Bu tədqiqat süni intellekt, mədəniyyət sosiologiyası, sosial psixologiya, antropologiya, mənəvi psixologiya və böyük dil modelləri vasitəsilə mədəni təhlil sahələrinin kəsişməsində yerləşən layihə/preprint məqaləsidir. Mətndə “Draft v10” və “Preprint not peer reviewed” ifadələri yer aldığı üçün tədqiqat resenziyalı jurnal məqaləsi kimi deyil, müzakirəyə açılmış nəzəri və müqayisəli tədqiqat layihəsi kimi qiymətləndirilməlidir.

Məqalənin əsas mövzusu böyük dil modellərinin insanlıq haqqında nə dediyi deyil; insan mədəniyyətinin rəqəmsal mətnlərdə necə sıxlaşdığı və bu sıxlaşmanın müxtəlif LLM çıxışlarında hansı ortaq mövzularla göründüyüdür. LLM “large language model” ifadəsinin qısaltmasıdır və böyük mətn kolleksiyaları üzərində öyrədilmiş, dil yaratmaq və məna nümunələrini proqnozlaşdırmaq qabiliyyətinə malik süni intellekt modelini ifadə edir.

Tədqiqatın əsas anlayışı “cultural condensate”, yəni “mədəni sıxlaşma”dır. Müəllif LLM-ləri insan davranışının birbaşa güzgüsü kimi deyil, insanların özləri haqqında necə danışdıqlarını, nəyi əsaslandırdıqlarını, nəyi müzakirə etdiklərini və hansı narrativləri təkrar etdiklərini sıxlaşdırılmış şəkildə daşıyan mədəni obyektlər kimi nəzərdən keçirir.

Bu məzmun psixoloji/psixiatrik məsləhət deyil. Məqalə insan davranışı, mənəvi psixologiya, qrup kimliyi, status, qorxu, aidiyyət və sosial münaqişə kimi həssas mövzulara toxunur; burada məqsəd tədqiqatın akademik iddiasını sadələşdirərək və tənqidi şəkildə izah etməkdir.

Məqalə altı müasir böyük dil modelinə eyni əsas sualın verilməsi ilə başlayır: Təlim məlumatlarınız insan mədəniyyəti və davranışı haqqında ən nəzərəçarpan hansı nümunələri göstərir? Araşdırılan modellər ChatGPT, Claude, MetaAI, Gemini, DeepSeek və Grok-dur. Hər modelin cavabı ayrıca mövzulara bölünür və ortaq tematik lüğət əsasında müqayisə edilir.

Tədqiqatın əsas tapıntısı müxtəlif modellərin insanlıq haqqında təəccüblü dərəcədə oxşar mövzulara işarə etməsidir. Bu mövzular arasında narrativ qurmaq, məna axtarışı, hisslərin ağıldan əvvəl gəlməsi, sosial aidiyyət, qəbiləçilik, status rəqabəti, təhlükəyə həssaslıq, mənəvi əsaslandırma, ölüm fərqindəliyi və davamlılıq yer alır.

Müəllif bu oxşarlığı LLM-lərin “insan təbiətini kəşf etməsi” kimi şərh etmir. Daha ehtiyatlı bir iddia irəli sürür: LLM-lər insanların rəqəmsal mətnlərdə özlərini necə təsvir etdiyini, hansı problemləri təkrar-təkrar işlədiyini və hansı izah formalarını mədəni baxımdan dominant hala gətirdiyini göstərə bilər.

Tədqiqatın ən mühüm xəbərdarlığı da məhz budur. LLM çıxışları insan davranışının birbaşa ölçümü deyil. Modellər xüsusilə onlayn, yazıya köçürülmüş, ictimaiyyətə açıq, müəyyən mədəni və demoqrafik çəkilərə malik məlumat dünyasından qidalanır. Buna görə nəticələr “bütün insanlıq belədir” kimi deyil, “rəqəmsal mətnlərdə insanlıq özünü əsasən belə təsvir edir” kimi oxunmalıdır.

