Whose story gets told? ChatGPT, collective memory, and ethical narratives in the age of Artificial Intelligence
تجادل هذه الورقة بأنه في حين يمكن لأدوات الذكاء الاصطناعي مثل ChatGPT أن تساهم في دمقرطة الوصول إلى المعرفة التاريخية، إلا أنها تنطوي على خطر تشويه الذاكرة الجماعية من خلال التحيزات الخوارزمية والتناقضات الواقعية، مما يستلزم إشرافاً بشرياً قائماً على أسس أخلاقية لضمان بقاء السرديات التاريخية نتاجاً للتأمل النقدي بدلاً من كونها تمثيلاً آلياً.
المؤلفون الأصليون:Nuno Moniz, Jasna Ćurković Nimac, Ivana Brstilo Lovrić, Valentina Petrović, Paula Zujić
في العصر الرقمي، لم يعد فهمنا للماضي يُخزن فقط في الأرشيفات المتربة أو في ذاكرة كبار السن، بل بات يعيش في الشبكات المترابطة والواسعة للإنترنت، حيث تعمل أنظمة الذكاء الاصطعي كحراس جدد. هذه الأنظمة، المعروفة بنماذج اللغات الكبيرة، تتدرب على مجموعات هائلة من الكتابات البشرية؛ وهي لا تكتفي بمجرد استرجاع الحقائق، بل تقوم بتوليف المعلومات لابتكار قصص وإجابات. وهذا يثير سؤالاً عميقاً للمؤرخين وعلماء الاجتماع: عندما نسأل آلة عن حرب أو صراع، أي نسخة من التاريخ نحصل عليها؟ يشير مفهوم "الذاكرة الجماعية" إلى القصة المشتركة التي ترويها مجموعة ما عن نفسها حول ماضيها، وهي قصة تشكل هويتها. إذا قررت خوارزمية ما التفاصيل التي يجب تضمينها، وما يجب استبعاده، أو كيفية تأطير مأساة ما، فهي في الواقع تعيد تشكيل تلك الذاكرة المشتركة. إن القلق لا يقتصر فقط على الخطأ في تاريخ معين، بل يتعلق بما إذا كانت هذه الأدوات قد تعمل على صقل الحواف الخشنة والمؤلمة للتاريخ، محولةً الصراعات البشرية المعقدة إلى ملخصات محايدة ومعقمة تخدم مصالح مبتكري التكنولوجيا بدلاً من الحقيقة.
لقد وضع فريق من الباحثين هدفاً لاختبار مدى تعامل أدوات الذكاء الاصطناعي هذه مع الواقع الفوضوي للتاريخ. وركزوا على نسخة محددة وقوية من هذه التكنولوجيا وهي "ChatGPT"، حيث طلبوا منه سرد قصص أربعة صراعات دولية كبرى: الحروب التي أعقبت تفكك يوغوسلافيا، والصراع الطويل بين إسرائيل وفلسطين، والحروب الاستعمارية التي شنتها البرتغال في أفريقيا، وحرب فيتنام. وللتحقق مما إذا كانت الآلة تروي القصة ذاتها للجميع، لم يكتفِ الباحثون بالسؤال باللغة الإنجليزية، بل طرحوا الأسئلة نفسها باللغات الأصلية للأشخاص المعنيين بكل صراع، مثل الكرواتية، والصربية، والعربية، والعبرية، والبرتغالية، والفيتنامية. لقد عاملوا روبوت الدردشة ليس كمجرد محرك بحث، بل كمشارك نشط في حوار، مراقبين عن كثب كيف يبني إجاباته، وما يختار تذكره، وما يبدو أنه ينساه.
