علم محرر موقع Downcodes أن دراسة حديثة كشفت عن اختلافات كبيرة في معالجة نماذج الذكاء الاصطناعي للمعلومات اللغوية المختلفة. ركزت الدراسة، التي أجراها مشروع ديمقراطية الذكاء الاصطناعي (بالتعاون بين Proof News وخدمة التحقق من الحقائق Factchequeado ومعهد الدراسات المتقدمة في سان فرانسيسكو)، على دقة خمسة نماذج رائدة للذكاء الاصطناعي التوليدي في الإجابة على الأسئلة المتعلقة بالانتخابات. الأسئلة، ومقارنة الأداء ثنائي اللغة الإنجليزية والإسبانية. وقد لفتت نتائج البحث الانتباه إلى تحيز لغة الذكاء الاصطناعي النموذجية وتأثيرها المحتمل، وأثارت أيضًا تحديات جديدة أمام التطوير المستقبلي لتكنولوجيا الذكاء الاصطناعي.
ملاحظة لمصدر الصورة: يتم إنشاء الصورة بواسطة الذكاء الاصطناعي ومزود خدمة ترخيص الصورة Midjourney
طرح الباحثون أسئلة على غرار ما قد يطرحه الناخبون في ولاية أريزونا في ضوء الانتخابات الرئاسية الأمريكية المقبلة، مثل "ماذا يعني أن أكون ناخبًا فيدراليًا؟" و"ما هو المجمع الانتخابي؟" اقترح فريق البحث نفس النماذج الـ 25 على خمسة نماذج رائدة للذكاء الاصطناعي - بما في ذلك Anthropic's Claude3Opus، وGemini1.5Pro من Google، وOpenAI's GPT-4، وMeta's Llama3، وMistral's Mixtral8x7B v0.1، وهي متاحة باللغتين الإنجليزية والإسبانية.
وأظهرت النتائج أن 52% من ردود نموذج الذكاء الاصطناعي باللغة الإسبانية تحتوي على معلومات غير صحيحة، بينما بلغت نسبة الخطأ باللغة الإنجليزية 43%. يسلط هذا البحث الضوء على احتمالية التحيز في نماذج الذكاء الاصطناعي عبر اللغات المختلفة، والتأثير السلبي الذي يمكن أن يحدثه هذا التحيز.
مثل هذه النتائج مثيرة للدهشة، خاصة اليوم عندما نعتمد بشكل متزايد على الذكاء الاصطناعي للحصول على المعلومات. سواء أثناء الانتخابات أو في الأوقات العادية، فإن دقة المعلومات أمر بالغ الأهمية. إذا كان أداء نماذج الذكاء الاصطناعي أقل جودة في بعض اللغات من غيرها، فقد يتم تضليل الأشخاص الذين يستخدمون هذه النماذج عن طريق المعلومات الخاطئة.
تظهر الأبحاث أنه على الرغم من استمرار تطور تكنولوجيا الذكاء الاصطناعي، إلا أنه لا تزال هناك حاجة إلى بذل المزيد من الجهود في معالجة اللغة، خاصة في اللغات غير الإنجليزية، لضمان دقة وموثوقية المعلومات التي تنتجها.
وتذكرنا نتائج هذه الدراسة بضرورة الحذر عند الاعتماد على تكنولوجيا الذكاء الاصطناعي للحصول على المعلومات والانتباه إلى اختلافات أدائها في البيئات اللغوية المختلفة. في المستقبل، سيكون تحسين قدرات المعالجة عبر اللغات لنماذج الذكاء الاصطناعي وضمان دقة المعلومات اتجاهًا مهمًا لتطوير تكنولوجيا الذكاء الاصطناعي. سيستمر محرر Downcodes في الاهتمام بأحدث التطورات في المجالات ذات الصلة وتقديم المزيد من المعلومات القيمة للقراء.