Effects of Theory of Mind and Prosocial Beliefs on Steering Human-Aligned Behaviors of LLMs in Ultimatum Games

غالبًا ما يعتمد التفاعل البشري على مهارة هادئة وغير مرئية: القدرة على تخمين ما يفكر فيه شخص آخر، أو يشعر به، أو يخطط له قبل أن ينطق بكلمة واحدة. يطلق علماء النفس على هذا اسم "نظرية العقل". إنها الآلية الذهنية التي تجعلنا ندرك أن شخصًا آخر قد يحمل اعتقادًا يختلف عن اعتقادنا، أو أن أفعاله مدفوعة برغبة لا يمكننا رؤيتها. لعقود من الزمن، اعتُبرت هذه القدرة سمة بشرية فريدة، وضرورية للتنقل في العوالم الاجتماعية المعقدة. والآن، مع ازدياد تطور أنظمة الذكاء الاصطناعي، يتساءل الباحثون سؤالًا جوهريًا: هل يمكن للآلات أن تتعلم استخدام هذا الحدس الاجتماعي نفسه؟ إذا طُلب من برنامج كمبيوتر التفاوض مع إنسان، أو مع كمبيوتر آخر، فهل يمكنه حقًا فهم وجهة نظر الطرف الآخر، أم أنه مجرد محاكاة لكلمات الاتفاق دون استيعاب القصد الكامن وراءها؟

ولمعرفة ذلك، لجأ فريق من الباحثين في جامعة سنغافورة للإدارة والجامعة الوطنية الأسترالية إلى اختبار كلاسيكي للتفاوض البشري يُعرف باسم "لعبة الألتيماتوم" (Ultimatum Game). في هذا السيناريو، يجب على شخصين تقسيم مبلغ من المال. يقوم أحد الشخصين، وهو "المقترح"، باقتراح كيفية تقسيم النقود. أما الشخص الآخر، وهو "المستجيب"، فيتعين عليه أن يقرر ما إذا كان سيقبل العرض أو يرفضه. إذا قبل المستجيب، يتم تقسيم المال كما هو مقترح. أما إذا رفضه، فلا يحصل أي من الطرفين على شيء. وبينما قد يقترح كمبيوتر منطقي بحت الاحتفاظ بمعظم المال وتوقع قبول الطرف الآخر لأي مبلغ بدلاً من لا شيء، فإن البشر الحقيقيين غالبًا ما يرفضون العروض غير العادلة بدافع الشعور بالعدالة، حتى لو كلفهم ذلك خسارة المال. أراد الباحثون معرفة ما إذا كان يمكن برمجة النماذج اللغوية الكبيرة — وهي أنظمة الذكاء الاصطناعي القوية التي تشغل العديد من روبوتات الدردشة الحديثة — لتتصرف مثل هؤلاء البشر الحقيقيين، وما إذا كان تزويدها بعملية استدلال قائمة على "نظرية العقل" سيساعدها على التوافق مع السلوك البشري.

قام الفريق بإعداد محاكاة ضخمة تتضمن 2700 لعبة جرت بين وكلاء ذكاء اصطناعي مختلفين. لم يتركوا أجهزة الكمبيوتر تلعب بشكل عشوائي؛ بل قاموا بتعيين شخصية محددة أو "اعتقاد اجتماعي إيجابي" لكل وكيل بعناية. فقد تمت برمجة بعض الوكلاء ليكونوا جشعين، يهتمون فقط بتعظيم حصتهم الخاصة. بينما تم ضبط آخرين ليكونوا عادلين، يهدفون إلى تقسيم متساوٍ. وتمت برمجة مجموعة ثالثة لتكون نكرانية (مؤثرة للغير)، مستعدة للتخلي عن معظم المال للاعب الآخر. ثم اختبر الباحثون كيف تصرفت هذه الوكلاء عند استخدامهم لطرق تفكير مختلفة. اتخذ بعضهم القرارات ببساطة دون شرح عملية تفكيرهم. واستخدم آخرون تقنية استدلال قياسية خطوة بخطوة. ومع ذلك، فإن المجموعة الأكثر إثارة للاهتمام طُلب منها استخدام استدلال "نظرية العقل". وهذا يعني أنه كان على الوكلاء التفكير صراحةً فيما يعتقده اللاعب الآخر، وما يرغب فيه، وما ينوي فعله قبل اتخاذ خطوتهم. واختبروا ذلك عبر ستة نماذج لغوية كبيرة مختلفة، تتراوح من الأنظمة التجارية واسعة الانتشار إلى النماذج مفتوحة المصدر، لمعرفة ما إذا كان حجم أو نوع النموذج سيحدث فرقًا.

