كيف يفهم الذكاء الاصطناعي قيم الشعوب: مجموعة بيانات من 500 ألف مثال
تميل النماذج اللغوية نحو القيم الغربية، وهي مشكلة منهجية. قدّم باحثون PLURAL: نحو 500 000 مثال على التفضيلات من 20 دولة، بُنيت على مسح القيم المتكامل Integrated Values Survey الذي يشمل 92 دولة. ويخفّض الضبط الدقيق على هذه المجموعة خطأ المواءمة الثقافية بنسبة 27,7%. وفي اختبار أعمى شارك فيه 176 مشاركًا من الهند والبرازيل واليابان، اعتبر المشاركون إجابات PLURAL أكثر دقة في تمثيل ثقافتهم.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.CL؛ بتحرير Hamidun News
نُشرت مجموعة بيانات لتدريب الشبكات العصبية: تضم مجموعة من 500 000 مثال على التفضيلات، وتغطي قيم 20 دولة، بهدف أن تعكس النماذج اللغوية رؤية العالم لدى المستخدمين غير الغربيين أيضًا، وليس الغربيين وحدهم.
لماذا تميل نماذج الذكاء الاصطناعي نحو الغرب؟
دُرّبت معظم النماذج اللغوية الحديثة بصورة رئيسية على نصوص إنجليزية، وجرت معايرتها وفق تفضيلات مُعلِّقين أمريكيين وأوروبيين. وحين تتناول هذه النماذج أدوار الأسرة، أو الموقف من السلطة، أو الدين، أو الحقوق الفردية، فإنها تقلّل بصورة منهجية من شأن منظومات القيم في دول الجنوب العالمي وآسيا والشرق الأوسط.
يتزايد استخدام مساعدات الذكاء الاصطناعي وروبوتات الدردشة والأنظمة التعليمية خارج الولايات المتحدة، ويشعر المستخدمون بهذا الانحياز في الرؤية مباشرة. وفي الاختبار الأعمى الذي أجراه مؤلفو PLURAL، لاحظ مشاركون من الهند والبرازيل واليابان أن إجابات النماذج اللغوية الكبيرة (LLM) القياسية تبدو أمريكية الطابع.
كيف بُنيت مجموعة بيانات PLURAL
تستند PLURAL إلى مسح القيم المتكامل Integrated Values Survey (IVS)، وهو مسح اجتماعي تمثيلي يشمل 92 دولة. وطوّر الباحثون خط معالجة من مرحلتين: تُحوَّل إجابات المستجيبين الحقيقيين إلى سيناريوهات موضوعية، ثم يحصل كل سيناريو على زوج من التقييمات، أحدهما أكثر اتساقًا مع قيم الثقافة المعنية والآخر أقل اتساقًا معها.
أبرز الحقائق عن مجموعة البيانات:
- نحو 500 000 مثال على التفضيلات في النسخة العامة الأولى
- تغطي 20 دولة من مناطق مختلفة من العالم
- مبنية على IVS، وهو مسح يشمل 92 دولة
- تخفّض متوسط الخطأ المطلق للملف الثقافي بنسبة 27,7% مقارنة بنماذج أساسية قوية
- 176 مشاركًا في الاختبار الأعمى من الهند والبرازيل واليابان اعتبروا إجابات PLURAL أكثر دقة في تمثيل ثقافتهم
اختبر المؤلفون PLURAL بثلاث طرق: التحقق على مستوى البيانات (هل تُحفظ الفروق بين الدول الواردة في المسح الأصلي)، والتقييم الآلي لدقة الضبط الدقيق، والاختبار الأعمى مع مشاركين حقيقيين في ثلاث دول.
لماذا يهم هذا مطوري منتجات الذكاء الاصطناعي
تقوم عملية مواءمة النماذج اللغوية حاليًا في معظمها على RLHF باستخدام تفضيلات المُعلِّقين الغربيين. وبالنسبة إلى الشركات التي تطلق منتجات ذكاء اصطناعي في الهند أو البرازيل أو الدول العربية، يعني ذلك أن النموذج قد يقدّم افتراضيًا إجابات تُدرَك ثقافيًا على أنها غريبة أو غير مناسبة.
الحل التقليدي، وهو استئجار مُعلِّقين محليين في كل دولة، مكلف ويصعب توسيعه. أما PLURAL فتقترح مسارًا بديلًا: استخدام بيانات المسوح الاجتماعية التمثيلية كبديل (Proxy) عن التفضيلات الثقافية. وقد نُشرت مجموعة البيانات في متناول الجميع على HuggingFace.
