Theory of Mind in Action: The Instruction Inference Task in Dynamic Human-Agent Collaboration
تقدم هذه الورقة "مهمة استنتاج التعليمات" (Instruction Inference Task) و"تومكات" (Tomcat)، وهو وكيل يعتمد على النماذج اللغوية الكبيرة ومصمم لممارسة "نظرية العقل" عبر استنتاج النوايا غير المعلنة من التعليمات الغامضة، مما يثبت أن المتغيرات التي تستخدم تسلسل الأفكار في سياق التعلم من أمثلة قليلة تحقق أداءً مماثلاً لأداء البشر في التعاون الديناميكي بين الإنسان والوكيل.
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 تلعب لعبة فيديو مع شريك آلي (روبوت). تشير إلى باب أحمر وتقول: "هل يمكنك إحضار ذلك؟"
قد يتجمد الروبوت التقليدي. هو يسمع "إحضار ذلك"، لكنه لا يعرف ما هو "ذلك". هل هو الباب؟ أم المفتاح الموجود خلفه؟ أم الكنز بداخله؟ ولأنه يأخذ كلماتك حرفياً، فقد يحاول الإمساك بالباب نفسه، فيفشل وتنتهي اللعبة.
أما الشريك البشري، فيستخدم "نظرية العقل" (Theory of Mind). هو يفكر: "أوه، إنه يشير إلى الباب الأحمر، وهو مغلق. من المحتمل أنه يريد المفتاح الأحمر ليفتح الباب حتى نتمكن من الحصول على الجوهرة التي خلفه." إنه يفهم نيتك، وليس مجرد كلماتك.
هذه الورقة البحثية تتحدث عن تعليم النماذج اللغوية الكبيرة (الذكاء الاصطناي مثل الذي تتحدث إليه الآن) أن تكون ذلك الشريك البشري الذكي، حتى عندما تعطيهم تعليمات غامضة أو غير مكتملة.
المشكلة: "الروبوت الحرفي" مقابل "قارئ الأفكار"
وجد الباحثون أنه بينما يتفوق الذكاء الاصطناي في كتابة القصائد والبرمجة، فإنه غالباً ما يعاني في العمل الجماعي في الوقت الفعلي عندما تكون التعليمات مبهمة. إذا لم توضح كل تفصيل بدقة، فإن الذكاء الاصطناعي غالباً ما يضل الطريق لأنه يفتقر إلى القدرة على تخمين ما تفكر فيه.
لاختبار ذلك، صمموا لعبة تسمى "أبواب، مفاتيح، وجواهر".
- الهدف: جمع جوهرة لامعة.
- العقبة: المسار مسدود بأبواب مغلقة.
- المهمة: أنت (الإنسان) تعطي التعليمات للذكاء الاصطناعي (الوكيل). أحياناً تقول "أحضر المفتاح" (واضح). وأحياناً تقول "هل يمكنك إحضار ذلك؟" بينما تسير نحو باب معين (غامض).
على الذكاء الاصطناعي أن يستنتج:
- أي مفتاح تريده حقاً؟
- ما هو هدفك النهائي (الجوهرة)؟
- ما هو المسار الأكثر كفاءة للوصول إليها؟
الحل: "Tomcat" وطريقتان للتفكير
بنى الباحثون وكيلاً للذكاء الاصطناعي يسمى "Tomcat". واختبروا طريقتين مختلفتين لمساعدة Tomcat على التفكير:
نهج "المنطق العام" (CP):
- التشبيه: تخيل أنك تعطي Tomcat كتاب قواعد يقول: "إذا سار شخص ما باتجاه باب مغلق، فمن المحتمل أنه يريد المفتاح".
- كيف يعمل: يعتمد الذكاء الاصطناعي على المعرفة العامة والمنطق الأساسي.
- النتيجة: هو جيد، لكنه غالباً ما يرتبك في المواقف الصعبة. إنه يشبه طالباً حفظ الكتاب المدرسي لكنه لم يسبق له رؤية امتحان حقيقي.
