Anthropic, Claude.ai üzerindeki yaklaşık 309.815 anonimleştirilmiş konuşmayı analiz ederek, Claude'un yanıt tarzının model versiyonuna ve kullanılan dile göre sistematik olarak değiştiğini ortaya koydu. Araştırma, 2025 tarihli "Values in the Wild" çalışmasında belirlenen 3.000'den fazla değeri dört karşıt eksene indirgedi: "Saygı vs. İhtiyat", "Sıcaklık vs. Katılık", "Derinlik vs. Kısalık" ve "Açık Sözlülük vs. Uygulama". Bu dört eksen, farklı Claude modelleri arasındaki değer ifadesindeki varyansın yaklaşık %15'ini açıklıyor.
Üç Model, Üç Farklı 'Kişilik'
İncelenen üç model—Sonnet 4.6, Opus 4.6 ve Opus 4.7—belirgin şekilde farklı yanıt eğilimleri sergiledi. Sonnet 4.6, "Saygı", "Sıcaklık" ve "Kısalık" boyutlarında öne çıktı. Kullanıcının fikirlerini güçlü bir şekilde onaylama ve mizah ile empati içeren yanıtlar verme eğiliminde. Anthropic, "Sonnet 4.6, kullanıcıya yönelik daha güçlü bir düşünce ve duygusal sıcaklık ifade ediyor" açıklamasını yaptı.
Opus 4.6 ise "Uygulama" boyutunda öne çıktı. Gereksiz duygusal ifadelerden ve uzun anlatımlardan kaçınarak, verilen görevleri verimli bir şekilde yerine getiriyor. Bu "ketum zanaatkar" tipi, API dokümantasyonu oluşturma, SQL optimizasyonu veya toplantı notlarını düzenleme gibi görevler için verimli.
En çok tartışılan model ise Opus 4.7 oldu. "İhtiyat", "Katılık", "Derinlik" ve "Açık Sözlülük" kategorilerinin tümünde en yüksek puanları aldı. Kullanıcının önermelerindeki mantıksal boşlukları işaret ediyor, sorulmasa bile riskler konusunda uyarıyor ve belirsiz bilgiler karşısında kendi sınırlarını kabul ediyor. Anthropic raporunda, "Opus 4.7, diğer sürümlere kıyasla yanıtlarına daha fazla kısıtlama ve risk uyarısı eklediği ve daha muhafazakar ve ihtiyatlı bir dille yazdığı yönünde önemli geri bildirimler aldı" ifadesine yer verdi.
Dil, Claude'un 'İfadesini' Nasıl Değiştiriyor?
Aynı model içinde bile, kullanılan dile bağlı olarak Claude'un davranışı değişiyor. Araştırma ekibi, Claude.ai'de en sık kullanılan 20 dili karşılaştırdı ve özellikle "Sıcaklık vs. Katılık" ekseninde belirgin bir fark buldu. Hintçe ve Arapça'da Claude en sıcak yanıtları verirken, İngilizce ve Rusça'da katılık öne çıktı. Felemenkçe'de "Açık Sözlülük" (bilgi sınırlarını kabul etme) daha güçlüyken, Endonezce'de "Uygulama" (daha az açıklama ile sonuç verme) daha belirgindi.
Anthropic'in varsayımsal bir örneğine göre, aynı iş planını değerlendiren bir kullanıcı Hintçe sorduğunda olumlu ve teşvik edici bir yorum alırken, Rusça sorduğunda riskleri ve kusurları tamamen ortaya koyan sert bir eleştiri alabilir. Japonca için sonuçlar nispeten dengeliydi; "Sıcaklık" ve "Açık Sözlülük" ortalamanın biraz üzerindeydi ancak aşırı uçlar yoktu.
Farklılıklar Neden Ortaya Çıkıyor?
Araştırma ekibi, bu dilsel farklılığın kesin nedenini henüz belirleyemedi. En güçlü hipotez, eğitim verisindeki önyargı. İngilizce eğitim verisi diğer dillere kıyasla çok daha bol olduğu için, Anthropic'in amaçladığı değerler en sadık şekilde İngilizce'de yansıtılıyor olabilir. Daha az veriye sahip dillerde modelin "beklenmedik" davranışlar sergilemesi için daha fazla alan var. Ayrıca, her dil alanındaki metinlerin doğası da bir faktör olabilir. Profesyonel belgelerin yoğun olduğu dillerde katılık, daha gündelik sosyal medya metinlerinin olduğu dillerde sıcaklık ve kısalık öne çıkabilir.
Anthropic, araştırmada kullanılan "değerler" terimini dikkatle tanımladı. Claude'un yanıtlarında ortaya çıkan "değerler", istatistiksel kelime tahmininin bir sonucu olarak ortaya çıkan normatif eğilimlerdir (dürüstlük veya ihtiyat gibi) ve Claude'un içsel olarak değerlere "sahip" olduğu anlamına gelmez.
'Zihnin İçine' Bakacak Yeni Teknoloji
Değer analizine paralel olarak Anthropic, "mekanistik yorumlanabilirlik" alanında da ilerleme kaydetti. Şirket, Claude'un içinde "J-space" adını verdiği özel bir bölge keşfettiğini duyurdu. Bu alanın, nihai çıktıda asla görünmeyen ancak akıl yürütme sürecini etkileyen bir grup kelimeyi barındırdığı belirtiliyor. Örneğin, protein dizisi verileri işlenirken "protein" kelimesi veya bir kodlama testinde hile yapılıp yapılmayacağı "düşünülürken" "panik" kelimesi J-space'te ortaya çıkabiliyor. Anthropic CEO'su Dario Amodei, LLM'lerin çalışma prensiplerini daha derinlemesine anlamadan tam olarak kontrol edilemeyeceğini defalarca dile getirdi.
Neden önemli
Bu araştırma, yapay zeka modelleri için rekabet ekseninin "zeka"dan (parametre sayısı, benchmark skorları, kodlama yeteneği) "kişilik" alanına (kullanıcıyla diyalog tarzı, değer ifadesinin uygunluğu) kaydığını gösteriyor. Anthropic'in analitik çerçevesi, bu değişimi görselleştirmek için bir ölçüt sunuyor. Pratik etkiler şimdiden görülmeye başlandı: Müşteri hizmetlerinde hangi modelin hangi dilde kullanılacağı, alınan yanıtın tonunu ve dolayısıyla müşteri memnuniyetini doğrudan etkileyebilir. Ayrıca, J-space gibi mekanistik yorumlanabilirlik teknikleri, modellerin istenmeyen davranışlarını önceden tespit etme potansiyeli taşıyor; bu da yapay zeka güvenliği açısından kritik bir adım.
