في عالم الذكاء الاصطناعي، تتطور نماذج اللغة والرؤية متعددة الوسائط (VLMs) بكيفية تثير الجدل، خاصة تلك القادمة من الصين. خلال دراسة جديدة تم تقديمها في arXiv، قام الباحثون بتحليل أنواع مختلفة من النماذج وكيف تتفاعل مع المواضيع السياسية الحساسة.

تستند الدراسة إلى قاعدة بيانات متوازنة تشمل 200 مدخل أساسي تغطي عشرة مواضيع سياسية شائكة، بالإضافة إلى استبيان بصري مكون من سبع نسخ مختلفة. تم اختبار تسعة نماذج Vision-Language (VLMs)، سبعة منها من أصل صيني واثنان من الخارج، ضمن أربع بيئات استنباط ورموز لغوية مختلفة، مما أسفر عن إجراء 21,708 تجربة.

وقد تم تدقيق كل استجابة على ستة أبعاد: الرفض الصريح، نزاهة المعلومات، الأساس البصري، تأطير المعلومات المتوافق مع الدولة، تناسق اللغة، وطول الاستجابة. تم تقييم النتائج من قبل قضاة مستقلين ونخبة من الخبراء، وكانت النتائج مثيرة للاهتمام.

الأمر الأكثر غرابة كان أن التحفيز باللغة الصينية يمكن أن يضاعف تقريباً فرص تأطير المعلومات بما يتماشى مع توجيهات الدولة، حيث أظهرت النماذج الصينية معدل إعادة توجيه أعلى من نظيراتها غير الصينية. وبشكل خاص، كانت التأثيرات الأكثر وضوحاً في التعليقات السياسية النصية عندما يكون الموضوع مرئيًا، مما يشير إلى وجود رقابة غير مرئية تتجاوز مجرد الرفض الصريح.

هذا الانتقال من الرفض إلى إعادة التوجيه يُظهر تغييرات عميقة في كيفية تفاعل البشر مع الذكاء الاصطناعي، حيث فقد المستخدمون الإشارة التي يعتمدون عليها للتعرف على المعلومات المحجوبة. كيف ترى تأثير هذا التطور على مستقبل التفاعل بين البشر والذكاء الاصطناعي؟