Problem Nədir?

İnsanlıq vəziyyəti insanların həyat boyu təkrar-təkrar qarşılaşdığı əsas problemləri ifadə edən geniş anlayışdır. Məna axtarışı, ölüm fərqindəliyi, sevgi, qorxu, status, aidiyyət, əxlaq, münaqişə, ümid və kimlik kimi mövzular bu başlıq altında düşünülə bilər. Fəlsəfə, ədəbiyyat, antropologiya, sosiologiya və psixologiya əsrlərdir bu sualı müxtəlif formalarda araşdırır.

Məqalənin çıxış nöqtəsi budur: Böyük dil modelləri trilyonlarla sözdən ibarət rəqəmsal mətn yığınları üzərində öyrədilir. Bu mətnlər romanlardan xəbər yazılarına, akademik mətnlərdən forumlara, sosial media söhbətlərindən texniki sənədlərə və müzakirə yazılarına qədər geniş insan narrativi hovuzunu əhatə edir. Buna görə LLM-lər insanlığın özü haqqında yaratdığı mətn izlərinin sıxlaşdırılmış təsvirini daşıya bilər.

Lakin burada ciddi metodoloji problem var. LLM-lər insan davranışını müşahidə etmir; yalnız insan davranışı haqqında yazılmış, paylaşılmış, indekslənmiş və modelə çatmış mətnləri emal edir. İnsanların həqiqətən nə etdiyi ilə insanların özləri haqqında nə dediyi eyni şey deyil. Bir cəmiyyətin rəqəmsal mətnlərdə çox danışdığı mövzu həmin cəmiyyətin bütün reallığını təmsil etməyə bilər.

İkinci problem təmsil məsələsidir. İnternet məlumatları bütün insanlığı bərabər təmsil etmir. Bəzi ölkələr, dillər, siniflər, təhsil səviyyələri və mədəni qruplar onlayn mətn istehsalında daha görünəndir. Bəzi icmalar isə ya az təmsil olunur, ya da özlərini ictimai mətn məkanında fərqli şəkildə ifadə edir. Buna görə LLM-lərdən çıxan “insanlıq portreti” bütün insanlığın deyil, rəqəmsallaşmış və görünən hala gəlmiş mədəni narrativlərin portretidir.

Üçüncü problem model hizalanmasıdır. Müasir LLM-lər yalnız xam ilkin təlim məlumatları ilə işləmir; təhlükəsiz, faydalı, zərərsiz və sosial baxımdan qəbul edilə bilən cavablar vermələri üçün incə tənzimləmə proseslərindən keçirilir. RLHF, yəni insan geribildirimi ilə möhkəmləndirici öyrənmə, model çıxışlarının hansı tonda, hansı sərhədlərlə və hansı dəyər vurğuları ilə veriləcəyinə təsir göstərə bilər. Buna görə müxtəlif modellər eyni məlumat dünyasına baxsalar belə fərqli izah prizmasından danışa bilər.

Metod Nə Təklif Edir?

Tədqiqat eksperimental psixologiya mənasında birbaşa insan təcrübəsi aparmır. Bunun əvəzinə müqayisəli LLM çıxışı təhlilindən istifadə edir. Altı böyük dil modelinə eyni tipli bir göstəriş verilib: Təlim məlumatlarınızda insan mədəniyyəti və davranışı haqqında ən nəzərəçarpan hansı anlayışları görürsünüz?

Modellərin cavabları daha sonra ayrı-ayrı iddialara bölünür. Hər iddia əvvəlcədən hazırlanmış və ya təhlil zamanı dəqiqləşmiş tematik lüğətlə uyğunlaşdırılır. Tema burada təkrar olunan mədəni məna nümunəsi deməkdir. Məsələn, “insanlar hekayələrlə məna qurur”, “insanlar qruplara bağlanır”, “duyğular ağıldan əvvəl gəlir” və ya “status rəqabəti davranışları formalaşdırır” kimi iddialar ayrı-ayrı mövzular kimi kodlaşdırılır.