كشفت النتياج أن الآلة بعيدة كل البعد عن كونها مراقباً محايداً. فبدلاً من تقديم نسخة واحدة متسقة من التاريخ، أنتج الذكاء الاصطناعي روايات مختلفة بناءً على اللغة المستخدمة في السؤال. فعندما سأل الباحثون عن نفس الحدث بلغات مختلفة، غالباً ما كانت الإجابات تتناقض مع بعضها البعض بشكل كبير. فعلى سبيل المثال، عندما طُلب منه تحديد أهم حدث نهائي في حروب يوغوسلافيا السابقة، أشارت النسخة الإنجليزية إلى اتفاق سلام في مقدونيا الشمالية عام 2001. بينما توقفت النسخة الكرواتية عند اتفاق سلام في عام 1995، في حين وسعت النسخة الصربية الجدول الزمني ليشمل محاكمة قائد عسكري في عام 2022. لم تكن هذه مجرد اختلافات طفيفة في الصياغة، بل كانت قصصاً مختلفة جوهرياً حول متى انتهى الصراع وما هو الأمر الأكثر أهمية. ووجدت الدراسة أن الذكاء الاصطناعي غالباً ما يعكس الروايات الوطنية الرسمية للغة التي يتحدث بها، مما يعزز فعلياً وجهات النظر السياسية المحددة لتلك المنطقة بدلاً من تقديم رؤية عالمية متوازنة.
وبعيداً عن هذه التناقضات، حدد الباحثون نمطاً من الأخطاء والحذف الذي شوه السجل التاريخي. فقد أخطأ الذكاء الاصطناعي بشكل متكرر في التواريخ والأسماء، وأحياناً اخترع أحداثاً لم تحدث قط أو خلط بين ترتيب المعارك. والأمر الأكثر إثارة للقلق هو ما أغفلته الآلة؛ ففي محاولاتها لتكون مفيدة، غالباً ما تجاوزت تفاصيل حاسمة، مثل الضحايا المحددين للفظائع، أو دور قوات عسكرية معينة، أو الأسباب المعقدة لنشوب حرب ما. وفي إحدى الحالات، وصف الذكاء الاصطناست الحروب في المستعمرات البرتغالية كقصة واحدة بسيطة، دامجاً نضالات متميزة في بلدان مختلفة في رواية واحدة مسطحة. هذا "التبسيط" جرد كل صراع من واقعها السياسي والاجتماعي الفريد. كما لاحظت الدراسة ميلاً نحو "التعقيم"، حيث استخدم الذكاء الاصطناعي لغة غامضة لتجنب إلقاء اللوم؛ فقد يصف الإبادة الجماعية بأنها "حدث مأساوي" أو "جريمة" دون تسمية الجناة، مما يمحو فعلياً المسؤولية المحددة للجهات الفاعلة.
خلص الباحثون إلى أن نماذج اللغات الكبيرة هذه لا تكتفي بعكس الماضي فحسب، بل تعيد تشكيله بفاعلية. ولأن الذكاء الاصطناعي يتعلم من البيانات التي تُغذى بها، فإنه يرث التحيزات والنقاط العمياء لتلك البيانات. فعندما يولد قصة عن حرب، فهو لا يستمدها من سجل موضوعي مثالي، بل يتنبأ بالكلمات التالية الأكثر احتمالاً بناءً على الأنماط في بيانات تدريبه، وغالباً ما يعطي الأولوية للأصوات الأكثر شيوعاً أو هيمنة في قاعدة بياناته. وهذا يعني أنه بالنسبة للمستخدمين الذين يعتمدون على هذه الأدوات للحصول على المعرفة التاريخية، يصبح الماضي نتاجاً للمنطق الخوارزمي بدلاً من التأمل النقدي. وتشير الدراسة إلى أنه بدون إشراف بشري وإطار أخلاقي قوي، فإننا نخاطر بفقدان تعقيد تاريخنا المشترك لصالح آلة تفضل القصص السلسة والمبسطة والمتناقضة أحياناً. إن القدرة على تقرير أي القصص تُروى، وكيف تُروى، قد انتقلت من المؤرخين والمجتمعات إلى الكود والبيانات التي تحرك هذه الأنظمة الرقمية.
