تُظهر الحقائق أن أنظمة تحويل النص إلى صورة (Text-to-Image Systems) لا تعمل فقط على ترجمة الكلمات إلى صور، بل تقوم أيضاً بمراجعة المُطالَبَات (prompts) قبل إنجاز عملية الإنتاج. يجد العديد من المستخدمين أن هذه المراجعة يحدث دون إشعارهم، مما يسفر عن تحيزات ثقافية قد تكون أساسية في المحتوى الناتج.

لقد أجرى فريق من الباحثين دراسة متعمقة تحت اسم "WORLDVIEW"، حيث تم تقييم 8,960 مُطالَبَة بأكثر من 15 لغة و31 ثنائية ثقافية لغوية. الهدف من هذه الدراسة هو مراقبة خط المراجعة في ثلاث أنظمة شهيرة هي DALL-E-3 وImagen-4 وGPT-Image-1.5، باستخدام تحليل ثلاثي المراحل لفهم كيفية تأثير السياقات الثقافية.

توصلت الدراسة إلى أن السياق الأمريكي هو الأقل تأثيراً، في حين أن السياقات غير الغربية وغير الناطقة بالإنجليزية تتأثر بشكل أكبر، مما ينتج عنه تعليمات تُقيد المفردات لتصبح أكثر سطحية واحتواءً على قوالب نمطية ثقافية. هذه النتائج تكشف عن أهمية مراجعة النظام في سياق عمله الحقيقي بدلاً من التركيز على النموذج وحده، لتحديد أماكن التحيز الثقافي ومعالجتها بطرق فعالة.

لذا، قد نكون أمام تحدي جديد، وهو كيفية تطوير أنظمة ذكاء اصطناعي تأخذ بعين الاعتبار كل السياقات الثقافية، لتجنب تعزيز الصور النمطية المكررة.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.