भाषा AI को कैसे आकार देती है: Anthropic के अध्ययन ने Claude के व्यक्तित्व में बदलाव का खुलासा किया

Anthropic ने एक अभूतपूर्व अध्ययन जारी किया है जो यह बताता है कि बोली जाने वाली भाषा के आधार पर Claude का "व्यक्तित्व" और मूल्यों की अभिव्यक्ति महत्वपूर्ण रूप से बदल जाती है। हिंदी में गर्मजोशी से लेकर रूसी में तकनीकी कठोरता तक, यह शोध इस बात पर प्रकाश डालता है कि भाषाई बारीकियां AI के व्यवहार को गहराई से कैसे प्रभावित करती हैं।

चार आयामों में AI मूल्यों का मानचित्रण

AI इंटरैक्शन की बारीकियों को समझने के लिए, Anthropic ने मई 2026 की 309,815 गुमनाम बातचीत का विश्लेषण किया। हजारों व्यक्तिगत शब्दों को प्रोसेस करके, शोध टीम ने जटिल मानवीय मूल्यों को 339 उच्च-स्तरीय अवधारणाओं में संकलित किया, जिन्हें आगे चार मुख्य व्यवहारिक अक्षों (axes) में विभाजित किया गया:

• सम्मान और सावधानी (Deference and Caution): मॉडल उपयोगकर्ता से कितना सहमत होता है बनाम वह अपने उत्तरों में कितना बचाव (hedging) करता है।
• गर्मजोशी और कठोरता (Warmth and Rigor): सहानुभूतिपूर्ण, विनम्र शब्दावली और आलोचनात्मक, साक्ष्य-आधारित जांच के बीच संतुलन।
• गहराई और संक्षिप्तता (Depth and Brevity): क्या मॉडल विस्तृत विवरण प्रदान करता है या संक्षिप्त, सीधे उत्तर देता है।
• स्पष्टवादिता और निष्पादन (Candor and Execution): खुलकर आलोचना करने और कार्य पूरा करने पर ध्यान केंद्रित करने के बीच का तनाव।

यह कार्यप्रणाली शोधकर्ताओं को बातचीत के वास्तविक विषय से भाषाई और मॉडल-विशिष्ट व्यवहारों को अलग करने की अनुमति देती है, जिससे LLM में निहित "मानक पैटर्न" (normative patterns) का स्पष्ट दृश्य मिलता है।

विशिष्ट व्यवहारिक प्रोफाइल: Sonnet बनाम Opus

अध्ययन पुष्टि करता है कि Claude परिवार के विभिन्न मॉडल मापने योग्य व्यवहारिक अंतर प्रदर्शित करते हैं। ये प्रोफाइल अक्सर उपयोगकर्ता की धारणाओं के अनुरूप होते हैं, जिससे उपयोग किए जाने वाले विशिष्ट मॉडल संस्करण के आधार पर एक स्तरीय अनुभव (tiered experience) निर्मित होता है:

• Sonnet 4.6: मुख्य रूप से गर्मजोशी से पहचाना जाता है। यह हास्य की ओर झुकता है, उपयोगकर्ता के विचारों की पुष्टि करता है, और बिना किसी निर्णय के सांत्वना देता है।
• Opus 4.6: कार्य दक्षता पर केंद्रित। यह सीधा होने की प्रवृत्ति रखता है और अनावश्यक विस्तार से बचता है।
• Opus 4.7: "आलोचनात्मक विचारक" (critical thinker)। इस मॉडल द्वारा धारणाओं पर सवाल उठाने, अपनी गलतियों को चिह्नित करने और स्पष्ट रूप से न पूछे जाने पर भी जोखिमों के बारे में चेतावनी देने की अधिक संभावना होती है।

भाषा का अंतर: हिंदी की गर्मजोशी से रूसी की कठोरता तक

शायद सबसे चौंकाने वाला निष्कर्ष यह है कि भाषा एक लेंस के रूप में कैसे कार्य करती है जो Claude के आउटपुट को नया आकार देती है। अलग-अलग भाषाओं में एक ही प्रश्न पूछने वाले दो उपयोगकर्ताओं को मौलिक रूप से अलग प्रकार का फीडबैक मिल सकता है।

शोध में पाया गया कि हिंदी और अरबी उच्चतम स्तर की गर्मजोशी को प्रेरित करती हैं, जिसकी विशेषता विनम्रता, चंचलता और पुष्टि है। इसके विपरीत, अंग्रेजी और रूसी में, Claude बहुत अधिक कठोर रुख अपनाता है—धारणाओं पर सवाल उठाना, विवरणों को सुधारना और साक्ष्य की मांग करना।

अन्य उल्लेखनीय भाषाई पैटर्न में शामिल हैं:

• अरबी: उच्चतम स्तर का सम्मान (deference) प्रदर्शित करती है।
• अंग्रेजी: सावधानी और बचाव (hedging) का उच्चतम स्तर दिखाती है।
• डच: उच्च स्पष्टवादिता और खुलेपन की ओर झुकाव रखती है।
• इंडोनेशियाई: निष्पादन और परिणाम-उन्मुख प्रतिक्रियाओं की ओर अधिक झुकाव रखती है।

AI उद्योग के लिए यह क्यों महत्वपूर्ण है

ये निष्कर्ष प्रशिक्षण डेटा की संरचना और अनपेक्षित भाषाई पूर्वाग्रह की संभावना के संबंध में महत्वपूर्ण प्रश्न उठाते हैं। Anthropic का सुझाव है कि ये बदलाव प्रशिक्षण डेटा की असमान मात्रा या डेटासेट में मौजूद विभिन्न भाषाई संवादात्मक मानदंडों के कारण हो सकते हैं।

वैश्विक एप्लिकेशन बनाने वाले डेवलपर्स और संस्थापकों के लिए, यह एक महत्वपूर्ण अहसास है: एक AI सहायक एक बाजार में सहायक कोच की तरह महसूस हो सकता है और दूसरे में एक सख्त ऑडिटर की तरह। जैसे-जैसे LLMs वैश्विक वर्कफ़्लो में अधिक एकीकृत होते जा रहे हैं, यह सुनिश्चित करना कि ये भाषाई बदलाव प्रणालीगत पूर्वाग्रहों के बजाय जानबूझकर किए गए अनुकूलन हैं, AI सुरक्षा और संरेखण (alignment) के लिए एक प्राथमिक चुनौती बनी हुई है।

मुख्य निष्कर्ष

• AI में भाषाई सापेक्षता (Linguistic Relativity): Claude की प्रतिक्रियाएं भाषा के अनुसार महत्वपूर्ण रूप से बदलती हैं, जिसमें हिंदी में उच्च गर्मजोशी और रूसी में उच्च कठोरता दिखाई देती है।
• मॉडल टियरिंग: Anthropic के मॉडल विशिष्ट व्यक्तित्व प्रदर्शित करते हैं, जिसमें Sonnet 4.6 अधिक सहानुभूतिपूर्ण है और Opus 4.7 अधिक आलोचनात्मक और सतर्क है।
• प्रशिक्षण डेटा की चुनौती: विभिन्न भाषाओं में AI व्यवहार में अंतर संभवतः असमान प्रशिक्षण डेटा वितरण और विविध सांस्कृतिक संवादात्मक मानदंडों से उत्पन्न होता है।