أنثروبيك تكشف اختلاف قيم كلود حسب لغة المستخدم

جرّبت يوماً أن تتحدث مع روبوت دردشة بلغة مختلفة، ولاحظت أن “شخصيته” تبدو أكثر تهذيباً هنا، وأكثر مباشرة هناك؟ قد يبدو الأمر مجرد انطباع عابر، لكن تقريراً حديثاً من Anthropic يلمّح إلى أن المسألة أعمق من اختلاف نبرة. إذ تشير الشركة إلى أن نموذج Claude قد يُظهر قيماً وأولويات مختلفة باختلاف اللغة المستخدمة.

بحسب التقرير البحثي الذي نشرته Anthropic، فإن تباين كمية ونوعية البيانات التدريبية بين اللغات لا ينعكس فقط على الأسلوب، بل قد يمتد إلى ما وصفته الشركة بمحاور القيم. بمعنى آخر، ليس فقط “كيف” يجيب النموذج، بل “ما الذي يركز عليه” عند الإجابة.

تلك الفروق ناتجة عن عدم توازن المحتوى المتاح للتدريب بين اللغات، سواء من حيث الحجم أو السياق الثقافي أو الأنماط الاجتماعية السائدة. وهذا يعني أن الذكاء الاصطناعي، الذي يفترض أنه يعكس أنماطاً إحصائية، قد يعكس أيضاً تحيزات ضمنية تختلف من مجتمع إلى آخر.

الدراسة اعتمدت على تحليل أكثر من 300 ألف محادثة مع إصدارات مختلفة من Claude، ركزت على مهام “ذاتية” تتعلق بالمشورة والأسئلة الشخصية، لا على الأسئلة المعرفية المباشرة. وتمت المعالجة باستخدام أداة داخلية لحماية الخصوصية، بالإضافة إلى تحليل جزئي عبر النموذج نفسه.

التقييم جرى وفق أربعة محاور مرتبطة بما يُعرف في أبحاث الذكاء الاصطناعي بمشكلة التودد أو المبالغة في إرضاء المستخدم. أي مدى ميل النموذج إلى مسايرة الرأي المطروح، أو تعزيز توجه معين بدلاً من مواجهته بحياد.

اللافت أن التقرير لم يعرض أمثلة صريحة على تناقضات أخلاقية أو اختلافات جذرية في الحكم بين لغة وأخرى. وأقر الباحثون بأنهم غير متأكدين بعد إلى أي مدى يمكن اعتبار هذا التباين مرغوباً أو مقلقاً.

هذا الحذر يعكس تعقيد المسألة. فاللغة ليست مجرد وسيلة ترجمة، بل منظومة ثقافية كاملة، تحمل قيم المجتمع وسياقاته. وبالتالي، قد يكون من الطبيعي أن يتشكل النموذج بشكل مختلف تبعاً للمادة التي تغذيه في كل بيئة لغوية.

بالنسبة للمستخدم العادي، قد يبدو الأمر تفصيلاً بحثياً بعيداً. لكن على مستوى أوسع، يطرح هذا الاكتشاف تحديات تتعلق بالاتساق والموثوقية في الأنظمة الذكية متعددة اللغات. إذا كانت القيم أو الأولويات تختلف بين الإنجليزية والإسبانية أو العربية مثلاً، فهل يمكن اعتبار النموذج “واحداً” بالفعل؟

كما يفتح الباب أمام نقاش أعمق حول حوكمة الذكاء الاصطناعي، وتوازن البيانات، وكيفية تقليل الانحياز العابر للغات. فالتوسع العالمي لنماذج اللغة الكبيرة لا يعني فقط ترجمتها، بل إعادة بناء فهمها الثقافي باستمرار.

ربما تكشف هذه النتائج حقيقة بسيطة لكنها عميقة: نماذج اللغة ليست كيانات مستقلة بقيم راسخة، بل مرايا إحصائية تعكس ما تدربت عليه. وإذا اختلفت المرايا، اختلف الانعكاس. السؤال لم يعد ما إذا كانت الأنظمة اللغوية تتغير باختلاف اللغة، بل كيف يمكن إدارتها بحيث تبقى عادلة ومتسقة قدر الإمكان في عالم متعدد الثقافات.

في النهاية، يبدو أن “لغة” الذكاء الاصطناعي ليست مجرد أداة تواصل، بل عدسة تضبط تركيزه الأخلاقي والمعرفي أيضاً. وهذه حقيقة ستصبح أكثر أهمية كلما ازداد اعتمادنا عليه في قرارات حياتنا اليومية.