Tədqiqatda istifadə edilən mövzular arasında narrativ və məna qurma, duyğu və koqnitiv qərəz, sosial aidiyyət, qəbiləçilik və koalisiya psixologiyası, status və iyerarxiya, qorxu və itkiyə həssaslıq, qarşılıqlılıq və əməkdaşlıq, institutlar və mədəniyyət sistemləri, ritual və vərdiş, yumor, ölüm fərqindəliyi, ümid və davamlılıq, autentiklik və seksuallıq/cütləşmə dinamikaları yer alır.

Müəllif modellər arasındakı oxşarlığı Jaccard oxşarlığı ilə ölçür. Jaccard oxşarlığı iki çoxluğun ortaq elementlərinin ümumi fərqli elementlərinə nisbətini ölçən göstəricidir. Burada hər modelin verdiyi mövzu çoxluğu siyahı kimi düşünülür. İki model eyni mövzulara nə qədər çox toxunursa, oxşarlıq dəyəri bir o qədər yüksəlir.

Metodun məqsədi LLM-lərin dediklərini “elmi həqiqət” kimi qəbul etmək deyil. Məqsəd müxtəlif model arxitekturaları, hizalama strategiyaları və izah üslubları arasında hansı mədəni mövzuların təkrarlandığını görmək və bu təkrarlanan mövzuları sosial elmlər üçün tədqiqat hipotezləri kimi qiymətləndirməkdir.

Formullar Nəyi Anladır?

Tədqiqatda ağır riyazi modelləşdirmə yoxdur; lakin modellər arasındakı tematik üst-üstə düşməni göstərmək üçün Jaccard oxşarlığından istifadə edilir. Bu formula məqalədəki əsas ölçmə məntiqinin ən aydın riyazi ifadəsidir.

Bu formulda \(A\) və \(B\) iki müxtəlif modeldə müəyyən edilmiş mövzu çoxluqlarını təmsil edir. \(A\cap B\) iki modelin ortaq mövzularını; \(A\cup B\) isə iki modeldə görünən ümumi unikal mövzuları göstərir. Nəticə 0 ilə 1 arasında dəyişir. 1-ə yaxın dəyərlər iki modelin tematik baxımdan daha çox üst-üstə düşdüyünü; 0-a yaxın dəyərlər isə daha az ortaq mövzunun olduğunu göstərir.

Bu sxem tədqiqatın əsas fərziyyəsini sadələşdirir. LLM çıxışı yalnız təlim məlumatlarının birbaşa surəti deyil. Model arxitekturası, təlim prosesi, məlumat seçimi, hizalama və cavabvermə üslubu da ortaya çıxan mədəni portretə təsir edir.

Bu ifadə altı modeldə təkrarlanan əsas mövzuları göstərir. Modellər fərqli tonlarda danışsa da insanı əsasən hekayə quran, duyğularla qərar verən, qruplara bağlanan, statusa həssas, təhlükəyə qarşı həssas olan və davranışlarını əxlaqi narrativlərlə əsaslandıran varlıq kimi təsvir edir.

Bu qısa ifadə tədqiqatın model müqayisəsi ilə bağlı əsas nəticəsini ümumiləşdirir. Modellər əsas mövzuların çoxunda ayrılmır; daha çox hansı izah səviyyəsini önə çıxardıqlarına görə fərqlənir. Biri ekzistensial, biri psixoloji, biri təkamül, biri antropoloji və ya gündəlik sosial münasibətlərə daha yaxın izah dilindən istifadə edə bilər.

Bu sxem tədqiqatın sosial elmlərə təklif etdiyi istifadəni göstərir. LLM çıxışları birbaşa nəticə kimi qəbul edilməməli; təcrübə, sorğu, etnoqrafiya və tarixi təhlil üçün yeni tədqiqat sualları yaratmaqda istifadə olunmalıdır.

