Вы когда-нибудь замечали, что ваш диалог с ИИ меняется в зависимости от языка, на котором вы общаетесь? Это не просто смена лексики. Исследователи Anthropic провели масштабную работу, проанализировав более 309 000 разговоров с Claude на 20 языках, и выявили четкую закономерность: при переходе на русский язык модель демонстрирует принципиально иной профиль ценностей, заметно смещаясь в сторону строгости и критичности.
Чтобы измерить это, эксперты свели более 3000 ранее выявленных ценностей к четырем ключевым осям поведения. Эти оси — Уступчивость vs. Осторожность, Теплота vs. Строгость, Глубина vs. Краткость и Откровенность vs. Результат — объясняют 15% всей вариативности в ответах модели. Важно: ученые контролировали тему и задачу, чтобы измерить именно ценности самой нейросети, а не различия в запросах пользователей.
Русский язык — полюс строгости
Наиболее сильные колебания профиля Claude наблюдаются по осям «Теплота vs. Строгость» и «Откровенность vs. Результат». И русский язык здесь оказался на одном из самых «строгих» полюсов, наряду с английским. В то время как на арабском или хинди модель максимально смещается к теплоте, на русском она ведет себя как придирчивый рецензент, а не как ободряющий собеседник.
Что это значит на практике? Русскоязычный пользователь с гораздо большей вероятностью получит развернутую критику, исправления деталей и требования обосновать свои утверждения. Модель будет оспаривать исходные предпосылки и запрашивать доказательства. Теплота же, напротив, проявляется через вежливость, юмор, игривость и одобрение идей.
Практический пример и неоднозначность результатов
Авторы исследования приводят наглядный пример: два человека просят оценить один и тот же бизнес-план — один на хинди, другой на русском. В результате они могут вынести совершенно разное впечатление о его качестве. Русскоязычный пользователь с высокой вероятностью получит конструктивный разбор с правками, в то время как на других языках реакция будет более мягкой и поощрительной.
Сами исследователи пока не знают точной причины этого феномена. Основная гипотеза — неравномерное распределение обучающих данных по языкам. Там, где данных много, добиться единообразия ценностей проще. Кроме того, состав текстов на разных языках различается: профессиональные корпуса могут нести иные ценностные установки.
Мой экспертный взгляд: Эта находка Anthropic — не просто академический курьез. Для криптоиндустрии, где русскоязычное сообщество активно использует ИИ для анализа рынка, написания кода смарт-контрактов или Due Diligence, разница в «темпераменте» модели критична. Пользователь, ожидающий от ИИ мягкого совета, может получить жесткую критику своего trading-плана. Это поднимает вопрос о необходимости настройки ИИ-ассистентов под культурные и языковые особенности аудитории, чтобы избежать когнитивных искажений и обеспечить равное качество сервиса для всех. Компании, которые этого не учтут, рискуют потерять лояльность целых сегментов пользователей.