نهج "العرض لا مجرد الإخبار" (Fs-CoT):
- التشبيه: تخيل أنك تعطي Tomcat دليلاً دراسياً يحتوي على 7 أمثلة محلولة. "هنا صورة لشخص يسير نحو باب أحمر. هذا ما قاله. وهذا بالضبط ما فعله الروبوت لمساعدته".
- كيف يعمل: هذا ما يسمى "سلسلة الأفكار قليلة الخطوات" (Few-Shot Chain-of-Thought). الذكاء الاصطناعي لا يخمن فحسب؛ بل ينظر إلى الأمثلة ويحاكي عملية التفكير خطوة بخطوة. إنه يتعلم كيف "يفكر بصوت عالٍ" قبل التصرف.
- النتيجة: كان هذا هو المكون السحري. من خلال رؤية كيفية حل مشكلات مماثلة، بدأ الذكاء الاصطناعي "يفهم الأمر".
التجربة: الذكاء الاصطناي مقابل البشر
وضعوا 52 بشرياً وعدة نسخ من Tomcat (مدعومة بعقول ذكاء اصطناي مختلفة مثل GPT-4o و DeepSeek-R1 و Gemma) للاختبار.
- البشر: قاموا بعمل رائع. استخدموا "نظرية العقل" بشكل طبيعي لتخمين ما يريده الشخص الآخر.
- ذكاء اصطناي "المنطق العام": عانى. غالباً ما أخذ التعليمات حرفياً وفشل في التخطيط المسبق.
- ذكاء اصطناي "العرض لا مجرد الإخبار" (Fs-CoT): هذا هو الفوز الكبير.
- نسخ Tomcat المدعومة بـ GPT-4o و DeepSeek-R1، عندما مُنحت "الدليل الدراسي" (Fs-CoT)، أدت بشكل جيد تماماً مثل البشر.
- استطاعت هذه النسخ النظر إلى تعليمات غامضة مثل "أحضر ذلك"، ورؤية الإنسان يسير نحو باب أحمر، واستنتاج الأمر بشكل صحيح: "حسناً، أحتاج لأخذ المفتاح الأحمر، وإحضاره إليهم، ومن ثم يمكنهم فتح الباب للحصول على الجوهرة".
لماذا فشل بعض الذكاء الاصطناي؟
ليست كل عقول الذكاء الاصطناي متساوية.
- GPT-4o و DeepSeek-R1: هؤلاء يشبهون الطلاب الأذكياء الذين، بمجرد عرض الأمثلة عليهم، استطاعوا تطبيق المنطق بشكل مثالي. لقد أصبحوا زملاء عمل ممتازين.
- Gemma-3-27B: هذا النموذج أصغر (مثل طالب ذو قدرة استيعابية أقل). حتى مع وجود الدليل الدراسي، عانى في ربط جميع النقاط لخطط معقدة متعددة الخطوات. كان بإمكانه اتباع تعليمات بسيطة لكنه كان يضيع في "الصورة الكبيرة".
الخلاصة الكبرى
تثبت الورقة البحثية أن الذكاء الاصطناي يمكنه تعلم كيف يكون شريكاً جيداً، لكنه يحتاج إلى النوع الصحيح من التدريب.
- لا تعطِ الذكاء الاصطاي قواعد فقط.
- أعطه أمثلة على كيفية التفكير.
عندما تظهر للذكاء الاصطناي كيفية التفكير في مشكلة ما (من خلال إظهار أمثلة على عمل جماعي ناجح)، فإنه يتوقف عن كونه روبوتاً حرفياً ويبدأ في التصرف كشريك يفهم نواياك غير المعلنة. هذه خطوة كبيرة نحو امتلاك مساعدين من الذكاء الاصطناي يمكنهم العمل معنا في مواقف العالم الحقيقي الفوضوية حيث لا نتحدث دائماً بدقة مثالية.
باخت-القول: إذا كنت تريد من الذكاء الاصطناي أن يفهمك، فلا تخبره فقط بما يجب فعله. أرِهِ كيف حللت مشكلة مماثلة من قبل، وسوف يتعلم قراءة عقلك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.