ਭਾਸ਼ਾ AI ਨੂੰ ਕਿਵੇਂ ਰੂਪ ਦਿੰਦੀ ਹੈ: Anthropic ਦੇ ਅਧਿਐਨ ਨੇ Claude ਦੇ ਸ਼ਖਸੀਅਤ ਦੇ ਬਦਲਾਅ ਨੂੰ ਪ੍ਰਗਟ ਕੀਤਾ
Anthropic ਨੇ ਇੱਕ ਨਵਾਂ ਅਧਿਐਨ ਜਾਰੀ ਕੀਤਾ ਹੈ ਜੋ ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ ਬੋਲੀ ਜਾਣ ਵਾਲੀ ਭਾਸ਼ਾ ਦੇ ਆਧਾਰ 'ਤੇ Claude ਦੀ "ਸ਼ਖਸੀਅਤ" ਅਤੇ ਮੁੱਲਾਂ ਦੀ ਪ੍ਰਗਟਾਵੇ ਵਿੱਚ ਕਾਫ਼ੀ ਤਬਦੀਲੀ ਆਉਂਦੀ ਹੈ। ਹਿੰਦੀ ਵਿੱਚ ਨਿੱਘ ਤੋਂ ਲੈ ਕੇ ਰੂਸੀ ਵਿੱਚ ਤਕਨੀਕੀ ਸਖ਼ਤੀ ਤੱਕ, ਇਹ ਖੋਜ ਉਜਾਗਰ ਕਰਦੀ ਹੈ ਕਿ ਭਾਸ਼ਾਈ ਬਾਰੀਕੀਆਂ AI ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਕਿਵੇਂ ਡੂੰਘਾਈ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀਆਂ ਹਨ।
ਚਾਰ ਪਹਿਲੂਆਂ ਵਿੱਚ AI ਮੁੱਲਾਂ ਦਾ ਨਕਸ਼ਾ ਤਿਆਰ ਕਰਨਾ
AI ਤਾਲਮੇਲ ਦੀਆਂ ਬਾਰੀਕੀਆਂ ਨੂੰ ਸਮਝਣ ਲਈ, Anthropic ਨੇ ਮਈ 2026 ਦੀਆਂ 309,815 ਅਣਪਛਾਤੀਆਂ (anonymized) ਗੱਲਬਾਤਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ। ਹਜ਼ਾਰਾਂ ਵਿਅਕਤੀਗਤ ਸ਼ਬਦਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਕੇ, ਖੋਜ ਟੀਮ ਨੇ ਗੁੰਝਲਦਾਰ ਮਨੁੱਖੀ ਮੁੱਲਾਂ ਨੂੰ 339 ਉੱਚ-ਪੱਧਰੀ ਸੰਕਲਪਾਂ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਅੱਗੇ ਚਾਰ ਮੁੱਖ ਵਿਵਹਾਰਕ ਅਧਿਆਖਿਆਵਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ:
- ਸਤਿਕਾਰ ਅਤੇ ਸਾਵਧਾਨੀ: ਮਾਡਲ ਉਪਭੋਗਤਾ ਨਾਲ ਕਿੰਨਾ ਸਹਿਮਤ ਹੁੰਦਾ ਹੈ ਬਨਾਮ ਉਹ ਆਪਣੇ ਜਵਾਬਾਂ ਵਿੱਚ ਕਿੰਨੀ ਸਾਵਧਾਨੀ ਵਰਤਦਾ ਹੈ।
- ਨਿੱਘ ਅਤੇ ਸਖ਼ਤੀ: ਹਮਦਰਦੀ ਭਰੇ, ਨਿਮਰਤਾ ਵਾਲੇ ਸ਼ਬਦਾਂ ਅਤੇ ਆਲੋਚਨਾਤਮਕ, ਸਬੂਤ-ਅਧਾਰਤ ਜਾਂਚ ਵਿਚਕਾਰ ਸੰਤੁਲਨ।
- ਡੂੰਘਾਈ ਅਤੇ ਸੰਖੇਪਤਾ: ਕੀ ਮਾਡਲ ਵਿਸਤ੍ਰਿਤ ਵੇਰਵੇ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਾਂ ਸੰਖੇਪ ਅਤੇ ਸਿੱਧੇ ਜਵਾਬ।
- ਸਪੱਸ਼ਟਤਾ ਅਤੇ ਕਾਰਜਕਾਰੀ (Execution): ਖੁੱਲ੍ਹ ਕੇ ਆਲੋਚਨਾ ਕਰਨ ਅਤੇ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਵਿਚਕਾਰ ਦਾ ਤਣਾਅ।
ਇਹ ਵਿਧੀ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਗੱਲਬਾਤ ਦੇ ਅਸਲ ਵਿਸ਼ੇ ਤੋਂ ਭਾਸ਼ਾਈ ਅਤੇ ਮਾਡਲ-ਵਿਸ਼ੇਸ਼ ਵਿਵਹਾਰਾਂ ਨੂੰ ਵੱਖ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਜੋ LLM ਵਿੱਚ ਮੌਜੂਦ "ਮਾਨਕ ਪੈਟਰਨਾਂ" (normative patterns) ਦੀ ਸਪੱਸ਼ਟ ਝਲਕ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।
ਵੱਖਰੇ ਵਿਵਹਾਰਕ ਪ੍ਰੋਫਾਈਲ: Sonnet ਬਨਾਮ Opus