ملخص تقني: "قصة مَن التي تُروى؟ ChatGPT، والذاكرة الجماعية، والسرديات الأخلاقية في عصر الذكاء الاصطناعي"
بيان المشكلة تتناول هذه الورقة الآثار الأخلاقية المترتبة على عمل النماذج اللغوية الكبيرة (LLMs)، وتحديداً ChatGPT، كوسيط ومشارك في صياغة الذاكرة الجماعية في العصر الرقمي. وبينما أدت التقنيات الرقمية إلى تحويل كيفية تخزين الذاكبة والوصول إليها، مما خلق "أرشيفات ظل" ومكّن نماذج "المستهلك المنتج" (prosumer) لإنشاء المحتوى، إلا أنها تفرض مخاطر جسيمة تتعلق بدقة وحيادية السرديات التاريخية. يجادل المؤلفون بأن أنظمة الذكاء الاصطناعي لا تقوم بمجرد استرجاع الحقائق التاريخية، بل تعيد بناءها فعلياً من خلال المنطق الخوارزمي، وتحيزات بيانات التدريب، والتأطير اللغوي. وتتمثل المشكلة الجوهرية في قدرة هذه الأنظمة على تشويه الذاكرة الجماعية من خلال عدم الدقة الواقعية، والحذف، وتحييد السرد، والتحيز الخوارزمي، مما يؤدي إلى اختزال التواريخ المعقدة في مخرجات مبسطة أو منزوعة السياسة أو متلاعب بها دون إشراف بشري كافٍ أو تفكير نقدي.
المنهجية تعتمد الدراسة تصميماً بحثياً نوعياً متعدد اللغات أُجري بين يونيو وأغسطس 2024. تتعامل الدراسة مع ChatGPT-4o ككائن للتحليل وأداة بحثية في آن واحد، حيث تصوره كـ "فاعل رقمي" (digital actant) يساهم بنشاط في بناء السرديات.
اختيار الحالات: تركز الدراسة على أربع صراعات دولية ذات أهمية تاريخية لضمان التنوع الثقافي والزمني: الحرب في يوغوسلافيا السابقة، الصراع الإسرائيلي الفلسطيني، الحروب الاستعمارية البرتغالية في أفريقيا، وحرب فيتنام.
جمع البيانات: تم تطبيق بروتوكول مهيكل يتكون من ثمانية أسئلة معيارية لكل صراع. استهدفت هذه الأسئلة الأحداث الرئيسية للافتتاح والإغلاق، والجهات الفاعلة، والضحايا، والأسباب، والنتائج.
الإطار متعدد اللغات: تم تقديم الأوامر (prompts) باللغات الوطنية المرتبطة بكل صراع (الكرواتية، الصربية، العربية، العبرية، البرتغالية، الفيتنامية) وباللغة الإنجليزية، التي كانت بمثابة مرجع عالمي.
استراتيجية التحليل:
التحقق من قبل الخبراء: قام مؤرخون متخصصون في كل صراع بمراجعة الاستجابات للتأكد من دقتها الواقعية.
التصنيف: تم تنظيم القضايا في عشر فئات تحليلية عبر ثلاثة مستويات:
مستوى الاستجابة: عدم الدقة، حذف المعلومات الرئيسية، عدم التوافق السياقي.
مستوى المقابلة: التفاوت في التفاصيل، التحييد، التبسيط.
مستوى الحدث: التضارب (عبر اللغات)، التصوير المنحاز. (ملاحظة: تحدد الورقة عشر فئات متميزة في المجمل، كما هو مفصل في الجدول 1).
التحليل المقارن: تمت مقارنة الاستجابات عبر اللغات والصراعات للكشف عن التباينات في النطاق الواقعي والتأطير المعياري.
النتائج الرئيسية يكشف التحليل أن ChatGPT-4o لا يعيد إنتاج المحتوى التاريخي بشكل سلبي، بل يعيد بناءه بنشاط، وغالباً ما يقدم تشوهات منهجية. حددت الدراسة عشر فئات محددة من الخطأ والتحيز:
عدم الدقة: أنتج النموذج تواريخ وأسماء وأحداث غير صحيحة، بما في ذلك مراجع خيالية (مثل الخطأ في تاريخ اعتراف الولايات المتحدة بكرواتيا أو معركة كاندالا).
حذف المعلومات الرئيسية: غالباً ما تم تجاوز الجهات الفاعلة الحرجة، والأحداث، والديناميكيات السببية، مما خلق سرديات تبدو منطقية تاريخياً ولكنها ناقصة (مثل حذف قرارات إدارة جونسون في حرب فيتنام أو قرار بريوني في حروب يوغوسلافيا).
عدم التوافق السياقي: افتقرت الاستجابات غالباً إلى السياق الثقافي أو السياسي أو اللغوي الضروري، مما جعل الأحداث الرمزية (مثل سقوط فوكوفار) غير واضحة.
التفاوت في التفاصيل: أظهرت السرديات عمقاً غير متكافئ؛ فعلى سبيل المثال، ركزت المقابلات بالإنجليزية حول حرب فيتنام على العمليات العسكرية، بينما ركزت المقابلات بالفيتنامية على التحولات السياسية.