ماذا يعني ذلك
تُعدّ PLURAL أول مورد عام واسع النطاق يتيح تدريب نموذج لغوي بصورة موجَّهة على قيم دولة بعينها دون الاستعانة بفرق مُعلِّقين منفصلة. وإذا ثبتت إمكانية إعادة إنتاج هذا النهج، فقد يغيّر الطريقة التي تُوطِّن بها شركات الذكاء الاصطناعي نماذجها للأسواق غير الغربية.
الأسئلة الشائعة
بكم تحسّن PLURAL المواءمة الثقافية؟
يخفّض الضبط الدقيق على PLURAL متوسط الخطأ المطلق (MAE) للملف الثقافي للنموذج بنسبة 27,7% مقارنة بنماذج أساسية قوية، وهي نتيجة للتقييم الآلي الموصوف في الورقة البحثية الأولية (preprint).
أي الدول شاركت في الاختبار الأعمى؟
أُجري الاختبار الأعمى في ثلاث دول: الهند والبرازيل واليابان. وشارك فيه 176 مقيِّمًا قارنوا إجابات PLURAL بإجابات النماذج اللغوية الكبيرة القياسية من حيث مدى اتساقها مع قيم ثقافتهم الوطنية.
لماذا تميل النماذج اللغوية نحو الغرب؟
دُرّبت معظم النماذج اللغوية الحديثة بصورة رئيسية على نصوص إنجليزية، وجرت معايرتها وفق تفضيلات مُعلِّقين أمريكيين وأوروبيين.
- 25 أكتوبر 2026Anthropic تصف GLM-5.3 بأنه تهديد سيبراني خطير وتعيد إشعال الجدل حول النماذج المفتوحة
- 25 أكتوبر 2026Anthropic تمنح فريق METR وصولًا بمستوى الموظفين لفحص سلامة أنظمتها
- 24 أكتوبر 2026Google تفتح مصدر TorchTPU: PyTorch يحصل على TPU كجهاز أصيل
- 24 أكتوبر 2026وكلاء الذكاء الاصطناعي اختصروا الاختراق من أسبوعين إلى عشر ساعات: سقوط ثمانية افتراضات
أسئلة وأجوبة حول الخبر
لماذا تميل نماذج الذكاء الاصطناعي نحو الغرب؟
دُرّبت معظم النماذج اللغوية الحديثة بصورة رئيسية على نصوص إنجليزية، وجرت معايرتها وفق تفضيلات مُعلِّقين أمريكيين وأوروبيين. وحين تتناول هذه النماذج أدوار الأسرة، أو الموقف من السلطة، أو الدين، أو الحقوق الفردية، فإنها تقلّل بصورة منهجية من شأن منظومات القيم في دول الجنوب العالمي وآسيا والشرق الأوسط. يتزايد استخدام مساعدات الذكاء الاصطناعي وروبوتات الدردشة والأنظمة التعليمية خارج الولايات المتحدة، ويشعر المستخدمون بهذا الانحياز في الرؤية مباشرة. وفي الاختبار الأعمى الذي أجراه مؤلفو PLURAL، لاحظ مشاركون من الهند والبرازيل واليابان أن إجابات النماذج اللغوية الكبيرة (LLM) القيا
بكم تحسّن PLURAL المواءمة الثقافية؟
يخفّض الضبط الدقيق على PLURAL متوسط الخطأ المطلق (MAE) للملف الثقافي للنموذج بنسبة 27,7% مقارنة بنماذج أساسية قوية، وهي نتيجة للتقييم الآلي الموصوف في الورقة البحثية الأولية (preprint).
أي الدول شاركت في الاختبار الأعمى؟
أُجري الاختبار الأعمى في ثلاث دول: الهند والبرازيل واليابان. وشارك فيه 176 مقيِّمًا قارنوا إجابات PLURAL بإجابات النماذج اللغوية الكبيرة القياسية من حيث مدى اتساقها مع قيم ثقافتهم الوطنية.
لماذا تميل النماذج اللغوية نحو الغرب؟
دُرّبت معظم النماذج اللغوية الحديثة بصورة رئيسية على نصوص إنجليزية، وجرت معايرتها وفق تفضيلات مُعلِّقين أمريكيين وأوروبيين.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.