في عصر يعتمد بشكل متزايد على تكنولوجيا الروبوتات الاجتماعية، تبرز الحاجة الملحة إلى فحص مدى توافق هذه الروبوتات مع القيم الثقافية المتنوعة. تعرف هذه الروبوتات المدارة عبر نماذج اللغة الضخمة (LLMs) بقدرتها على اتخاذ قرارات حاسمة، مثل تحديد أولويات المساعدات في العالم الحقيقي. ومع ذلك، تتباين معايير الأولوية حسب الثقافة، مما يجعل فشل الروبوتات في التكيف مع هذه التوجهات الثقافية خطرًا يؤثر على الوصول العادل للمساعدات.

تستند الدراسة الأخيرة إلى إطار عمل قائم على التقدير الذاتي للشبكات، حيث يُخصص تقييم متعدد اللغات لسلوك نماذج اللغة الضخمة تجاه تفضيلات ثقافية متعددة، مستندة إلى تسعة مراجعات عبر مجالات الروبوتات الاجتماعية تُغطي أكثر من 8000 ورقة. تقوم الباحثون بإعادة صياغة أسئلة التجارب الأخلاقية المعروفة، مثل "من ينبغي أن نساعد أولاً؟"، لتتماشى مع تفضيلات مختلفة تتعلق بالهوية والفئة العمرية والمرتبة الاجتماعية.

تم إجراء تدقيق لأربع نماذج لغوية عبر أربعة أزواج من اللغات والدول، شمل 57,600 قرار، حيث تم اختبار الفعالية مقابل تفضيلات ثقافية محددة. أظهرت النتائج أن هناك فشلًا مستمرًا في اكتشاف التباينات الثقافية، حيث كانت القرارات المتعلقة باللغات الغربية تتمتع بجودة قياس أقوى تقريبًا مرتين مقارنة بالقرارات الصينية واليابانية.

لا تزال هناك حاجة ملحة لإجراء تدقيق متعدد اللغات قبل نشر الروبوتات الاجتماعية، حيث تؤكد النتائج أن عناصر النموذج نفسها تعتبر أداة أكثر فعالية من الموجهات فقط. مما يفتح الباب أمام نقاشات جديدة حول كيفية ضمان أن تبقى التكنولوجيا مظهرًا من مظاهر المساواة، وليس سببًا للتباين الثقافي والاقتصادي.