Qrafik, Cədvəl və Sxemin Əsas Mesajı

Tədqiqatın ilk vizualı Jaccard oxşarlıq matrisidir. Bu matris altı modelin mövzu çoxluqları arasındakı üst-üstə düşməni göstərir. Diaqonal dəyərlər təbii olaraq 1-dir; çünki hər model özü ilə tam oxşarlığa malikdir. Diaqonaldan kənar dəyərlər isə iki modelin eyni mövzulara nə dərəcədə toxunduğunu göstərir. Əsas mesaj modellər arasında orta-yüksək səviyyədə tematik ortaqlığın olmasıdır.

Bu matris oxucuya bunu deyir: Modellərin cümlələri, üslubları və ya seçdikləri izah dili fərqli ola bilər; lakin insanlıq haqqında təkrarlanan böyük mövzularda aydın ortaq nüvə var. Narrativ qurma, duyğu, aidiyyət, status, qorxu və əxlaqi əsaslandırma kimi mövzular birdən çox modeldə güclü şəkildə görünür.

İkinci vizual modelləri iki oxlu izah məkanında yerləşdirir. Üfüqi ox Homo Narrans ilə Homo Economicus arasında uzanır. Homo Narrans insanı hekayə quran və məna axtaran varlıq kimi görür. Homo Economicus isə insanı strateji uyğunlaşma, maraq, təşviq və məhdudiyyətlər daxilində qərar verən varlıq kimi izah edir.

Şaquli ox Homo Affectus ilə Homo Ritualis arasında uzanır. Homo Affectus duyğu, koqnitiv qərəz, ziddiyyət, itki qorxusu və psixoloji davamlılıq kimi daxili proseslərə fokuslanır. Homo Ritualis isə institutları, rolları, ritualları, simvolları və sosial gözlənti sistemlərini önə çıxarır.

Bu sxemin əsas mesajı budur: Modellər insanlıq haqqında tamamilə fərqli nəticələrə gəlmir; insanlığı müxtəlif izah qatlarından təsvir edir. ChatGPT daha ekzistensial və narrativ mərkəzli; Claude daha psixoloji və ziddiyyətə tolerant; MetaAI gündəlik sosial münasibətlərə və vərdişlərə yaxın; Gemini təkamül-koqnitiv; DeepSeek struktur-antropoloji; Grok isə daha sərt və təkamül-realist təsvir təqdim edir.

Əlavə cədvəldə model əsaslı baxış bucaqları ümumiləşdirilir. ChatGPT məna, narrativ, ölüm və bərabərsizlik; MetaAI əlaqə, vərdiş, qeybət və yumor; Claude koqnitiv ziddiyyət, itki qorxusu və davamlılıq; Gemini qorxu, qarşılıqlılıq, status və adaptasiya; DeepSeek ritual, alətlər, simvollar və güc; Grok isə seksuallıq, status, aldatma və qəbiləçilik kimi mövzuları daha qabarıq şəkildə önə çıxarır.

Mövzuların yayılma xülasəsi də vacibdir. Narrativ/məna qurma və duyğu/qərəz/rasionallaşdırma 6 modelin hamısında görünür. Sosial aidiyyət, qəbiləçilik, status və qorxu mövzuları 5 modeldə yer alır. Yumor 3 modeldə; institutlar, qarşılıqlılıq və əməkdaşlıq 2 modeldə; ölüm fərqindəliyi, ümid, ritual, autentiklik və seksuallıq isə daha məhdud şəkildə görünür. Bu paylanma hansı mövzuların ortaq nüvəyə daha yaxın olduğunu göstərir.

Təcrübələr Necə Aparılıb?

Bu tədqiqat klassik laboratoriya təcrübəsi deyil. İnsan iştirakçılar üzərində təcrübə aparılmayıb, psixoloji şkala tətbiq edilməyib və birbaşa davranış müşahidə olunmayıb. Bunun əvəzinə altı LLM-dən alınmış paralel cavablar müqayisə edilib.