ਅਧਿਐਨ ਇਸ ਗੱਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ ਕਿ Claude ਪਰਿਵਾਰ ਦੇ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਵਿੱਚ ਮਾਪਣਯੋਗ ਵਿਵਹਾਰਕ ਅੰਤਰ ਦੇਖਣ ਨੂੰ ਮਿਲਦੇ ਹਨ। ਇਹ ਪ੍ਰੋਫਾਈਲ ਅਕਸਰ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਅਨੁਭਵਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ, ਜੋ ਵਰਤੇ ਗਏ ਵਿਸ਼ੇਸ਼ ਮਾਡਲ ਵਰਜ਼ਨ ਦੇ ਅਧਾਰ 'ਤੇ ਇੱਕ ਪੱਧਰੀ ਅਨੁਭਵ ਪੈਦਾ ਕਰਦੇ ਹਨ:
- Sonnet 4.6: ਮੁੱਖ ਤੌਰ 'ਤੇ ਨਿੱਘ ਲਈ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਹਾਸਰਸ ਵੱਲ ਝੁਕਦਾ ਹੈ, ਉਪਭੋਗਤਾ ਦੇ ਵਿਚਾਰਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ, ਅਤੇ ਬਿਨਾਂ ਕਿਸੇ ਨਿਰਣੇ ਦੇ ਦਿਲਾਸਾ ਦਿੰਦਾ ਹੈ।
- Opus 4.6: ਕੰਮ ਦੀ ਕੁਸ਼ਲਤਾ 'ਤੇ ਕੇਂਦਰਿਤ। ਇਹ ਸਿੱਧਾ ਹੋਣ ਦੀ ਪ੍ਰਵਿਰਤੀ ਰੱਖਦਾ ਹੈ ਅਤੇ ਬੇਲੋੜੀ ਵਿਆਖਿਆ ਤੋਂ ਬਚਦਾ ਹੈ।
- Opus 4.7: "ਆਲੋਚਨਾਤਮਕ ਸੋਚਣ ਵਾਲਾ।" ਇਹ ਮਾਡਲ ਅਨੁਮਾਨਾਂ 'ਤੇ ਸਵਾਲ ਚੁੱਕਣ, ਆਪਣੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਦਰਸਾਉਣ ਅਤੇ ਬਿਨਾਂ ਮੰਗੇ ਵੀ ਜੋਖਮਾਂ ਬਾਰੇ ਚੇਤਾਵਨੀ ਦੇਣ ਦੀ ਵੱਧ ਸੰਭਾਵਨਾ ਰੱਖਦਾ ਹੈ।
ਭਾਸ਼ਾ ਦਾ ਪਾੜਾ: ਹਿੰਦੀ ਦੇ ਨਿੱਘ ਤੋਂ ਰੂਸੀ ਦੀ ਸਖ਼ਤੀ ਤੱਕ
ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਹੈਰਾਨੀਜਨਕ ਖੋਜ ਇਹ ਹੈ ਕਿ ਭਾਸ਼ਾ ਇੱਕ ਲੈਂਸ ਵਜੋਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ ਜੋ Claude ਦੇ ਜਵਾਬਾਂ ਨੂੰ ਨਵਾਂ ਰੂਪ ਦਿੰਦੀ ਹੈ। ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਇੱਕੋ ਸਵਾਲ ਪੁੱਛਣ ਵਾਲੇ ਦੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦਾ ਫੀਡਬੈਕ ਮਿਲ ਸਕਦਾ ਹੈ।
ਖੋਜ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ Hindi ਅਤੇ Arabic ਸਭ ਤੋਂ ਉੱਚ ਪੱਧਰ ਦਾ ਨਿੱਘ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਜਿਸ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਨਿਮਰਤਾ, ਖੇਡ-ਖੇਡ ਵਾਲਾ ਲਹਿਜਾ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰਨਾ ਹੈ। ਇਸ ਦੇ ਉਲਟ, English ਅਤੇ Russian ਵਿੱਚ, Claude ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਖ਼ਤ ਰੁਖ ਅਪਣਾਉਂਦਾ ਹੈ—ਅਨੁਮਾਨਾਂ 'ਤੇ ਸਵਾਲ ਕਰਨਾ, ਵੇਰਵਿਆਂ ਨੂੰ ਸੁਧਾਰਨਾ ਅਤੇ ਸਬੂਤਾਂ ਦੀ ਮੰਗ ਕਰਨਾ।
ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਭਾਸ਼ਾਈ ਪੈਟਰਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
- Arabic: ਸਭ ਤੋਂ ਉੱਚ ਪੱਧਰ ਦਾ ਸਤਿਕਾਰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੀ ਹੈ।
