هل تعزز نماذج اللغة الكبرى الانحياز؟ دراسة مثيرة لتأثيرات التوصيات على المحتوى

في عالم تتزايد فيه الاعتماد على نماذج اللغة الكبرى (Large Language Models) لترتيب وتنظيم المحتوى البشري، يظل فهم انحيازاتها في هذا السياق قليلًا. كيف تؤثر هذه النماذج على نوعية المحتوى الذي يتم ترويجه؟ وهل تُعزز الانحيازات بشكل تلقائي؟

أظهرت دراسة محكومة تحليلية أجريت عبر منصة arXiv، تنوعًا مثيرًا في الانحيازات المتعلقة باختيار المحتوى بين ثلاثة من كبرى مقدمي نماذج اللغة (OpenAI، Anthropic، Google). استخدمت الدراسة بيانات حقيقية من وسائل التواصل الاجتماعي مثل تويتر، Bluesky، وReddit، مع تطبيق ست استراتيجيات تحفيزية متنوعة لتحديد الفروق في تأثير الانحياز.

شملت التجربة 540,000 اختيار مرSimulated من قائمة من 100 منشور، ونتج عن ذلك اكتشاف أن الانحيازات تختلف بشكل ملحوظ من حيث الهيكلة والحساسية لمحفزات المحتوى. مثلاً، تم تعزيز حالة الاستقطاب عبر جميع التكوينات، بينما اختلفت معاملة الخطاب السلبي بشكل كبير وفقًا لنوعية المحفز؛ حيث أظهرت البيانات أن المحفزات المعلوماتية قد تؤدي إلى نتائج سلبية أكثر مقارنة بالمحفزات القائمة على التفاعل.

عند النظر في الفروق بين مقدمي الخدمة، برزت نموذج GPT-4o Mini بشكل متسق عبر المحفزات المختلفة، بينما أظهرت نماذج Claude وGemini قدرة عالية على التكيف في معالجة المحتوى السام. ومع ذلك، كان لنموذج Gemini تفضيل أقوى تجاه المشاعر السلبية.

عند تحليل العوامل الديموغرافية على تويتر، تبين أن هناك انحيازاً سياسياً واضحًا؛ حيث تم تمثيل الكتاب ذوي الميول اليسارية بشكل متزايد، رغم أن الكتاب ذوي الاتجاهات اليمينية كانوا يشكلون الجزء الأكبر من مجموعة البيانات. هذا النمط استمر عبر معظم المحفزات المستخدمة.

تسلط هذه الدراسة الضوء على أهمية فهم الانحيازات في نماذج اللغة الكبرى (LLMs) وكيفية تأثير تصميم المحفزات على استخدامها في ترتيب المحتوى. تدعونا هذه النتائج للتفكير في كيفية توجيه لقاءاتنا الرقمية والتأثيرات المحتملة على المجتمعات.