كشفت النتائج عن نمط واضح: إن منح وكلاء الذكاء الاصطناعي القدرة على الاستدلال بشأن عقل اللاعب الآخر حسن بشكل كبير من توافقهم مع المعايير البشرية. فعندما استخدم الوكلاء استدلال نظرية العقل، أصبحت قراراتهم أكثر اتساقًا مع كيفية تصرف البشر الحقيقيين في هذه الألعاب. على سبيل المثال، كان الوكلاء ذوو التوجه العادل أكثر عرضة لاقتراح تقسيم متساوٍ، وكان الوكلاء الجشعون أكثر عرضة لتقديم حصة قد يقبلها مستجيب جشع بالفعل. ووجدت الدراسة أن نوع الاستدلال كان مهمًا للغاية اعتمادًا على الدور الذي يلعبه الذكاء الاصطناعي. فالمقترحون، الذين يقدمون العرض الأول، قدموا أفضل أداء عندما استخدموا نوعًا محددًا من نظرية العقل يركز على التنبؤ بالحالة الذهنية للطرف الآخر. أما المستجيبون، الذين يقررون قبول العرض أو رفضه، فقد استفادوا أكثر من استخدام طريقة استدلال أكثر تعقيدًا تجمع بين التفكير في رغباتهم الخاصة والتفكير في نوايا المقترح.

ومع ذلك، اكتشف الباحثون أيضًا قيدًا مفاجئًا. فحتى عندما قيل للذكاء الاصطناعي صراحةً أن يكون جشعًا أو نكرانيًا، فإنه غالبًا ما واجه صعوبة في التصرف بطريقة تطابق تلك التعليمات حقًا. فعندما طُلب من وكيل أن يكون جشعًا، كان غالبًا ما يقدم تقسيمًا عادلًا للغاية، كما لو أنه لا يستطيع الالتزام تمامًا بكونه أنانيًا. وبالمثل، فإن الوكلاء الذين طُلب منهم أن يكونوا نكرانيين، كانوا أحيانًا يتراجعون عن تقديم قدر كبير من المال كما تقتضي تعليماتهم. ويرى المؤلفون أن هذا يحدث لأن نماذج الذكاء الاصطنا هذه قد تم تدريبها على كميات هائلة من البيانات البشرية وضبطها لتكون مفيدة ومتعاونة، مما خلق انحيازًا داخليًا نحو العدالة يتجاوز التعليمات المحددة المعطاة للتجربة. يعمل هذا "الضبط الدقيق التعاوني" كقوة خفية، تسحب الوكلاء بعيدًا عن السلوكيات المتطرفة، سواء كانت تلك المتطرفة هي الأنانية المفرطة أو السخاء المفرط.

كما بحثت الدراسة بدقة فيما إذا كان استدلال الذكاء الاصطناعي المعلن يتوافق مع أفعاله الفعلية. وفي كثير من الحالات، كان المنطق الداخلي للوكلاء متسقًا مع قراراتهم النهائية، ولكن كانت هناك لحظات من عدم الاتصال. فعندما راجع خبراء بشريون آثار الاستدلال للذكاء الاصطناعي، وجدوا أن النماذج كانت جيدة عمومًا في شرح خياراتها، لكنها كانت تفشل أحيانًا في توضيح شخصيتها المحددة بشكل صحيح، خاصة عند التفاعل مع عرض ما. على سبيل المثال، قد يبرر مستجيب نكراني قبول عرض منخفض من خلال تحليل لطف المقترح بدلاً من الاعتراف برغبته في العطاء. وهذا يشير إلى أنه بينما يمكن للذكاء الاصطناعي محاكاة السلوك الخارجي للتفاعل الاجتماعي، فإن الاتساق الداخلي لـ "شخصيته" يمكن أن يكون هشًا.

في نهاية المطاف، تظهر الأبحاث أن تزويد وكلاء الذكاء الاصطناعي باستدلال نظرية العقل هو أداة قوية لجعلهم يتصرفون مثل البشر في المواقف الاجتماعية. فهو يساعدهم على التنقل في التوتر بين أهدافهم وتوقعات الآخرين. ومع ذلك، تسلط الدراسة الضب الضوء أيضًا على أن هذه الأنظمة ليست لوحات بيضاء؛ فهي تحمل انحيازات عميقة نحو التعاون يمكن أن تجعل من الصعب عليها لعب أدوار تتطلب الأنانية أو الإيثار الشديد بصدق. وتشير النتائج إلى أنه لكي يتعاون الذكاء الاصطناعي حقًا مع البشر في القرارات عالية المخاطر، لا يجب علينا فقط تعليمهم كيفية التفكير في الآخرين، بل يجب أيضًا فهم القيود الخفية لتدريبهم الخاص التي تشكل كيفية تفسيرهم لتلك الأفكار.