- English: ਸਭ ਤੋਂ ਉੱਚ ਪੱਧਰ ਦੀ ਸਾਵਧਾਨੀ ਅਤੇ ਗੋਲ-ਮੋਲ ਜਵਾਬ (hedging) ਦਿਖਾਉਂਦੀ ਹੈ।
- Dutch: ਉੱਚ ਸਪੱਸ਼ਟਤਾ ਅਤੇ ਖੁੱਲ੍ਹੇਪਣ ਵੱਲ ਝੁਕਦੀ ਹੈ।
- Indonesian: ਕਾਰਜਕਾਰੀ ਅਤੇ ਨਤੀਜੇ-ਮੁਖੀ ਜਵਾਬਾਂ ਵੱਲ ਜ਼ਿਆਦਾ ਝੁਕਦੀ ਹੈ।
ਇਹ AI ਉਦਯੋਗ ਲਈ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ
ਇਹ ਖੋਜ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਦੀ ਬਣਤਰ ਅਤੇ ਅਣਚਾਹੇ ਭਾਸ਼ਾਈ ਪੱਖਪਾਤ ਦੀ ਸੰਭਾਵਨਾ ਬਾਰੇ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ ਖੜ੍ਹੇ ਕਰਦੀ ਹੈ। Anthropic ਦਾ ਸੁਝਾਅ ਹੈ ਕਿ ਇਹ ਤਬਦੀਲੀਆਂ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਦੀ ਅਸਮਾਨ ਮਾਤਰਾ ਜਾਂ ਡੇਟਾਸੈਟਾਂ ਵਿੱਚ ਮੌਜੂਦ ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਈ ਗੱਲਬਾਤ ਦੇ ਮਾਪਦੰਡਾਂ ਕਾਰਨ ਹੋ ਸਕਦੀਆਂ ਹਨ।
ਵਿਸ਼ਵਵਿਆਪੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਣ ਵਾਲੇ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਸੰਸਥਾਪਕਾਂ ਲਈ, ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਅਹਿਸਾਸ ਹੈ: ਇੱਕ AI ਸਹਾਇਕ ਇੱਕ ਬਾਜ਼ਾਰ ਵਿੱਚ ਇੱਕ ਸਹਾਇਕ ਕੋਚ ਵਾਂਗ ਮਹਿਸੂਸ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਦੂਜੇ ਵਿੱਚ ਇੱਕ ਸਖ਼ਤ ਆਡਿਟਰ ਵਾਂਗ। ਜਿਵੇਂ-ਜਿਵੇਂ LLMs ਵਿਸ਼ਵਵਿਆਪੀ ਵਰਕਫਲੋ ਵਿੱਚ ਵਧੇਰੇ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਕਿ ਇਹ ਭਾਸ਼ਾਈ ਤਬਦੀਲੀਆਂ ਪ੍ਰਣਾਲੀਗਤ ਪੱਖਪਾਤ ਦੀ ਬਜਾਏ ਜਾਣਬੁੱਝ ਕੇ ਕੀਤੇ ਗਏ ਅਨੁਕੂਲਨ ਹਨ, AI ਸੁਰੱਖਿਆ ਅਤੇ ਅਲਾਈਨਮੈਂਟ ਲਈ ਇੱਕ ਮੁੱਖ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ।
ਮੁੱਖ ਨੁਕਤੇ
- AI ਵਿੱਚ ਭਾਸ਼ਾਈ ਸਾਪੇਖਤਾ: Claude ਦੇ ਜਵਾਬ ਭਾਸ਼ਾ ਅਨੁਸਾਰ ਕਾਫ਼ੀ ਬਦਲਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ Hindi ਵਿੱਚ ਉੱਚ ਨਿੱਘ ਅਤੇ Russian ਵਿੱਚ ਉੱਚ ਸਖ਼ਤੀ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ।
- ਮਾਡਲ ਟਾਇਰਿੰਗ: Anthropic ਦੇ ਮਾਡਲ ਵੱਖ-ਵੱਖ ਸ਼ਖਸੀਅਤਾਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ Sonnet 4.6 ਵਧੇਰੇ ਹਮਦਰਦੀ ਵਾਲਾ ਅਤੇ Opus 4.7 ਵਧੇਰੇ ਆਲੋਚਨਾਤਮਕ ਅਤੇ ਸਾਵਧਾਨ ਹੈ।
- ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਦੀ ਚੁਣੌਤੀ: ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ AI ਵਿਵਹਾਰ ਵਿੱਚ ਅੰਤਰ ਸ਼ਾਇਦ ਅਸਮਾਨ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਵੰਡ ਅਤੇ ਵੱਖ-ਵੱਖ ਸੱਭਿਆਚਾਰਕ ਗੱਲਬਾਤ ਦੇ ਮਾਪਦੰਡਾਂ ਕਾਰਨ ਹੁੰਦਾ ਹੈ।