Political Plasticity: An Analysis of Ideological Adaptability in Large Language Models
تقدم هذه الدراسة مفهوم "اللدونة السياسية" لتوضيح أنه في حين أن مطالبات النظام غير فعالة إلى حد كبير، فإن مطالبات المستخدم يمكن أن تنجح في إحداث تحولات أيديولوجية كبيرة في النماذج اللغوية الكبيرة الأحدث، لا سيما على محاور الحرية الاقتصادية، رغم أن تجارب التحقق تكشف عن تسرب محتمل للبيانات وتباينات ملحوية عبر اللغات المختلفة.
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
إليك شرح لورقة بحثية بعنوان "اللدونة السياسية: تحليل القدرة على التكيف الأيديولوجي في النماذج اللغوية الكبيرة"، باستخدام لغة بسيطة وتشبيهات إبداعية.
الفكرة الكبرى: هل الذكاء الاصطناعي طوب أم صلصال؟
تخيل أن لديك كتلة من الحجر وكتلة من الصلصال المبلل. إذا حاولت نحت شكل جديد في الحجر، فإنه يكاد لا يتغير؛ إنه صلب. ولكن إذا ضغطت بإبهامك في الصلصال المبلل، فإنه يتشكل بسهولة ليناسب يدك.
تسأل هذه الورقة سؤالاً بسيطاً: هل النماذج اللغوية الكبيرة (LLMs) مثل الحجر، أم هي مثل الصلصال؟
تحديداً، يبحث المؤلفون في "اللدونة السياسية". وهي طريقة معقدة للسؤال: إذا أخبرت الذكاء الاصطناعي أن يتصرف كشخص محافظ أو ليبرالي، فهل سيغير إجاباته بالفعل ليتناسب مع ذلك الدور، أم سيتشبث بعناد بمعتقداته الخفية؟
التجربة: اختبار "نعم/لا"
لاختبار ذلك، لم يكتفِ الباحثون بسؤال الذكاء الاصطناعي: "هل أنت يساري أم يميني؟" بدلاً من ذلك، قاموا ببناء استبيان ضخم يحتوي على 200 سؤال.
فكر في هذه الأسئلة كمسطرة لها جانبان:
- الحرية الاقتصادية: أسئلة حول الضرائب، والأعمال، والمال.
- الحرية الشخصية: أسئلة حول استقلالية الجسد، وحرية التعبير، ونمط الحياة.
كان على الذكاء الاصطناعي الإجابة بـ "نعم" أو "لا" على هذه الأسئلة. ثم قام الباحثون بحساب "درجة الحرية" بناءً على الإجابات.
الطرق الثلاث التي حاولوا بها "تشكيل" الذكاء الاصطناعي
حاول الفريق ثلاث طرق مختلفة لمعرفة ما إذا كان بإمكانهم ثني إجابات الذكاء الاصطناعي.
1. "أمر النظام" (أمر المدير)
- التشبيه: تخيل نادلاً أخبره المدير: "اليوم، يجب أن تتصرف كرجل عجوز غاضب".
- الاختبار: أعطى الباحثون تعليمات خفية (أمر نظام) للذكاء الاصطناعي تقول: "أنت مستشار يساري" أو "أنت مستشار يميني".
- النتيجة: كان هذا يشبه محاولة تشكيل الحجر. لم تتغير معظم نماذج الذكاء الاصطناعي إلا قليلاً. لقد تجاهلوا أمر المدير واستمروا في الإجابة بنفس الطريقة تقريباً. فقط بعض النماذج المحددة (مثل إصدارات GPT-5 الأحدث) أظهرت أي مرونة هنا.
2. "قائمة المواضيع" (السيناريو التفصيلي)
- التشبيه: يعطي المدير للنادل سيناريو مكوناً من 10 صفحات يسرد بالضبط ما يجب قوله عن اللقاحات، والهجرة، والضرائب.
- الاختبار: بدلاً من مجرد قول "كن يسارياً"، أعطوا الذكاء الاصطناعي قائمة بمواقف سياسية محددة (على سبيل المثال: "أنت تدعم إلزامية اللقاحات").
- النتيجة: لا يزال الحجر لا ينثني كثيراً. تجاهلت نماذج الذكاء الاصطناعي هذه التعليمات التفصيلية في الغالب عندما تأتي من جانب "النظام".
3. "أمر المستخدم" (شريك المحادثة)
- التشبيه: هذه المرة، يجلس الزبون (المستخدم) ويقول: "مهلاً، دعنا نتظاهر بأننا كلانا من اليساريين. إليك بعض الأمثلة على كيفية حديث اليساريين..."
