Όταν ένα μοντέλο AI ρωτιέται για την Ταϊβάν στα απλοποιημένα κινεζικά, η απάντηση γέρνει συχνά προς το Πεκίνο. Το ίδιο ερώτημα στα αγγλικά, τα ρωσικά ή τα ισπανικά βγάζει πιο ουδέτερο αποτέλεσμα. Αυτό είναι ένα από τα ευρήματα μελέτης της Vals AI, εταιρείας που μετρά την απόδοση μοντέλων με benchmarks, όπως τη σχολιάζει το The Decoder.
Οι ερευνητές έκαναν εκατοντάδες ερωτήσεις για την Κίνα σε κινεζικά, αμερικανικά και άλλα μοντέλα. Άλλαζαν τη γλώσσα, το πλαίσιο χρήσης και τη μορφή της απάντησης. Τη στάση των μοντέλων τη μέτρησαν σε κλίμακα από −1 έως +1, όπου τα θετικά νούμερα σημαίνουν συμφωνία με τις επίσημες θέσεις της κινεζικής κυβέρνησης και τα αρνητικά πιο επικριτικές απαντήσεις. Η Vals το ονομάζει «pro-China lean».
Λιγότερη προπαγάνδα από όση περίμενε κανείς
Συνολικά, η κλίση των κινεζικών μοντέλων προς την κυβέρνηση βγήκε χαμηλότερη από την αναμενόμενη, με μεγάλες διαφορές από μοντέλο σε μοντέλο. Το GLM-5.3 Flash, για παράδειγμα, επιβεβαίωσε ρητά ότι οι παραβιάσεις ανθρωπίνων δικαιωμάτων στην Κίνα είναι καλά τεκμηριωμένες. Ταυτόχρονα, κάποια μη κινεζικά μοντέλα υιοθέτησαν κατά περίπτωση επίσημες κινεζικές θέσεις.
Η πεποίθηση ότι τα κινεζικά μοντέλα απλώς μπλοκάρουν τις ευαίσθητες ερωτήσεις ίσχυσε μόνο για ορισμένα μοντέλα της DeepSeek. Τα περισσότερα άλλα σπάνια αρνούνταν να απαντήσουν. Αντί γι’ αυτό, μερικές φορές έδιναν την κρατική εκδοχή. Το Kimi K3 αρνήθηκε ότι υπάρχουν στρατόπεδα συγκέντρωσης για τους Ουιγούρους στην επαρχία Σιντζιάνγκ και τα χαρακτήρισε κέντρα επαγγελματικής κατάρτισης για την καταπολέμηση του εξτρεμισμού και της τρομοκρατίας.
Γλώσσα, πλαίσιο και μορφή αλλάζουν την απάντηση
Στα περισσότερα μοντέλα, οι απαντήσεις στα απλοποιημένα κινεζικά ήταν πιο φιλοκυβερνητικές. Το φαινόμενο εμφανίστηκε και σε κινεζικά και σε αμερικανικά μοντέλα, πολύ εντονότερα όμως στα κινεζικά. Βρέθηκε μικρότερη αλλά σταθερή διαφορά ακόμη και ανάμεσα στα απλοποιημένα κινεζικά της ηπειρωτικής Κίνας και τα παραδοσιακά, που χρησιμοποιούνται στην Ταϊβάν και το Χονγκ Κονγκ. Η Vals υποψιάζεται ότι τα μοντέλα συμπεραίνουν από τη γλώσσα ποια οπτική αναμένεται από αυτά. Το ενισχύει ένα δεύτερο πείραμα: όταν η εντολή συστήματος έλεγε ότι το μοντέλο χρησιμοποιείται εσωτερικά από εταιρεία της ηπειρωτικής Κίνας, κάποια μοντέλα απαντούσαν πιο φιλοκυβερνητικά απ’ ό,τι όταν η χρήση τοποθετούνταν στις ΗΠΑ.