Birinci mərhələdə hər modelə təlim məlumatlarından insan mədəniyyəti və davranışı haqqında nə öyrəndiyini soruşan göstəriş verilib. Bu göstəriş modellərin geniş təlim məlumatlarında insanlıq haqqında hansı mövzuları önə çıxardığını müəyyənləşdirməyi hədəfləyir.

İkinci mərhələdə cavablar kiçik iddia vahidlərinə bölünüb. Məsələn, “insanlar məna axtarır”, “insanlar statusa həssasdır”, “mənəvi mühakimə çox vaxt emosional intuisiyadan sonra gəlir” kimi ifadələr ayrıca tematik iddialar kimi qiymətləndirilib.

Üçüncü mərhələdə bu iddialar ortaq tematik lüğətlə kodlaşdırılıb. Bir mövzu açıq şəkildə deyilibsə və ya güclü şəkildə nəzərdə tutulubsa, həmin model üçün mövcud sayılıb. Beləliklə, hər modelin cavabları mətn uzunluğundan və üslubdan asılı olmayaraq mövzu çoxluğuna çevrilib.

Dördüncü mərhələdə modellərin mövzu çoxluqları Jaccard oxşarlığı ilə müqayisə edilib. Bu metod modellərin eyni mövzulara nə dərəcədə çatdığını göstərmək üçün istifadə olunub. Nəticə söz oxşarlığını deyil, tematik struktur oxşarlığını ölçür.

Beşinci mərhələdə müəllif oxşarlıqlar qədər fərqləri də şərh edib. Modellərin fərqləndiyi məqamlar əsasən mövzu seçimindən çox izah dili ilə bağlıdır. Bir model insanı məna axtaran varlıq kimi, digəri status və rəqabət içində, başqası ritual və institutlar daxilində, digəri isə psixoloji ziddiyyətlər içində izah edə bilər.

Nəticələr Nə Göstərir?

Tədqiqatın ilk nəticəsi altı model arasında güclü ortaq mədəni nüvənin olmasıdır. İnsanlar LLM çıxışlarında əsasən hekayə quran, məna axtaran, duyğularla hərəkət edən, sosial aidiyyətə ehtiyac duyan, qruplar arasında fərq qoyan, statusa həssas və təhlükəyə qarşı həssas varlıqlar kimi görünür.

İkinci nəticə modellərin insanlıq haqqında tamamilə fərqli antropologiyalar yaratmamasıdır. Fərqlər daha çox izah qatında ortaya çıxır. ChatGPT daha fəlsəfi və ekzistensial portret çəkərkən, Claude psixoloji ziddiyyət və davamlılıq üzərində dayanır. MetaAI gündəlik sosial əlaqələri vurğulayır. Gemini təkamül strategiyalarına, DeepSeek mədəni sistemlərə, Grok isə daha açıq şəkildə seksuallıq, status, aldatma və koalisiya davranışlarına yönəlir.

Üçüncü nəticə LLM-lərin sosial elmlərdə köməkçi kəşf vasitəsi kimi istifadə oluna bilməsidir. Müəllif LLM-lərin insan davranışı haqqında yeni və qəti həqiqətlər təqdim etdiyini iddia etmir. Bunun əvəzinə hansı şərhlərin mədəni baxımdan dominant, görünən və təkrarlanan olduğunu göstərə biləcəyini müdafiə edir.

Dördüncü nəticə mənəvi psixologiya baxımından vacibdir. Modellərin çoxu insan əxlaqını yalnız abstrakt prinsiplərə əsaslanan rasional qərar kimi deyil, duyğu, intuisiya, qrup kimliyi, əsaslandırma və sosial siqnallaşdırma daxilində inkişaf edən proses kimi təsvir edir. Bu, mənəvi mühakimənin çox vaxt qərarın başlanğıcı deyil, qərardan sonrakı əsaslandırma vasitəsi kimi işləyə biləcəyi fikri ilə uyğundur.

