Étude Révèle des Tendances Culturelles Différentes des Modèles de Langue GPT et ERNIE en Anglais et en Chinois

Les modèles de langues génératifs (LLMs) affichent différents tendances culturelles lorsqu'ils répondent aux requêtes en anglais et en chinois, selon une étude Les modèles de langues génératifs (LLMs), tels que ceux utilisés par OpenAI pour sa plateforme conversationnelle ChatGPT, sont aujourd'hui largement utilisés à travers le monde pour générer du contenu à diverses fins. Avec leur popularité croissante, des chercheurs cherchent à évaluer la pertinence, l'exactitude et l'absence de biais des informations produites par ces modèles. Cependant, peu d'études ont jusqu'à présent comparé les idées exprimées dans les réponses des LLMs en différentes langues. Des scientifiques de l'Institut de Technologie du Massachusetts (MIT) et de l'Université Tongji ont mené une étude publiée dans Nature Human Behavior, visant à explorer si les LLMs manifestent des tendances culturelles distinctes en anglais et en chinois. Leurs résultats montrent que les modèles GPT et ERNIE, deux des LLMs les plus populaires, expriment différentes valeurs culturelles et styles cognitifs selon la langue utilisée. Méthodologie et Résultats Pour évaluer la Neutralité Culturelle des LLMs, Jackson G. Lu, Lesley Luyang Song et Lu Doris Zhang ont analysé un grand nombre de réponses générées par GPT et ERNIE, respectivement utilisés principalement aux États-Unis, en Europe, au Moyen-Orient et en Chine. Les chercheurs se sont concentrés sur deux aspects fondamentaux de la psychologie culturelle : l'orientation sociale et le style cognitif. Orientation Sociale L'orientation sociale se rapporte à la façon dont les individus se perçoivent par rapport aux autres, soit de manière plus interdépendante (se concentrant sur la communauté et les liens sociaux) ou plus indépendante (valorisant l'individualité et l'autonomie). Les analyses des réponses de GPT et ERNIE dans les deux langues ont révélé des différences significatives : En chinois : GPT montrait une orientation plus interdépendante, avec des réponses mettant l'accent sur la collectivité et les relations interpersonnelles. En anglais : GPT adoptait une orientation plus indépendante, focalisée sur l'individualité et l'autonomie. Ces résultats sont cohérents avec des études antérieures soulignant que les cultures orientales tendent généralement à être plus interdépendantes, contrairement aux cultures occidentales. Style Cognitif Le style cognitif concerne la manière dont les modèles traitent l'information, qu'il s'agisse d'une approche holistique (considérant les éléments dans leur ensemble et leurs interactions) ou analytique (focalisant sur les détails et les parties individuelles). Là encore, GPT et ERNIE ont montré des différences marquées : En chinois : GPT et ERNIE adoptaient un style cognitif plus holistique, prenant en compte l'ensemble des informations et leurs interactions. En anglais : GPT et ERNIE utilisaient un style cognitif plus analytique, se concentrant sur les détails et les aspects isolés. Impact Réel et Implications Lu, Song et Zhang ont démontré que ces tendances culturelles ont un impact tangible sur l'expérience des utilisateurs. Par exemple, lorsque sollicité en chinois, GPT est plus susceptible de recommander des publicités avec une orientation social interdépendante, tandis qu'en anglais, il propose des publicités favorisant une orientation sociale indépendante. Les analyses exploratoires ont également montré que des instructions culturelles (par exemple, demander à un modèle de prendre le point de vue d'une personne chinoise) peuvent ajuster ces tendances, générant ainsi du contenu aligné sur les valeurs culturelles spécifiées. Stratégies de Mitigation En plus de révéler ces tendances, l'étude propose des stratégies pour atténuer ou ajuster ces biais culturels. Les chercheurs ont montré que l'utilisation de prompts culturels pouvait influencer le style des réponses générées, permettant ainsi de calibrer le contenu selon les besoins des utilisateurs. Contexte et Perspectives Le profil culturel distinct des réponses en anglais et en chinois souligne l'importance de la data d'entraînement utilisée pour former ces modèles. Les données textuelles étant naturellement imprégnées de valeurs culturelles, il n'est pas surprenant queles LLMs en reflects certaines. Cette étude pourrait inspirer d'autres chercheurs en informatique et en sciences comportementales à enquêter sur les valeurs culturelles et les modèles de pensée des modèles computationnels. Le développement de modèles plus neutres culturellement, ou capables de s'adapter aux préférences culturelles individuelles des utilisateurs, pourrait être une direction future intéressante pour la recherche. Cette avancée technologique contribuerait non seulement à améliorer la qualité et la relevence des informations générées, mais aussi à promouvoir un usage plus équitable et inclusif des LLMs à l'échelle mondiale. Avis de Spécialistes et Profil des Entreprises Selon Robert Egan, consultant en technologies de l'information, cette étude offre des pistes de réflexion cruciales pour les développeurs de modèles de langage génératif. Il est essentiel de prendre en compte les biais culturels pour optimiser la performance des LLMs à l'international et pour divers publics. OpenAI, connue pour son modèle ChatGPT, reste un leader dans le domaine de l'intelligence artificielle conversationnelle. Ses efforts constants pour améliorer la diversité et la neutralité des modèles qu'elle développe en font une référence dans l'industrie. Du côté de l'entreprise chinoise Baidu, ERNIE est largement utilisé en Asie et bénéficie d'une fine compréhension des contextes locaux, ce qui explique ses performances culturellement adaptées. Cette recherche marque une étape importante dans la compréhension des interactions entre la culture humanoïde et l'intelligence artificielle, ouvrant la voie à des applications plus sensibles et nuancées des LLMs dans un monde de plus en plus globalisé.