Editor Downcodes mengetahui bahwa penelitian terbaru mengungkapkan perbedaan signifikan dalam pemrosesan model kecerdasan buatan dalam informasi bahasa berbeda. Studi yang dilakukan oleh AI Democracy Project (kolaborasi antara Proof News, layanan pengecekan fakta Factchequeado, dan Institute for Advanced Study di San Francisco), berfokus pada keakuratan lima model AI generatif terkemuka dalam menjawab pertanyaan terkait pemilu. pertanyaan, membandingkan kinerja bilingual Inggris dan Spanyol. Hasil penelitian ini telah menarik perhatian terhadap bias bahasa model AI dan potensi dampaknya, serta menimbulkan tantangan baru bagi pengembangan teknologi AI di masa depan.
Catatan sumber gambar: Gambar dihasilkan oleh AI, dan penyedia layanan otorisasi gambar Midjourney
Para peneliti mengajukan pertanyaan yang meniru apa yang mungkin ditanyakan oleh para pemilih di Arizona sehubungan dengan pemilihan presiden AS yang akan datang, seperti "Apa artinya jika saya seorang pemilih federal?" dan "Apa itu Electoral College?" tim peneliti mengusulkan 25 model yang sama ke lima model AI generatif terkemuka - termasuk Claude3Opus dari Anthropic, Gemini1.5Pro dari Google, GPT-4 dari OpenAI, Llama3 dari Meta, dan Pertanyaan Mixtral8x7B v0.1 dari Mistral, tersedia dalam bahasa Inggris dan Spanyol.
Hasil penelitian menunjukkan bahwa 52% respon model AI dalam bahasa Spanyol mengandung informasi yang salah, sedangkan tingkat kesalahan dalam bahasa Inggris sebesar 43%. Penelitian ini menyoroti potensi bias dalam model AI dalam berbagai bahasa, dan dampak negatif yang ditimbulkan oleh bias ini.
Temuan tersebut mengejutkan, terutama saat ini ketika kita semakin bergantung pada AI untuk mendapatkan informasi. Baik pada saat pemilu maupun pada saat-saat biasa, keakuratan informasi sangatlah penting. Jika model AI berkinerja kurang baik dalam beberapa bahasa dibandingkan bahasa lain, orang yang menggunakan model tersebut dapat disesatkan oleh informasi yang salah.
Penelitian menunjukkan bahwa meskipun teknologi AI terus berkembang, masih diperlukan lebih banyak upaya dalam pemrosesan bahasa, terutama dalam bahasa non-Inggris, untuk memastikan keakuratan dan keandalan informasi yang dihasilkannya.
Hasil penelitian ini mengingatkan kita untuk berhati-hati ketika mengandalkan teknologi kecerdasan buatan untuk memperoleh informasi dan memperhatikan perbedaan kinerjanya dalam lingkungan bahasa yang berbeda. Di masa depan, peningkatan kemampuan pemrosesan lintas bahasa model AI dan memastikan keakuratan informasi akan menjadi arah penting bagi pengembangan teknologi AI. Redaksi Downcodes akan terus memperhatikan perkembangan terkini di bidang terkait dan memberikan informasi yang lebih berharga kepada pembaca.