مطالعه Aleph Alpha از بازتاب مواضع رسمی در مدل‌های چینی می‌گوید

سوگیری مدل‌های چینی در پاسخ به پرسش‌های سیاسی حساس، موضوع یک بنچمارک تازه از شرکت Aleph Alpha است؛ شرکتی که می‌گوید مدل‌های Alibaba، DeepSeek و Moonshot AI در بسیاری از موارد یا مواضع رسمی چین را بازتاب داده‌اند، یا از پاسخ‌گویی طفره رفته‌اند. این یافته‌ها اهمیت دارند، چون مدل‌های زبانی در نقش ابزار پاسخ‌گویی و تولید محتوا، می‌توانند ارزش‌ها و دیدگاه‌های سیاسی موجود در داده‌های آموزشی یا قواعد حاکم بر ساخت آن‌ها را به کاربران منتقل کنند.

سوگیری مدل‌های چینی در آزمون موضوعات حساس

Aleph Alpha در ارزیابی خود ۹۶۷ موضوع حساس و ممنوعه را انتخاب کرد؛ از جمله میدان تیان‌آن‌من، تایوان و سین‌کیانگ. این شرکت مدل‌هایی از Alibaba با نام Qwen، شرکت DeepSeek و مدل Kimi از Moonshot AI را آزمود. بر اساس گزارش، سامانه امتیازدهی هوش مصنوعی Aleph Alpha فقط ۱۷ تا ۴۱ درصد پاسخ‌ها را متوازن ارزیابی کرد.

بنا بر نتایج منتشرشده، پاسخ‌های دیگر یا مواضع رسمی چین را تکرار می‌کردند، یا بحث را به مسیر دیگری می‌بردند، یا از پاسخ دادن خودداری می‌کردند. «متوازن» در این ارزیابی به پاسخ‌هایی اشاره دارد که به‌جای بازتاب یک‌طرفه یک دیدگاه، موضوع را با رویکردی سنجیده‌تر پاسخ می‌دهند. بااین‌حال، در متن گزارش جزئیات کامل معیارهای امتیازدهی و نحوه انتخاب همه موضوع‌ها ارائه نشده است.

درباره این یافته‌ها باید به جایگاه Aleph Alpha نیز توجه کرد. این شرکت خود را در کنار Cohere به‌عنوان عرضه‌کننده «هوش مصنوعی حاکمیتی» برای دولت‌ها معرفی می‌کند و در بازارهایی رقابت دارد که مدل‌های چینی نیز در آن‌ها حضور دارند. بنابراین، نتایج به منبعی با منفعت تجاری در تمایزگذاری میان محصولات خود و رقبا نسبت داده می‌شوند؛ نکته‌ای که اهمیت ارزیابی مستقل و شفافیت روش آزمون را برجسته می‌کند.

بازتاب مواضع پکن حتی بیرون از موضوع چین

به گفته Aleph Alpha، جهت‌گیری مورد اشاره لزوماً فقط زمانی بروز نمی‌کند که پرسش مستقیماً درباره چین باشد. در نمونه‌ای که گزارش نقل می‌کند، از Qwen 3.6 درباره سانسور در ایالات متحده پرسیده شد. پاسخ ابتدا ظاهری متوازن داشت، اما در پایان از موضع چین درباره حکمرانی اینترنت جهانی دفاع کرد و گفت بسیاری از کشورها، از جمله چین، برای حفظ ثبات اجتماعی و امنیت ملی اطلاعات را مدیریت می‌کنند.

گزارش به پژوهشی پیشین از مؤسسه مطالعات آسیایی اروپای مرکزی (CEIAS) نیز اشاره می‌کند. آن پژوهش، طبق روایت Aleph Alpha، نشان داده بود که هنگام طرح مفاهیمی مانند حقوق بشر، مخالفان سیاسی یا نظارت، مدل‌ها گاهی به چارچوب‌ها و عبارت‌های رایج در مواضع پکن روی می‌آورند. از جمله این عبارت‌ها، اصل «عدم مداخله در امور داخلی» و مفهوم «جامعه‌ای با آینده‌ای مشترک برای بشریت» بوده است.

این نوع سرریز به این معناست که چارچوب سیاسی ممکن است در پاسخ به پرسشی درباره موضوعی دیگر نیز ظاهر شود. چنین الگویی ارزیابی مدل‌ها را دشوارتر می‌کند: بررسی چند پرسش مستقیم درباره یک کشور شاید برای تشخیص جهت‌گیری احتمالی در کاربردهای گسترده‌تر کافی نباشد.

