Language Model Fine-Tuning on Scaled Survey Data for Predicting Distributions of Public Opinions
تقدم هذه الورقة البحثية SubPOP، وهي مجموعة بيانات واسعة النطاق تتكون من 3,362 سؤال استطلاع و70,000 زوج من (الفئة الفرعية-الاستجابة)، لتُظهر أن الضبط الدقيق للنماذج اللغوية الكبيرة على هذه البيانات يتفوق بشكل كبير على هندسة الأوامر في التنبؤ بدقة بتوزيعات الرأي العام عبر مختلف الفئات الفرعية والاستطلاعات غير المرئية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك مخطط مدن تحاول بناء حديقة جديدة. أنت بحاجة لمعرفة ما يريده السكان: هل يريدون ملعباً للأطفال أم حديقة للكلاب؟ هل يفضلون الظل أم الشمس المفتوحة؟
تقليدياً، سيتعين عليك طرق الأبواب، وسؤال الآلاف من الناس، والانتظار لشهور للحصول على النتائج. إنها عملية مكلفة، بطيئة، وأحياناً تفوتك فئات من الناس الذين لا يفتحون أبوابهم.
الآن، تخيل أن لديك روبوتاً فائق الذكاء (نموذج لغوي كبير، أو LLM) قد قرأ كل شيء تقريباً كُتب على الإنترنت. تسأل الروبوت: "ماذا يريد المراهقون في هذا الحي؟" فيقوم الروبوت بالتخمين، لكنه غالباً ما يخطئ. قد يعتقد أن جميع المراهقين يريدون ملاعب تزلج لأنه قرأ الكثير من الأخبار عن التزلج، غافلاً عن حقيقة أن الكثير منهم يريدون فقط حدائق هادئة. الأمر يشبه امتلاك الروبوت "شخصية افتراضية" لا تتطابق تماماً مع المجموعات المحددة من الناس التي تحاول فهمها.
هذه الورقة البحثية تدور حول تعليم ذلك الروبوت كيف يكون "مراقباً بشرياً" أفضل بكثير.
إليك تفصيل ما قام به الباحثون، باستخدام تشبيهات بسيطة:
1. المشكلة: "الإعداد الافتراضي" للروبوت
وجد الباحثون أن مجرد طلب "تظاهر بأنك مسيحي محافظ من أوهايو" من الروبوت (وهي تقنية تسمى "التلقين") لم يكن يعمل بشكل جيد. كان الروبوت لا يزال عالقاً في أفكاره الخاصة، ويخمن بناءً على الصور النمطية بدلاً من البيانات الفعلية. كان الأمر يشبه طلبك من طاهٍ لا يطبخ سوى الطعام الإيطالي أن يطبخ فجأة وجبة تايلاندية مثالية لمجرد أنك قلت له "تصرف كأنك تايلاندي". قد يحاول، لكن النكهات لن تكون صحيحة.
2. الحل: "المذاكرة المكثفة" على بيانات الاستطلاع الحقيقية
بدلاً من مجرد إخبار الروبوت بما يجب فعله، قرر الباحثون إعادة تدريبه. لقد أنشأوا دليلاً دراسياً ضخماً يسمى SubPOP.
- الدليل الدراسي: قاموا بجمع 3,362 سؤال استطلاع حقيقي، والأهم من ذلك، الإجابات الفعلية من 70,000 مجموعة مختلفة من الناس (على سبيل المثال: "كيف تشعر النساء الآسيويات اللواتي تتراوح أعمار هن بين 30-40 عاماً تجاه تغير المناخ؟").
- التدريب: قاموا بتغذية هذا الروبوت بهذه البيانات. وبدلاً من مجرد قراءة الأسئلة، تعلم الروبوت النظر إلى مجموعة محددة والتنبؤ بـ توزيع الإجابات.
- تشبيه: تخيل معلماً يظهر للروبوت فصلاً دراسياً يضم 100 طالب. بدلاً من سؤاله: "ما هي الإجابة الصحيحة الواحدة؟"، يقول المعلم: "انظر، 40 طالباً رفعوا أيديهم للإجابة بـ 'نعم'، و30 بـ 'ربما'، و30 بـ 'لا'. عندما ترى مجموعة كهذه، عليك أن تتنبأ بهذا المزيج بدقة".
3. النتيجة: روبوت "حرباء"
بعد هذا التدريب، أصبح الروبوت ببراعة الحرباء.
- دقة أفضل: عندما يُسأل عن مجموعة محددة، كانت تنبؤات الروبوت أقرب بنسبة 46% إلى الإجابات البشرية الحقيقية مما كانت عليه من قبل.
- التعميم: الجزء الأفضل؟ لم يقم الروبوت بمجرد حفظ المجموعات المحددة التي درسها. بل تعلم نمط طريقة تفكير المجموعات المختلفة. لذا، عندما يُسأل عن مجموعة لم يسبق له رؤيتها (مثل "المراهقين الليبراليين في الغرب الأوسط")، فإنه لا يزال بإمكانه تقديم تخمين جيد جداً. لقد تعلم "قواعد" الرأي العام، وليس فقط مفرداته.
4. لماذا هذا مهم؟
هذا يغير قواعد اللعبة للباحثين وصناع القرار.
- تشبيه "الاختبار التجريبي": قبل أن ينفق سياسي الملايين من الدولارات على استطلاع حقيقي لاختبار قانون جديد، يمكنه الآن أن يسأل هذا الروبوت المدرب: "إذا سألنا 1,000 شخص من هذه الفئة الديموغرافية المحددة، كيف ستكون النتائج؟"
- توفير الوقت والمال: يساعد هذا الباحثين في تحديد المجموعات التي تحتاج إلى استطلاع أكثر دقة، أو ما إذا كان السؤال مربكاً، قبل أن يطلقوا الاستطلاع الحقيقي المكلف في العالم الواقعي.
الخلاصة
لقد أخذ الباحثون ذكاءً اصطناعياً ذكياً ولكنه "منفصل قليلاً عن الواقع" وأعطوه دورة تدريبية مكثفة وعالية الجودة حول كيفية تفكير الناس وتصويتهم في الواقع. لقد حولوا الذكاء الاصطناعي من مجرد مخمن إلى محاكي موثوق للرأي العام، مما يسمح لنا بفهم المجموعات المتنوعة من الناس بشكل أسرع وأكثر دقة من أي وقت مضى.
باخت ટصار: لقد علموا الذكاء الاصطناعي التوقف عن التخمين فيما قد يفكر فيه الناس، والبدء في التنبؤ بما يفكرون فيه حقاً، بناءً على البيانات الحقيقية لكيفية استجابة المجموعات المختلفة من البشر للعالم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.