Social World Models
تقدم هذه الورقة نماذج العالم الاجتماعي (SWMs) وصيغة تمثيل هيكلية مبتكرة تسمى S3AP لنمذجة الحالات الذهنية الخفية والديناميكيات الاجتماعية بشكل صريح، مما يعزز بشكل كبير قدرة الوكلاء الاصطناعيين على التفكير في التفاعلات الاجتماعية المعقدة والتنقل عبرها عبر معايير قياسية متعددة.
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 تسير في مدينة صاخبة. أنت لا ترى المباني وإشارات المرور فحسب؛ بل ترى الناس. تلاحظ أن الشخص الذي يمر مسرعاً بجانبك يبدو قلقاً، والزوجين اللذين يتجادلان على المقعد يبدوان غاضبين، والباريستا الذي يبتسم لزبون يتصرف بودّ. أنت تشغل باستمرار فيلماً سرياً غير مرئي في رأسك، تخمن ما يفكر فيه الآخرون، وما يشعرون به، وما يخططون للقيام به تالياً. هكذا يتنقل البشر في العالم: نحن نبني "خريطة ذهنية" لعقول الآخرين، وليس فقط للأشياء المادية من حولنا.
لفترة طويلة، كانت الحواسيب بارعة في رسم خرائط العالم المادي. فهي تعرف أنه إذا أسقطت كرة، فإن الجاذبية ستسحبها للأس down، وإذا دفعت باباً، فإنه سيفتح. ولكن عندما يتعلق الأمر بالبشر، غالباً ما تضل الحواسيب طريقها. يمكنها قراءة قصة عن جدال، لكنها تجد صعوبة في فهم المشاعر الخفية، أو القواعد غير المعلنة، أو لماذا قد يكذب شخص ما لحماية صديق. هي ترى الكلمات، لكنها تفقد "الأشباح" الموجودة في الآلة — المعتقدات، والنوايا، والعواطف التي تحرك السلوك البشري. تسأل هذه الورقة سؤالاً كبيراً: هل يمكننا تعليم الذكاء الاصطناعي بناء خريطته الذهنية الخاصة بالبشر، تماماً كما نفعل نحن؟
يقول الباحثون وراء هذه الدراسة، المنشورة في مؤتمر COLM 2026، إن الإجابة هي نعم، ولكن فقط إذا غيرنا طريقة تغذية المعلومات للذكاء الاصطناعي. هم يجادلون بأن مجرد ضخ قصة طويلة وفوضوية في الحاسوب ليس كافياً. بدلاً من ذلك، يقترحون طريقة جديدة لتنظيم المعلومات الاجتماعية تسمى نماذج العالم الاجتماعي (Social World Models). فكر في الأمر على هذا النحو: إذا قرأ ذكاء اصطناعي قياسي رواية وحاول تخمين نهايتها، فالأمر يشبه محاولة التنقل في غرفة مظلمة عبر تحسس الجدران. أما نموذج العالم الاجتماعي، فهو يقوم بتشغيل الأضواء. إنه يفكك القصة إلى قائمة مراجعة منظمة: من الموجود هنا؟ ماذا يرون؟ بماذا يفكرون سراً؟ ماذا فعلوا للتو؟
ولجعل هذا يعمل، ابتكر الفريق تنسيقاً خاصاً يسمى S3AP (بروتوكول تحليل المحاكاة الاجتماعية المهيكلة). تخيل S3AP كمترجم يأخذ قصة فوضوية وانسيابية ويحولها إلى لوحة تحكم نظيفة ومنظمة. بدلاً من فقرة تقول "كانت إيسلا متوترة لأن والدتها رأتها"، يقوم S3AP بتفكيكها إلى حقول واضحة: الوكيل: إيسلا؛ العاطفة: متوترة؛ الملاحظة: أمي رأتني؛ الإجراء: إخفاء جهاز التحكم في اللعبة. تعمل هذه البيانات المهيكلة كـ "مخطط اجتماعي" يمكن للذكاء الاصطناعي التفكير والتعليل من خلاله فعلياً.
تختبر الورقة هذه الفكرة بطريقتين رئيسيتين. أولاً، أعطوا الذكاء الاصطناعي مجموعة من الألغاز الاجتماعية (مثل معرفة من يعرف ماذا في دردشة جماعية) وطلبوا منه حلها. كانت النتائج مبهرة: عندما استخدم الذكاء الاصطعي مخطط S3AP، أصبح أفضل بكثير في حل هذه الألغاز. وفي اختبار معقد يسمى FANToM، قفز أداء الذكاء الاصطناعي بنسبة 51% مقارنة بأفضل محاولاته السابقة. والأكثر إثارة للاهتمام، هو أنهم وجدوا أن ذكاءً اصطناعياً أصغر وأقل قدرة يمكن أن يعمل كـ "مترجم" لإنشاء المخطط، ومن ثم يمكن لذكاء اصطناعي أكثر ذكاءً استخدام ذلك المخطط لحل اللغز بشكل أفضل مما لو حاول القيام بذلك بمفرده. هذا يشير إلى أن مهارة تنظيم المعلومات الاجتماعية تختلف عن مهارة حل المشكلة، وكلتاهما مطلوبة.
ثانياً، ترك الباحثون الذكاء الاصطناعي يلعب لعبة حيث يتعين عليه التفاعل مع ذكاء اصطناعي آخر في الوقت الفعلي، مثل التفاوض على سعر أو تكوين صداقة جديدة. لقد أعطوا الذكاء الاصطناعي أداة "تنبؤ": قبل أن يقول أو يفعل أي شيء، يستخدم نموذج العالم الاجتماعي الخاص به للمحاكاة: "إذا قلت هذا، كيف سيشعر الشخص الآخر؟ ماذا سيفعل تالياً؟". هذه الخطوة البسيطة من التوقف للتفكير مسبقاً جعلت الذكاء الاصطناعي أكثر استراتيجية. في المواقف التنافسية، مثل المساومة، حسن الذكاء الاصطناعي معدل نجاحه بنسبة تصل إلى 18%.
تشير الورقة إلى أنه من خلال منح الذكاء الاصطناعي طريقة مهيكلة لتتبع ليس فقط ما يفعله الناس، بل ما يفكرون ويشعرون به، يمكننا مساعدتهم على التنقل في المواقف الاجتماعية بذكاء أكبر بكثير. إنه ليس حلاً سحرياً يحل كل المشكلات الاجتماعية فوراً، ويعترف الباحثون بأن هناك تحديات لا تزال قائمة، مثل التأكد من أن الذكاء الاصطناعي لا يخطئ في فهم المشاعر. لكن النتائج تشير بقوة إلى أنه عندما يتوقف الذكاء الاصطناعي عن مجرد قراءة الكلمات ويبدأ في بناء نموذج ذهني للأشخاص الذين يقفون خلفها، فإنه يصبح شريكاً اجتماعياً أفضل بكثير.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.