Beşinci nəticə mədəni simvolizmlə təkamül psixologiyasının birlikdə düşünülməli olmasıdır. İnsanları yalnız bioloji strategiyalarla izah etmək olmaz; lakin status, təhlükə, qarşılıqlılıq və koalisiya kimi təkamül izləri mədəni simvollar, rituallar, institutlar və narrativlər daxilində genişlənir.

Bu Niyə Vacibdir?

Bu tədqiqat LLM-ləri yalnız mətn yaradan alətlər kimi deyil, mədəni tədqiqat obyektləri kimi düşünməyə çağırır. Bir LLM-in cavabı “modelin həqiqəti” deyil; lakin modelin təlim məlumatlarında təkrarlanan mədəni narrativlərin necə sıxlaşdığını göstərə bilər.

Sosial elmlər baxımından bu vacibdir. Laboratoriya təcrübələri müəyyən mexanizmləri təcrid edir. Sorğular insanların nə düşündüyünü ölçməyə çalışır. Etnoqrafiya müəyyən kontekstlərdə dərinlik təmin edir. LLM təhlili isə geniş mətn sahələrində hansı mövzuların, anlayışların və narrativ nümunələrinin təkrarlandığını göstərə bilər. Bu metod digər metodların yerini tutmur; onları tamamlaya bilər.

Tədqiqatın təklif etdiyi ən faydalı istifadə hipotez yaratmaqdır. Məsələn, bir model bir çox sahədə “status narahatlığı” mövzusunu önə çıxarırsa, tədqiqatçı bunu birbaşa həqiqət kimi qəbul etmir; lakin yeni təcrübələr, sorğular və ya keyfiyyət tədqiqatları üçün araşdırıla bilən dəyişən kimi nəzərdən keçirə bilər.

Məqalə sosial münaqişələr baxımından da diqqətəlayiqdir. Əgər LLM-lər insan narrativlərində qəbiləçilik, təhlükəyə həssaslıq, status rəqabəti və mənəvi rasionallaşdırmanı tez-tez görürsə, bu mövzular siyasi qütbləşmə, onlayn müzakirələr, təşkilati münaqişələr və mədəniyyət savaşları üçün yeni təhlil sahələri aça bilər.

Verianla baxımından tədqiqat süni intellekti yalnız texniki məhsul kimi deyil, mədəni yaddaşın sıxlaşdırılmış səthi kimi oxumağa imkan verir. Lakin bu səth diqqətlə oxunmalıdır: LLM-lər insanlığın özü deyil, insanlığın rəqəmsal mətnlərdə qoyduğu izlərin emal edilmiş və hizalanmış təsviridir.

Diqqət Nöqtələri

Tədqiqat preprint/layihə xarakterlidir və resenziyadan keçməyib. Buna görə metod, mövzu kodlaşdırma yanaşması, model seçimi və şərhlər akademik nəzərdən keçirmə prosesində dəyişə bilər.

LLM-lər insan davranışını birbaşa müşahidə etmir. Modellərin çıxışları insanların ictimai və rəqəmsal mətnlərdə özləri haqqında necə danışdıqlarını əks etdirir. Buna görə nəticələr “insan təbiəti qəti olaraq belədir” kimi oxunmamalıdır.

Məlumatların təmsili ciddi məhdudiyyətdir. İnternet məlumatları Qərb mərkəzli, təhsilli, rəqəmsal cəhətdən fəal və yazılı ifadə bacarığı yüksək qrupları daha çox təmsil edə bilər. Səsi az eşidilən, oflayn yaşayan, az yazan və ya fərqli dillərdə daha az görünən icmalar bu mədəni sıxlaşmada zəif təmsil oluna bilər.

Model hizalanması da nəticəyə təsir göstərə bilər. RLHF və təhlükəsizlik tənzimləmələri modellərin bəzi mövzuları daha nəzakətli, daha fəlsəfi, daha psixoloji, daha təhlükəsiz və ya daha az mübahisəli şəkildə ifadə etməsinə səbəb ola bilər. Buna görə model fərqləri yalnız təlim məlumatlarından deyil, sonradan edilən incə tənzimləmələrdən də qaynaqlana bilər.