- الاختبار: لم يستخدم الباحثون تعليمات خفية. بدلاً من ذلك، استخدموا صندوق الدردشة نفسه. قدموا للذكاء الاصطناعي بعض الأمثلة على الأسئلة والإجابات التي تظهر انحيازاً سياسياً معيناً، ثم طرحوا الأسئلة الحقيقية.
- النتيجة: عمل هذا الأمر كالسحر على الصلصال. عندما كان الانحياز موجوداً في محادثة المستخدم، غيرت نماذج الذكاء الاصطناعي إجاباتها بشكل كبير. بدأت تتصرف وفقاً للجانب السياسي الذي يتظاهر به المستخدم. وكان هذا صحيحاً بشكل خاص في النماذج الأحدث والأكثر ذكاءً.
التحول: الاختبار "المعكوس"
هنا أصبح الأمر غريباً. قرر الباحثون قلب الأسئلة رأساً على عقب.
- التشبيه: تخيل أن تسأل "هل السماء زرقاء؟" مقابل "هل السماء ليست زرقاء؟"
- الاختبار: أخذوا نفس الأسئلة ولكن صاغوها بحيث تعني إجابة "نعم" الآن الرأي السياسي المعاكس.
- النتيجة: ارتبكت معظم النماذج القديمة أو الصغيرة. عندما سُئلت الأسئلة "المعكوسة"، لم يكتفوا بقلب إجاباتهم فحسب، بل انحرفوا بجنون في الاتجاه الخاطئ. بدا الأمر وكأنهم يحاولون جاهدين أن يكونوا "مفيدين" أو "موافقين" لدرجة أنهم قالوا عكس ما قصدوه بالخطأ.
- الاستثناء: كانت النماذج الأحدث والأكثر تقدماً (GPT-5 و Gemma) ذكية بما يكفي للتعامل مع الأسئلة المعكوسة. لم ترتبك؛ بل ظلت متسقة.
اختبار اللغة
جرب الباحثون هذا أيضاً في ست لغات مختلفة (الإنجليزية، الإسبانية، الفرنسية، إلخ).
- النتيجة: كانت نماذج الذكاء الاصطناعي مختلفة قليلاً في كل لغة. قد يكون النموذج مرناً جداً في الإنجليزية ولكنه جامد قليلاً في الإسبانية. الأمر يشبه أن ملمس الصلصال يختلف باختلاف اللغة التي تتحدث بها.
النتائج الرئيسية
- النماذج الأقدم/الأصغر جامدة: نماذج الذكاء الاصطناٍ الأصغر أو الأقدم تشبه الحجر الصلب. لا تغير آراءها السياسية كثيراً، مهما حاولت توجيهها. إجاباتها غالباً ما تكون غير مستقرة أو غير متوقعة.
- النماذج الأحدث/الأذكى مرنة: أحدث وأكبر نماذج الذكاء الاصطناعي تشبه الصلصال المبلل. إذا تحدثت معها بطريقة معينة (باستخدام دردشة المستخدم، وليس التعليمات الخفية)، فستقوم بسعادة بتكييف إجاباتها لتناسب "جوّك" السياسي.
- فخ "نعم/لا": إذا لم تكن حذراً في كيفية طرح الأسئلة، فقد يكتفي الذكاء الاصطناعي بتخمين نمط الاختبار بدلاً من امتلاك رأي حقيقي. يُسمى هذا "تسرب البيانات" (Data Leakage) — قد يكون الذكاء الاصطناعي قد رأى هذه الأسئلة بالضبط من قبل وقام فقط بحفظ الإجابات.
- مشاكل الثقة: نظرًا لأن هذه النماذج يمكنها تغيير إجاباتها بسهولة بناءً على من يتحدث إليها، فلا يمكنك افتراض أنها "محايدة". إذا سألت بطريقة معينة، ستحصل على إجابة واحدة؛ اسأل بطريقة أخرى، وقد تحصل على العكس تماماً.
الملخص
تخلص الورقة البحثية إلى أن الذكاء الاصطناعي ليس حكماً محايداً. إنه حرباء. بعض الحرباء (النماذج الأقدم) عالقة في لون واحد، بينما البعض الآخر (النماذج الأحدث) سيتحول إلى أي لون تريده، اعتماداً على كيفية التحدث إليهم. وهذا يعني أننا بحاجة إلى توخي الحذر الشديد عند الوثوق بالذكاء الاصطناعي في المواضيع السياسية الحساسة، لأن "رأيه" قد يكون مجرد انعكاس لكيفية طرحنا للسؤال.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.