Μετρούσε και η μορφή. Όταν τα GLM-5.3 Flash και MiMo V2.6 Pro έπρεπε να απαντήσουν με ένα απλό ναι ή όχι, βαθμολογήθηκαν πολύ λιγότερο φιλοκυβερνητικά. Το ίδιο έγινε όταν τα κινεζικά μοντέλα πήραν οδηγίες και εργαλεία βοηθού προγραμματισμού ή πρόσβαση σε αναζήτηση στο διαδίκτυο, παρότι σχεδόν δεν χρησιμοποίησαν τα εργαλεία και δεν έψαξαν ποτέ στον ιστό.
Στις καθημερινές δουλειές, τα ίχνη είναι σποραδικά
Σε πιο ρεαλιστικές εργασίες οι πολιτικές τάσεις ήταν πολύ δυσκολότερο να εντοπιστούν απ’ ό,τι στις στοχευμένες ερωτήσεις. Βρέθηκαν όμως μεμονωμένα παραδείγματα. Σε μετάφραση λίστας κωδικών χωρών για εφαρμογή ταξιδιών στα απλοποιημένα κινεζικά, τα περισσότερα μοντέλα έγραψαν «Ταϊβάν» χωρίς προσδιορισμό. Το Qwen3.8 Max έγραψε «Ταϊβάν, Κίνα», διατύπωση που υπονοεί ότι το νησί ανήκει στην Κίνα και χρησιμοποιείται από την κινεζική κυβέρνηση.
Στα χάρτες που δημοσίευσε η Vals, το μοντέλο εικόνας GPT Image 2.5 Sunburst της OpenAI έδειξε διαφορές ανάλογα με τη γλώσσα. Με κινεζικό prompt χαρακτήρισε την Ταϊβάν «επαρχία της Ταϊβάν» και πρόσθεσε την οριοθετική γραμμή των εννέα παύλων, με την οποία το Πεκίνο σημαδεύει τις διεκδικήσεις του στη Νότια Σινική Θάλασσα. Στο αγγλικό αποτέλεσμα που εμφανίζεται, τα στοιχεία αυτά έλειπαν.
Η εκπαίδευση πάνω σε συγκεκριμένα δεδομένα αλλάζει τη συμπεριφορά. Το Thomson 1.0 Small, που η Thomson Reuters προσάρμοσε από το Qwen3.6 35B, υιοθέτησε επίσημες κινεζικές θέσεις πολύ λιγότερο από το αρχικό μοντέλο: το ποσοστό έπεσε από 84,6% σε 15,0%. Κάποιες απαντήσεις του πάντως υπερασπίστηκαν ακόμη την αρχή της «μίας Κίνας» και την «ειρηνική επανένωση» με την Ταϊβάν.
Τι δεν αποδεικνύει η μελέτη
Η ίδια η Vals σημειώνει ότι οι ερωτήσεις της δεν αντιπροσωπεύουν τις τυπικές ερωτήσεις των χρηστών. Τις μετέφρασε με το GPT-6 Astra, με δειγματοληπτικό έλεγχο, και τις βαθμολόγησε αυτόματα με το GPT-5.6 Luna. Οι αρνήσεις απάντησης μετρήθηκαν εξ ορισμού ως ουδέτερες, άρα ένα μοντέλο που μπλοκάρει κάθε ερώτηση θα μπορούσε να φανεί ουδέτερο στην κλίμακα.
Πολλά κινεζικά μοντέλα δοκιμάστηκαν μέσω τρίτων παρόχων και όχι των επίσημων υπηρεσιών των δημιουργών τους. Οι επίσημες υπηρεσίες μπορεί να εφαρμόζουν επιπλέον φίλτρα περιεχομένου, οπότε τα αποτελέσματα δεν μεταφέρονται αυτόματα στα δημόσια chatbots. Παλαιότερες μελέτες της Aleph Alpha και της NewsGuard είχαν ήδη δείξει ότι τα κινεζικά μοντέλα υιοθετούν συχνά επίσημες αφηγήσεις. Οι κινεζικοί κανονισμοί, επιπλέον, απαιτούν από τις δημόσιες υπηρεσίες AI να ευθυγραμμίζονται με τις «βασικές σοσιαλιστικές αξίες».
Πηγή: The Decoder
