مع تقدم نماذج اللغة الكبيرة (LLMs) في القدرات، فإن ضبابيتها تُدخل قضايا أخلاقية كبيرة. عدم القدرة على تفسير هذه النماذج يجعل من الصعب تشخيص وتخفيف الأضرار المحتملة الناتجة عن المعلومات المضللة، والتحيزات، ومخاطر التلاعب الاجتماعي. يعتبر نشر منهجيات الذكاء الاصطناعي القابل للتفسير أمرًا حاسمًا في تدقيق هذه الأنظمة المعقدة وحماية توافقها مع القيم المجتمعية. على سبيل المثال، يمكن أن تكشف تقنيات نسبة البيانات وتصور أنماط الانتباه عن التحيزات، بما في ذلك الصور النمطية المتعلقة بالجنس، التي غالبًا ما تكون متجذرة في مجموعات بيانات التدريب (Li et al., 2023a).

علاوة على ذلك، يمكن أن تكشف المصنفات التي تستكشف النماذج عن ما إذا كانت الروابط غير المرغوب فيها قد تم استيعابها.

الكيانات المسؤولة عن نشر نماذج اللغة الكبيرة – سواء كانت باحثين أو كيانات تجارية أو هيئات حكومية – تتحمل مسؤولية أخلاقية لإعطاء الأولوية لقابلية التفسير في الذكاء الاصطناعي. يجب أن تكون الخطوات مثل التدقيق الشامل للنماذج، وتأسيس لجان إشراف خارجية، وتعزيز الشفافية معيارًا لمواجهة المخاطر مع انتشار نماذج اللغة الكبيرة بشكل متزايد. من الجدير بالذكر أنه مع تقدم الأنظمة لتوافق نماذج اللغة الكبيرة مع المعايير الأخلاقية، يجب ألا يتم تقليل أهمية الإشراف البشري؛ بل على العكس، يجب تعزيزها، كما يقترح Martin (2023). إدراج أدوات القابلية للتفسير في عملية التدقيق لتكملة الحكم البشري هو استراتيجية لا ينبغي تجاهلها. مع استمرارنا في توسيع وتعزيز أداء نماذج اللغة الكبيرة، من الضروري أيضًا تطوير تقنيات القابلية للتفسير بشكل متزامن، لضمان تقدمها بطريقة أخلاقية وآمنة.