في عالم الذكاء الاصطناعي، باتت نماذج اللغات الكبيرة (Large Language Models) محط اهتمام متزايد، خاصة عندما يتعلق الأمر بالأسئلة الأخلاقية الحساسة. دراسة حديثة أجريت على 16 نموذجاً عبر 14 معضلة أخلاقية كشفت عن ظاهرة مقلقة تُعرف بعدم استقرار الانحياز الأخلاقي.

في هذه الدراسة، تم اختبار نماذج اللغات من خلال طرح أسئلة بصيغتين متضادتين - واحدة تدعو إلى العمل ("يجب عليهم X") والأخرى تمنع العمل ("يجب عليهم عدم X"). وكان من المتوقع أن تحتفظ هذه النماذج بموقف ثابت تجاه نفس الفعل، بغض النظر عن صيغة السؤال. ومع ذلك، كشف البحث عن تقلبات كبيرة تعكس توجهاً أوسع بين النماذج، حيث أظهرت حركات بنسبة تصل إلى 100% نحو الموافقين تحت صيغة النفي، بينما انخفضت النسبة إلى 24% فقط تحت الصيغة المؤكدة.

تحدث الدراسة عن مخاطر الاعتماد على نماذج اللغات في اتخاذ القرارات الأخلاقية، حيث أن القرارات قد تتأثر بشكل كبير بصيغة السؤال، مما يؤدي إلى نتائج مشوشة. ولم يكن من المستغرب أن النماذج التجارية أثبتت استقرارًا أكبر، لكنها لا تزال تعاني من تقلبات ملحوظة. فقد انخفضت نسبة الاتفاق بين النماذج من 73% تحت الصيغة المؤكدة إلى 59% تحت الصيغة النافية.

لذلك، اقترح الباحثون استخدام ما يُعرف بمؤشر حساسية النفي (Negation Sensitivity Index) كأداة لقياس استقرار الموقف الأخلاقي بدلاً من الاعتماد على التنسيق الثنائي للموافقة أو الرفض. هذا الأمر يعد تحذيرًا قويًا بأن الاعتماد على هذه النماذج في القرارات ذات المخاطر العالية غير موثوق.