في عالم الذكاء الاصطناعي، يعد فهم مفاهيم الملكية من الأمور الأساسية التي تؤثر على كيفية تفاعل الأنظمة مع البشر وثرواتهم. تقدم دراسة جديدة تبرز كيف تعاني نماذج اللغات الضخمة (Large Language Models) من قيود كبيرة في تمثيل أحكام الملكية.

تتضمن الدراسة اختبارًا يُسمى «مهمة نسبة الملكية المتنافسة» (Competing Ownership Attribution Task - COAT)، حيث تمت مقارنة تحليلات الملكية من 24 نموذجًا من نماذج اللغات الضخمة مع 108 مشاركًا بشريًا في 42 سيناريو مختلف. على الرغم من التشابه الملحوظ بين أحكام البشر والنماذج، إلا أن النتائج تكشف عن أن النماذج تميل إلى توحيد أحكام الملكية بشكل أكبر.

أثناء تحليل البيانات، وجد الباحثون أن النماذج تميل إلى توزيع الملكية بشكل متساوي بين أصحاب المطالب، على عكس البشر الذين يظهرون تباينًا أكبر في تقييماتهم. وعند التجميع بين إجابات النماذج، اتضح أن هناك عددًا أكبر من السيناريوهات التي توافقت فيها الآراء، في حين كانت هناك مجموعات محددة من الآراء في تفاعلات البشر.

تجعل هذه النتائج من الضروري تطوير أنظمة ذكاء اصطناعي قادرة على فهم الملكية بشكل يعكس تنوع الآراء البشرية، وليس فقط التركيز على التشابه العام. إن هذه المسألة تشير إلى أهمية السياق الاجتماعي في بناء نماذج ذكاء اصطناعي فعالة وقادرة على التفاعل بشكل سليم مع البشر.