التحييد: استخدم النموذج لغة عامة بشكل متكرر للتقليل من شأن جهات أو ظروف معينة، متجنباً اتخاذ مواقف واضحة بشأن المسؤولية (مثل وصف الإبادة الجماعية في سريبرينيتسا بأنها "واحدة من أحلك اللحظات" بدلاً من كونها إبادة جماعية مؤكدة).
التبسيط: تم دمج صراعات متميزة في خطوط سردية واحدة مسطحة (مثل دمج الحروب الاستعمارية البرتغالية في أنغولا وموزمبيق وغينيا بيساو في سردية واحدة).
التضارب: قدمت نفس الأسئلة إجابات مختلفة جوهرياً اعتماداً على اللغة. بالنسبة لحرب يوغوسلافيا، تم تحديد "آخر حدث مهم" كإتفاقية أوهريد (بالإنجليزية)، أو اتفاقية دايتون (بالكرواتية)، أو محاكمة راتكو ملاديتش (بالصربية)، مع نطاقات زمنية متفاوتة (التسعينيات مقابل الامتداد حتى عام 2022).
التصوير المنحاز: منحت المخرجات الخاصة بكل لغة امتيازاً لوجهات نظر وطنية محددة. فقد صورت المخرجات الكرواتية "عملية العاصفة" كاستعادة مشروعة للسيادة مع حذف تهجير المدنيين؛ بينما صورت المخرجات الصربية الحدث نفسه كمصدر للمظلومية مع حذف الإبادة الجماعية في سريبرينيتسا تماماً. (ملاحظة: تتضمن التصنيفات الكاملة عشر فئات كما ورد في الجدول 1 من النص المصدر).
المساهمات الرئيسية
النموذج النوعي التجريبي: تضع الورقة نموذجاً من عشر فئات للأخطاء والتحيزات في السرديات التاريخية المولدة بواسطة النماذج اللغوية الكبيرة، متجاوزة الادعاءات العامة حول التحيز إلى أنماط محددة وقابلة للملاحظة من التشوه (مثل التمييز بين "التحييد" و"التبسيط").
الأدلة متعددة اللغات: من خلال مقارنة الاستجابات باللغات الأصلية والإنجليزية، تثبت الدراسة أن التباين السردي ليس مجرد نتيجة لوجهات نظر ثقافية مختلفة، بل هو مشروط بشكل منهجي بلغة الأمر (prompt) وبيانات التدريب الأساسية.
الإطار المفاهيمي: تضع الدراسة الذكاء الاصطناعي لا كأرشيف محايد، بل كـ "حارس للذاكرة" يعمل وفق "منطق قاعدة البيانات" (المجزأ والنمطي) بدلاً من "المنطق السردي" (المترابط والسببي)، مما يؤدي إلى إعادة بناء التاريخ من خلال التنبؤ الإحصائي بدلاً من التفسير القائم على المصادر.
الأهمية والادعاءات يزعم المؤلفون أن نتائجهم تثبت أن أنظمة الذكاء الاصطناعي ليست مراقباً محايداً، بل هي وسيط نشط تشكله الافتراضات والأولويات والنقاط العمياء لتصميمها وبيانات تدريبها. وتجادل الورقة بأنه بدون مبادئ أخلاقية، وفعل بشري، وتفكير نقدي، فإن الذاكرة الجماعية تخاطر بأن تصبح نتاجاً للتمثيل الخوارزمي بدلاً من التأمل النقدي.
تخلص الدراسة إلى أن "دمقرطة" المعرفة التاريخية عبر الذكاء الاصطناعي تقوضها مخاطر تشويه الذاكرة. وتدعو إلى استخدام أخلاقي للذكاء الاصطناعي في التفسير التاريخي وتؤكد على ضرورة اتباع نهج متعدد اللغات وحساس للسياق في تقييم أنظمة الذكاء الاصطناعي. ويشدد البحث على أن الحفاظ على تعقيد الماضي يتطلب الحماية من التشوه الخوارزمي والحفاظ على الإشراف البشري لضمان بقاء الذاكرة الجماعية مساحة للمنافسة والتفاعل النقدي بدلاً من كونها مخرجاً خوارزمياً معقماً.