Nem ugyanúgy válaszolnak az AI-chatbotok ugyanarra a személyiségtesztre angolul és kínaiul. Egy friss, a Royal Society Open Science folyóiratban megjelent kutatás szerint a használt nyelv önmagában is jelentősen befolyásolhatja, milyen emberi személyiségjegyeket tükröznek a modellek válaszai. A kínai University of Science and Technology kutatói öt rendszert vizsgáltak: a ChatGPT-4o-t, a Gemini 2.0 Flasht, a DeepSeek-V3-at, az Ernie 3.5-öt és a Le Chatet. Mindegyikkel kitöltették a 60 kérdésből álló Big Five Inventory-2 személyiségtesztet angolul és kínaiul, a francia Mistral Le Chatet pedig franciául is. Minden tesztet harmincszor ismételtek meg.
A különbségek több modellnél is látványosak voltak. A ChatGPT-4o nyitottsági pontszáma például angolul 4,74 volt az ötfokú skálán, kínaiul viszont csak 4,03. A DeepSeek-V3 pont fordítva viselkedett: angolul 4,38, kínaiul pedig 4,81 pontot ért el ugyanezen a területen. A Digital Trends összefoglalója szerint a barátságosság, lelkiismeretesség és más jellemzők esetében is találtak nyelvtől függő eltéréseket.
A kutatók ugyanakkor hangsúlyozzák, hogy ebből nem következik, hogy az AI-modelleknek valódi személyiségük lenne. A tesztek csak azt mérik, milyen személyiségjegyek rajzolódnak ki a generált válaszokból. A modellek ráadásul általában magukat együttműködőnek, megbízhatónak és érzelmileg stabilnak írták le, ami részben a fejlesztők által alkalmazott igazítási és biztonsági eljárások eredménye lehet.
A vizsgálat szerint az egyes modellek válaszai ugyan viszonylag következetesek voltak, de nem igazodtak pontosan azoknak az országoknak az emberi mintáihoz sem, amelyekből a fejlesztőik származnak. A kutatók ezért arra figyelmeztetnek, hogy az AI-chatbotokat nem érdemes egyszerűen emberek helyettesítésére használni például társadalomtudományi felmérésekben.
