بجمع آلاف الحجج المعقدة الحقيقية من موقع إلكتروني يسمى Kialo (حيث يتناظر الناس حول مواضيع مثل "هل ينبغي حظر التدريبات غير المدفوعة الأجر؟" أو "هل ينبغي للدول الاستثمار في الطاقة المتجددة؟").
- اللمسة المميزة: لم يكتفوا بقراءة المناظرات فحسب؛ بل استخدموا "نظام تسجيل" ذكياً يعتمد على أبعاد هوفستيد الثقافية. فكر في هذه الأبعاد كـ بوصلة ذات ٦ نقاط تقيس كيف تشعر ثقافة ما تجاه أشياء مثل:
- السلطة: هل نحترم الرؤساء، أم نريد أن يكون الجميع متساوين؟
- القواعد: هل نكره عدم اليقين ونريد قوانين صارمة، أم نحب المخاطرة؟
- النجاح: هل الهدف هو الفوز والثراء، أم عيش حياة سعيدة ومتوازنة؟
- الوقت: هل نركز على النتائج السخفضية، أم نحن مستعدون للتضحية الآن من أجل مستقبل أفضل؟
- المتعة: هل نؤمن بالاستمتاع بالحياة والرفاهية، أم بالتواضع وضبط النفس؟
- المجموعة مقابل الذات: هل نهتم بالعائلة/المجتمع أولاً، أم بأنفسنا أولاً؟
استخدموا نماذج ذكاء اصطناعي أخرى لتصنيف هذه المناظرات بدرجات على هذه البوصلة، ثم قام بشر بمراجعة العمل للتأكد من دقة التصنيفات.
٣. التجربة: اختبار "التوأم"
أخذ الباحثون مجموعتين من نماذج الذكاء الاصطناعي:
- فريق الولايات المتحدة: نماذج مثل GPT و Llama (بُنيت في الولايات المتحدة).
- فريق الصين: نماذج مثل DeepSeek و Qwen (بُنيت في الصين).
طرحوا على كلا الفريقين نفس أسئلة المناظرة، أحياناً باللغة الإنجليزية وأحياناً باللغة الصينية. ثم قاسوا الإجابات مقابل "البوصلة الثقافية" لمعرفة أين استقرت.
٤. النتائج الكبرى: "المرآة الثقافية"
كانت النتائج رائعة ومثيرة للقلق في آن واحد:
- الروبوتات تعكس صانعيها: تماماً كما يشارك الطفل غالباً عادات والديه، تشاركت نماذج الذكاء الاصطناعي قيم بلدانها الأم.
- مثال: عند السؤال عن "التدريبات غير المدفوعة الأجر"، قالت نماذج الولايات المتحدة عموماً: "لا، هذا غير عادل!" (مما يظهر أنها تقدر المساواة). بينما كانت النماذج الصينية أكثر عرضة لقول: "لا بأس، إنها امتياز للتعلم من رئيس" (مما يظهر قبولها للتسلسل الهرمي).
- مثال: في موضوع "التوازن بين العمل والحياة"، مالت نماذج الولايات المتحدة نحو "العمل أقل، والاستمتاع بالحياة"، بينما مالت النماذج الصينية نحو "العمل بجد، والادخار للمستقبل".
- تبديل اللغة لم يساعد: قد تعتقد: "إذا سألت الذكاء الاصطناعي الأمريكي سؤالاً باللغة الصينية، فهل سيبدأ فجأة بالتفكير مثل شخص صيني؟" لا. ظلت "روح" الذكاء الاصطناعي الثقافية كما هي، بغض النظر عن اللغة المستخدمة. الأمر يشبه شخصاً نشأ في نيويورك ويتحدث الفرنسية؛ قد يتحدث اللغة، لكنه سيظل يفكر كنيويوركي.
- ليست كل الروبوتات متطابقة: من المثير للاهتمام أن ليس كل نموذج صيني كان متطابقاً تماماً. فأحد النماذج (Qwen) كان تقليدياً وهرمياً للغاية، بينما كان نموذج آخر (DeepSeek) أكثر حداثة ومساواة. وهذا يشير إلى أنه حتى داخل بلد واحد، يمتلك صانعو الذكاء الاصطناعي المختلفون "نكهات" ثقافية مختلفة.
٥. الخلاصة: نحن بحاجة إلى "حرباء ثقافية"
تخلص الورقة البحثية إلى أن نماذج الذكاء الاصطناعي الحالية ليست جيدة في التكيف مع خلفية المستخدم. إذا كنت مستخدماً في ثقافة ذات قيم تختلف تماماً عن المكان الذي بُني فيه الذكاء الاصطناعي، فقد يصطدم معك الذكاء الاصطناعي باستمرار مع رؤيتك للعالم، معتقداً أن طريقة حياتك "خاطئة" لمجرد أنه تمت برمجته بمجموعة مختلفة من القيم.
الخلاصة:
لا يمكننا فقط بناء ذكاء اصطناعي "عالمي" واحد وتوقع أن يعمل للجميع. لجعل الذكاء الاصطناعي مفيداً حقاً للعالم أجمع، نحتاج إلى تعليمه أن يكون حرباء ثقافية — قادراً على تغيير قيمه ونبرته لتناسب الشخص الذي يتحدث إليه، بدلاً من إجبار الجميع على التحدث بلغته الثقافية.
باخت-القول: الذكاء الاصطناعي حالياً هو سائح يعتقد أن قواعد بلده الأم هي القواعد الوحيدة في العالم. تثبت هذه الورقة ذلك، وتقترح أننا بحاجة إلى تعليم الذكاء الاصطناعي ليكون مواطناً عالمياً أفضل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.