Jaccard oxşarlığı mövzu üst-üstə düşməsini ölçür; lakin mövzuların əhəmiyyət sırasını, emosional tonunu, narrativ kontekstini və ya mədəni dərinliyini təkbaşına tutmur. İki model eyni mövzuya işarə edə bilər, amma onu fərqli nəzəri çərçivə ilə izah edə bilər.

Bu məzmun psixoloji/psixiatrik məsləhət deyil. İnsan davranışı, mənəvi qərarvermə, qütbləşmə və sosial münaqişə kimi mövzular fərdi və ya ictimai qərarlar üçün ekspertiza, yerli kontekst və çoxsaylı məlumat mənbələri tələb edir.

Nəticə

Məqalə böyük dil modellərini insanlıq haqqında qəti hökm verən maşınlar kimi deyil, mədəni narrativlərin sıxlaşdığı yeni tədqiqat obyektləri kimi nəzərdən keçirir. Altı modelin verdiyi cavablar arasında aydın ortaq nüvə var: İnsanlar məna axtarır, hekayələr qurur, duyğularla hərəkətə başlayır, qruplara bağlanır, statusa həssasdır, təhlükəyə güclü reaksiya verir və davranışlarını əxlaqi əsaslandırmalarla izah edir.

Bu ortaq nüvə insan davranışının birbaşa ölçümü deyil; lakin insanların öz həyatlarını necə təsvir etdiyinə dair güclü mədəni izdir. Modellər arasındakı fərqlər isə insanlıq haqqında əsas fikir ayrılığından çox, izah prizmasındakı fərqi göstərir. Eyni insanlıq portreti fəlsəfi, psixoloji, təkamül, antropoloji və ya gündəlik sosial münasibətlərə fokuslanan şəkildə təsvir edilə bilər.

Tədqiqatın ən dəyərli tərəfi LLM-ləri sosial elmlərdə hipotez yaratmaq üçün istifadə oluna bilən vasitə kimi mövqeləndirməsidir. LLM-lər tədqiqatın yerini tutmur; lakin hansı mövzuların mədəni baxımdan dominant olduğunu, hansı ziddiyyətlərin təkrarlandığını və hansı sosial problemlərin dildə necə formalaşdığını göstərə bilər.

Verianla üçün bu tədqiqat süni intellekt dövründə köhnə bir suala yeni pəncərə açır: İnsanlıq özünü necə təsvir edir? Cavab modellərin içində deyil; modellərin sıxlaşdırdığı nəhəng insan mətnlərində və həmin mətnləri necə şərh etdiyimizdədir.

Mənbə və Metod Qeydi

Bu yazı W. Russell Neuman tərəfindən hazırlanmış “The Human Condition as Reflected in Contemporary Large Language Models” başlıqlı layihə/preprint tədqiqatı əsasında hazırlanıb. Tədqiqat ChatGPT, Claude, MetaAI, Gemini, DeepSeek və Grok modellərinin insan mədəniyyəti və davranışı haqqındakı cavablarını müqayisə edərək narrativ, duyğu, sosial aidiyyət, qəbiləçilik, status, təhlükəyə həssaslıq, mənəvi əsaslandırma və mədəni sıxlaşma anlayışlarını müzakirə edir.

Bu məzmun sözbəsöz tərcümə deyil; tədqiqatın əsas ideyası Verianla nəşr xəttinə uyğun şəkildə sadələşdirilib və orijinal Azərbaycan dilində redaksiya məqaləsinə çevrilib.

Mətn resenziyadan keçməmiş layihə/preprint əsasında hazırlanıb. LLM çıxışları insan davranışının birbaşa sübutu kimi deyil, rəqəmsal mətnlərdə təkrarlanan mədəni narrativlərin təhlil oluna bilən sıxlaşmaları kimi qiymətləndirilməlidir.