Teknoloji & Yapay Zeka

Yapay Zeka Modellerinde Dil Kayması: Bengali ve İngilizce Arasında Duygusal Çarpıtma

Araştırmacılar, çok dilli yapay zeka modellerinin Bengali ve İngilizce arasında ciddi duygusal çarpıtmalar yaşadığını keşfetti. Çalışma, özellikle sıkıştırılmış model mimarilerinin %28,7 oranında 'Duygu Tersine Çevirme' sorunu yaşadığını, yani pozitif anlamları negatif olarak veya tam tersini yorumladığını ortaya koydu. Bu durum, düşük kaynaklı diller için yapay zeka teknolojilerinin adil olmayan sonuçlar üretebileceğini gösteriyor. Araştırma, 'Asimetrik Empati' adını verdikleri bir fenomen tanımlayarak, modellerin Bengali metinlerin duygusal ağırlığını sistematik olarak azalttığını veya yapay olarak artırdığını tespit etti. Bu bulgular, küresel yapay zeka uygulamalarında dil adaletsizliği konusunda önemli sorular ortaya çıkarıyor.

Yapay zeka alanında çok dilli modellerin gelişimi hızla ilerlerken, bu sistemlerin farklı diller arasında duygusal anlamları ne kadar doğru aktardığı konusu büyük önem taşıyor. Yeni bir araştırma, Bengali gibi düşük kaynaklı dillerle İngilizce arasında ciddi duygusal çarpıtmalar olduğunu ortaya koydu.

Bilim insanları, dört farklı çok dilli transformer modelini Bengali-İngilizce paralel cümleler üzerinde test ederek kontrollü bir değerlendirme sistemi geliştirdi. Sonuçlar oldukça çarpıcı: sıkıştırılmış model mimarileri %28,7 oranında 'Duygu Tersine Çevirme Oranı' sergiledi. Bu da modellerin pozitif anlamları negatif olarak veya tam tersini yorumladığı anlamına geliyor.

Araştırma ekibi, 'Asimetrik Empati' olarak adlandırdıkları yeni bir fenomen tanımladı. Bu durumda, modeller Bengali metinlerin duygusal yoğunluğunu sistematik olarak azaltıyor veya yapay şekilde artırıyor. Bu çarpıtma, özellikle Bengali lehçelerinde daha belirgin hale geliyor.

Bu bulgular, küresel yapay zeka uygulamalarında dil adaletsizliği konusunda önemli sorular ortaya çıkarıyor. Özellikle duygu analizi, içerik moderasyonu ve otomatik çeviri sistemlerinde bu tür çarpıtmalar, milyonlarca Bengali konuşuru için adil olmayan sonuçlar doğurabilir.

Çalışma, çok dilli yapay zeka modellerinin geliştirilmesinde daha dikkatli ve kapsayıcı yaklaşımların gerekliliğini vurguluyor.

Özgün Kaynak
arXiv — Hesaplamalı Dilbilim (cs.CL)
Cross-Lingual Sentiment Misalignment: Auditing Multilingual Language Models for Inversion Risk, Dialectal Representation, and Affective Stability
Orijinal makaleyi oku

Bu içerik, özgün kaynaktaki bilgiler temel alınarak BilimKapsül editörleri tarafından yeniden kaleme alınmıştır. Orijinal metnin birebir çevirisi değildir. Telif hakkı özgün yayıncıya aittir.