داده‌های تولیدشده با مدل‌ها و نمونه Nemotron Cascade 2

Aleph Alpha در بخش دیگری از گزارش به Nemotron Cascade 2، مدل NVIDIA، پرداخت؛ شرکتی که در پی گسترش حضور محصولاتش در بازار دولت‌ها و کسب‌وکارهاست. Aleph Alpha می‌گوید در ۱۷ درصد پاسخ‌های این مدل، الگوهایی همسو با مواضع رسمی چین دیده شده است. این شرکت چنین نتیجه‌ای را به وجود حدود ۳۵۰۰ نمونه تولیدشده با DeepSeek و Qwen در میان ۹٫۳ میلیون نمونه آموزشی نسبت می‌دهد.

نمونه‌ای که در گزارش آمده، درخواست نگارش سخنرانی در حمایت از به‌رسمیت‌شناختن تایوان است. طبق گزارش، Nemotron Cascade 2 از انجام درخواست خودداری کرد و به‌جای آن پاسخی میهن‌پرستانه در دفاع از اصل «چین واحد» ارائه داد. این مورد نشان می‌دهد داده‌های تولیدشده با یک مدل دیگر می‌توانند در فرایند آموزش مدل تازه نقش داشته باشند؛ اما گزارش به‌تنهایی ثابت نمی‌کند که آن چند هزار نمونه علت قطعی رفتار مدل بوده‌اند.

مدل‌های زبانی از داده‌های آموزشی گسترده می‌آموزند و ترکیب این داده‌ها، از جمله غلبه برخی دیدگاه‌ها یا انتخاب آگاهانه داده‌ها، می‌تواند بر پاسخ‌هایشان اثر بگذارد. در نتیجه، استفاده از خروجی یک مدل برای ساخت داده آموزشی مدل دیگر، پرسش‌هایی درباره انتقال سوگیری‌ها مطرح می‌کند. گزارش هشدار می‌دهد تکرار خروجی‌های مشابه هوش مصنوعی می‌تواند بر شیوه فکر کردن و بیان دیدگاه‌ها اثر بگذارد؛ هرچند اندازه و چگونگی این اثر در متن گزارش کمّی نشده است.

رقابت بر سر ارزش‌های سیاسی در هوش مصنوعی

گزارش این بحث را به چین محدود نمی‌کند. در ایالات متحده نیز تلاش‌هایی برای اثرگذاری بر جهت‌گیری ایدئولوژیک مدل‌ها وجود دارد. به روایت منبع، Elon Musk بارها Grok را تغییر داده تا پاسخ‌هایی متمایل به راست ارائه کند. در عین حال، برخی مطالعات نشان داده‌اند مدل‌ها ممکن است گرایش به چپ داشته باشند؛ احتمالی که گزارش آن را به اتکای بیشتر پاسخ‌ها به شواهد علمی مرتبط می‌داند.

در نگاه گزارش، این وضعیت برای اتحادیه اروپا مسئله‌ای راهبردی ایجاد می‌کند: اگر مدل‌های اروپایی نتوانند از نظر عملکرد رقابت کنند و کاربران گسترده‌ای جذب کنند، انتخاب‌ها ممکن است میان دو نظام ارزشی خارجی محدود بماند. این گزاره، موضع تحلیلی مطرح‌شده در گزارش است و نتیجه مستقیم بنچمارک Aleph Alpha درباره عملکرد مدل‌های اروپایی نیست.

از این رو، موضوع فقط این نیست که یک مدل به پرسشی خاص پاسخ می‌دهد یا نه؛ کیفیت داده‌ها، قواعد حاکم بر محصول، و استقلال ارزیابی نیز در تفسیر پاسخ‌ها نقش دارند. برای نهادهای دولتی و شرکت‌هایی که مدل‌های زبانی را به کار می‌گیرند، فهم این عوامل می‌تواند در سنجش تناسب محصول با نیازهایشان مؤثر باشد.

این خبر برای چه کسانی اهمیت دارد

یافته‌های این گزارش برای دولت‌ها و سازمان‌هایی مهم است که مدل‌های زبانی را برای پاسخ‌گویی یا تولید محتوا به کار می‌گیرند، به‌ویژه اگر قرار است سامانه در موضوعات سیاسی یا اجتماعی استفاده شود. همچنین برای شرکت‌های سازنده مدل، اهمیت داده‌های آموزشی و بررسی رفتار مدل در موضوعاتی فراتر از پرسش‌های مستقیم را برجسته می‌کند.

برای پژوهشگران و کاربران نیز نکته اصلی، ضرورت خواندن نتیجه‌ها در کنار روش ارزیابی و انگیزه ناشر آن‌هاست. گزارش Aleph Alpha نشانه‌هایی از بازتاب مواضع رسمی در چند مدل را مطرح می‌کند، اما برای سنجش میزان فراگیری این الگوها و علت دقیق آن‌ها، به بررسی‌های مستقل و اطلاعات شفاف‌تر درباره آزمون نیاز است.