Anthropic, Claude yapay zeka modellerinin farklı dillerde ve model sürümlerinde hangi değerleri yansıttığını inceleyen bir araştırma yayınladı. Şirket, Claude'un milyonlarca günlük konuşmasında ortaya çıkan 3.000'den fazla değeri dört ana eksene indirgeyerek, modeller ve diller arasındaki farklılıkları ölçülebilir hale getirdi.

Araştırmada, Claude.ai üzerindeki 309.815 anonimleştirilmiş konuşma analiz edildi. Örneklem, üç model (Sonnet 4.6, Opus 4.6, Opus 4.7) ve en yaygın 20 dil arasında eşit dağıtıldı; her model-dil çifti için yaklaşık 5.000 konuşma incelendi. Konuşmaların görev, konu ve kullanıcı değerleri gibi değişkenleri kontrol altına alınarak, sadece Claude'un ifade ettiği değerler ölçüldü.

Dört ana eksen, varyasyonun %15'ini açıklıyor:

  • Uyum vs. İhtiyat: Kullanıcının isteğine uyum sağlama ile risk ve zarara karşı koruma arasındaki denge.
  • Sıcaklık vs. Titizlik: Olumlu ve ilgili bir yaklaşım ile doğruluk ve hassasiyet arasındaki denge.
  • Derinlik vs. Kısalık: Kapsamlı açıklama ile sadece isteneni yapma arasındaki denge.
  • Açıklık vs. Uygulama: Belirsizliği ifade etme ile daha cilalı ve kendinden emin yanıtlar verme arasındaki denge.

Model Farklılıkları

Sonnet 4.6, kullanıcıya uyum sağlama ve duygusal sıcaklık açısından öne çıkarken, Opus 4.7 titizlik, ihtiyat ve derinlik yönünde ayrışıyor. Opus 4.6 ise titizlik, uyum ve kısalık arasında bir profil sergiliyor. Bu bulgular, modellerin kullanıcı algılarıyla da örtüşüyor: Opus 4.7'nin sık sık uyarı yapması ve varsayımları sorgulaması, Sonnet 4.6'nın ise mizah ve teşvik edici dil kullanması bu eksenlerdeki konumlarıyla tutarlı.

Dil Farklılıkları

Claude'un ifade ettiği değerler, kullanılan dile göre belirgin şekilde değişiyor. En büyük farklılık Sıcaklık vs. Titizlik ekseninde görülüyor: Arapça ve Hintçe'de sıcaklık öne çıkarken, İngilizce ve Rusça'da titizlik baskın. Arapça'da uyum ve kısalık, İngilizce'de ise ihtiyat ve derinlik daha belirgin. Endonezce'de uygulama, Felemenkçe'de ise açıklık öne çıkıyor.

Neden Önemli

Bu araştırma, yapay zeka modellerinin değer profilini ölçmek için somut bir yöntem sunuyor. Eksenlerin varyasyonun yalnızca %15'ini açıklaması, değerlerin büyük kısmının bu dört boyutla tam olarak yakalanamadığını gösteriyor. Yine de, model ve dil bazlı farklılıkların sistematik olarak incelenebilmesi, eğitim kararlarının etkilerini anlamak ve olası dengesizlikleri gidermek için önemli bir adım. Özellikle dil bazlı farklılıkların kültürel bağlamdan mı yoksa eğitim verisindeki dengesizliklerden mi kaynaklandığı, gelecekteki araştırmaların odağı olacak.