تعتبر نماذج اللغة الكبيرة (Large Language Models) من الأدوات الأساسية المستخدمة في اتخاذ القرارات، إلا أن هناك مخاوف متنامية بشأن قدرتها على تعزيز أو ق suppressing وجهات نظر معينة، خاصة في سياقات حساسة تؤثر على المجتمعات الأوتستيك.

في دراسة جديدة، سلط الباحثون الضوء على التحديات المرتبطة بتحيزات النموذج تجاه الأشخاص الذين يعيشون مع الاوتستيك. فقد أظهرت الأبحاث السابقة وجود تحيزات تتعلق بالإعاقة في نماذج اللغة، ولكن كيفية فهمها لإصابات اللغة أو تمييزها في النصوص لا تزال غير واضحة.

تم تقديم إطار تقييم جديد يستند إلى التحيز، يستهدف اللغة المعادية للأوتستيك عن طريق الاستناد إلى معايير نفسية محسوبة وواقع مجتمعي قريب من وضع المقيّمين. هذا الإطار يوفر معايير أكثر صرامة مقارنةً مع أساليب التصويت الجماعي التقليدية، التي تميل لتقليل وزن وجهات نظر الأوتستيك والمجتمع المتقبل للإعاقة بشكل كبير.

أظهرت النتائج أن نماذج اللغة الكبيرة (LLMs) تنتج غالباً محتوى ضار، حيث يتم تصنيف اللغة المستعادة من المجتمع بشكل خاطئ أنها معادية للاوتستيك، وتظهر مواقف سلبية أكثر نحو الأوتستيك عندما يتم إخفاء أدوات التقييم. وقد أظهرت تحليل الأخطاء أن النماذج تعتمد على تطابق الكلمات السطحية بدلاً من العوامل السياقية مثل هوية المتحدث، وما إذا كانت اللغة تعزز التضامن داخل المجتمع أو تسبب ضرراً للمجتمع الخارجي.

في سياق هذه التطورات، يصبح السؤال ملحاً: هل يمكن أن تمتلك نماذج الذكاء الاصطناعي القدرة على فهم ودعم المجتمعات المتنوعة بشكل أفضل؟