Crédito: creado usando chatgpt.
Los modelos de idiomas grandes (LLM), como el modelo que sustenta el funcionamiento de la plataforma conversacional de OpenAI, ChatGPT, ahora son ampliamente utilizados por personas de todo el mundo para obtener información y generar contenido para diversos fines.
Debido a su creciente popularidad, algunos investigadores han estado tratando de arrojar luz sobre la medida en que el contenido generado por estos modelos es útil, imparcial y preciso.
La mayoría de los LLM disponibles hoy en día pueden responder a las consultas de los usuarios en inglés y varios otros idiomas. Sin embargo, muy pocos estudios hasta ahora han comparado las ideas expresadas en las respuestas y el contenido que generan en diferentes idiomas.
Los investigadores del Instituto de Tecnología de Massachusetts (MIT) y la Universidad de Tongji llevaron a cabo un estudio destinado a investigar la posibilidad de que LLMS exhiba diferentes tendencias culturales en las respuestas que proporcionan en inglés y chino.
Sus hallazgos, publicado En el comportamiento humano de la naturaleza, demuestre que los modelos generativos GPT y Ernie transmiten diferentes rasgos culturales en los textos chinos e ingleses que generan.
“Mostramos que los modelos generativos de inteligencia artificial (AI), tratados en datos textuales que son inherentemente culturales, exhiben las tendencias culturales cuando se usan en diferentes idiomas humanos”, escribió Jackson G. Lu, Lesley Luyang Song y Lu Doris Zhang en su artículo.
“Nos centramos en dos construcciones fundamentales en psicología cultural: orientación social y estilo cognitivo”.
Para evaluar la medida en que los LLM son culturalmente neutrales, Lu, Song y Zhang analizaron un gran conjunto de respuestas generadas por GPT y Ernie, dos de los modelos generativos más populares. El primero de estos modelos se usa ampliamente en los Estados Unidos y en varios países de Europa y Medio Oriente, mientras que el segundo se usa principalmente en China.
Cuando se usa en chino (versus inglés), GPT exhibió una orientación social más interdependiente (versus independiente). A – D, las tendencias culturales de GPT en la orientación social se examinaron utilizando la escala de colectivismo29 (a), los valores culturales individuales: escala de colectivismo19 (b), la escala primacía individual -colectiva16 (c) y la inclusión de otros en la autoestima 30 (d). Las barras representan el nivel medio de orientación social interdependiente (versus independiente) para cada condición del idioma. Las barras de error indican errores estándar de la media. Para cada medida, Nchinese = 100, Nenglish = 100. Crédito: Lu, Song y Zhang. (Naturaleza del comportamiento humano, 2025).
Los investigadores analizaron dos principales aspectos culturales y psicológicos de las respuestas que los modelos generaron en inglés y chino. La primera es la orientación social, que se refiere a cómo las personas se relacionan con los demás (es decir, centrándose más en la interdependencia y la comunidad o la independencia y la agencia individual).
El segundo es el estilo cognitivo o, en otras palabras, cómo los modelos parecen procesar información (es decir, ya sea de manera holística o analítica).
En particular, varios estudios lingüísticos y culturales destacaron constantemente que las culturas orientales tienden a caracterizarse por una orientación social más interdependiente que las occidentales, así como un estilo cognitivo holístico.
“Analizamos las respuestas de GPT a un gran conjunto de medidas en chino e inglés”, escribió Lu, Song y Zhang.
“Cuando se usa en la orientación social china (versus inglesa), GPT exhibe una orientación social más interdependiente (versus independiente) y un estilo cognitivo más holístico (versus analítico). Replicamos estas tendencias culturales en Ernie, un modelo de IA generativo popular en China”.
En general, los hallazgos sugieren que las respuestas que producen LLM en diferentes idiomas no son culturalmente neutrales, sino que parecen transmitir valores culturales y estilos cognitivos inherentemente específicos.
En su artículo, los investigadores también incluyen ejemplos de cómo las tendencias culturales exhibidas por los modelos podrían afectar la experiencia de los usuarios.
Cuando se usaba en chino (versus inglés), GPT exhibió un estilo cognitivo más holístico (versus analítico). A – C, las tendencias culturales de GPT en estilo cognitivo se midieron mediante sesgo de atribución Tarea32 (a), la tarea de razonamiento intuitiva24 (b) y la expectativa de la tarea de cambio 26 (c). Las barras representan el nivel medio de estilo cognitivo holístico (versus analítico) para cada condición del lenguaje. Las barras de error indican errores estándar de la media. En a, nchinese = 1,200, english = 1,200 (12 viñetas, 100 iteraciones cada una); En B y C, Nchinese = 100, Nenglish = 100. Crédito: Lu, Song y Zhang. (Naturaleza del comportamiento humano, 2025).
“Demostramos el impacto del mundo real de estas tendencias culturales”, escribió Lu, Song y Zhang.
“Por ejemplo, cuando se usa en chino (versus inglés), es más probable que GPT recomiende anuncios con una orientación social interdependiente (versus independiente).
“Los análisis exploratorios sugieren que las indicaciones culturales (por ejemplo, lo que lleva a la IA generativa a asumir el papel de una persona china) pueden ajustar estas tendencias culturales”.
Además de presentar las tendencias culturales de los modelos generativos GPT y Ernie, Lu, Song y Zhang propusieron una posible estrategia para mitigar estas tendencias o ajustarlas cuidadosamente.
Específicamente, mostraron que el uso de indicaciones culturales o, en otras palabras, específicamente pidiendo a un modelo que asumiera la perspectiva de alguien de una cultura específica, condujo a la generación de contenido que estaba alineado con las indicaciones proporcionadas.
Los hallazgos reunidos por los investigadores pronto podrían inspirar a otros informáticos y científicos de comportamiento a investigar los valores culturales y los patrones de pensamiento exhibidos por los modelos computacionales. Además, podrían allanar el camino para el desarrollo de modelos que son más “culturalmente neutrales” o que preguntar específicamente a los usuarios qué valores culturales les gustaría alinearse un texto generado.
Escrito para usted por nuestro autor Ingrid Fadellieditado por Sadie Harleyy verificado y revisado por Robert Egan—Este artículo es el resultado de un trabajo humano cuidadoso. Confiamos en lectores como usted para mantener vivo el periodismo científico independiente. Si este informe le importa, considere un donación (especialmente mensual). Obtendrá una cuenta sin anuncios como agradecimiento.
Más información: Jackson G. Lu et al, Tendencias culturales en IA generativa, comportamiento humano de la naturaleza (2025). Dos: 10.1038/s41562-025-02242-1.
© 2025 Science X Network
Cita: LLMS muestran diferentes tendencias culturales al responder a las consultas en inglés y chino, estudios hallazgos (2025, 7 de julio) Recuperado el 7 de julio de 2025 de https://techxplore.com/news/2025-07-llms-display-cultural-tendencies-queries.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
