تستمر نماذج الذكاء الاصطناعي في تشكيل كيفية تعلم الملايين عن الثقافات الأخرى، لكن ماذا لو كانت هذه النماذج تحمل تحيزاً خفياً؟ بحث جديد بعنوان "الاستشراق الحاسوبي" يتناول هذه القضية من خلال تقييم "نقاط حساسية الثقافة العربية للشرق الأوسط" (MECSS). هذا البحث يتحدى الفرضيات القائلة بأن بناء نموذج محلي يمكن أن يقضي على التحيزات الاستشراقية.

عندما يسأل الأشخاص عن معلومات حول الشرق الأوسط، يدركون أنهم لا يحصلون على معلومات محايدة، بل تمثيلاً متأثراً بالبيانات التي تم تدريب النماذج عليها، وهي غالباً ما تكون من منظور غربي. يعرض البحث كيف أن النماذج مثل GPT-4 و Falcon3-7B-Instruct تظهر أنماطاً استشراقية متكررة، حتى عند التعامل مع بيانات من الشرق الأوسط.

النموذج أولي (GPT-4) سجل متوسط 1.73 بينما نموذج Falcon3-7B-Instruct سجل 2.18، مما يشير إلى وجود مستوى عالٍ من التحريف الثقافي، حتى مع تطويره في أبوظبي. كما أن ما يسمى بـ "غسيل سعيد" (Said-washing) يتجلى في 87.9% من محادثات GPT-4، حيث يكرر الهيكل الذي أنكره.

للتغلب على هذه التحيزات، يبدو أنه من الضروري تغيير المعلومات التي تتعلم منها النماذج، وليس فقط زيادة التنوع اللغوي أو تغيير موقع المؤسسات. هل سنستطيع تجاوز هذه الثقافات الاستشراقية وتحقيق تمثيل أكثر دقة للشرق الأوسط في عالم الذكاء الاصطناعي؟