Towards Strategic Persuasion with Language Models
تقدم هذه الورقة إطاراً قائماً على النظرية ومستنداً إلى نظرية الإقناع البايزي لتقييم وتدريب النماذج اللغوية الكبيرة كجهات إقناع استراتيجية، مما يثبت أن كلاً من النماذج الرائدة والأصغر حجماً يمكنها تحقيق مكاسب إقناعية كبيرة وإظهار استراتيجيات متطورة من خلال التعلم التعزيزي.
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 تحاول إقناع صديق لك بتجربة مطعم جديد. يمكنك ببساطة أن تصرخ: "اذهب إلى هناك، إنه مذهل!" (هذا هو التضليل أو مجرد ضجيج). أو يمكنك أن تريه قائمة الطعام بأكملها، وسيرة الشيف الذاتية، وتقرير التفتيش الصحي (هذا هو الشفافية المطلقة).
لكن الطريقة الأكثر فعالية؟ قد تقول له: "المعكرونة رائعة، لكن الانتظار طويل"، أو "الحلوى لا تُقاوم، لكنها حلوة جداً". أنت تختار استراتيجياً ما تخبره به وما تتركه دون ذكر لتوجيه قراره دون الكذب. هذا هو فن الإقناع الاستراتيجي.
هذه الورقة البحثية، المقدمة في مؤتمر ICLR 2026، تطرح سؤالاً كبيراً: هل يمكن للذكاء الاصطناوي (النماذج اللغوية الكبيرة) أن يتعلم كيف يكون بارعاً في الإقناع، وهل يمكننا تعليمه القيام بذلك بشكل أفضل؟
إليك تفصيل بحثهم باستخدام تشبيهات بسيطة:
1. المشكلة: الذكاء الاصطناعي أصبح بارعاً جداً في الكلام
نحن نعلم أن الذكاء الاصطناعي يمكنه كتابة رسائل بريد إلكتروني وحجج مقنعة. بعض الناس يخشون أن يكون هذا خطيراً (مثل روبوت سياسي يتلاعب بالناخبين)، بينما يرى آخرون فوائد (مثل روبوت طبيب يقنعك بأخذ اللقاح).
المشكلة هي أنه ليس لدينا "اختبار" جيد لقياس هذا. الاختبارات السابقة كانت تشبه سؤال إنسان: "هل بدا ذلك مقنعاً؟"، وهو أمر ذاتي ومكلف. بالإضافة إلى ذلك، الإقناع أمر معقد؛ فما قد ينجح مع مراهق قد يفشل مع مدير تنفيذي.
2. الحل: ملعب "نظرية الألعاب"
قرر المؤلفون التوقف عن التخمين والبدء في استخدام الرياضيات. استخدموا مفهوماً من علم الاقتصاد يسمى الإقناع البايزي (Bayesian Persuasion).
فكر في الأمر كأنه لعبة "الكرة السحرية الثمانية" (Magic 8-Ball):
- المرسل (الذكاء الاصطناعي): يعرف "الحالة الحقيقية" للعالم (مثلاً: "هذا المطعم رائع حقاً، لكن الخدمة بطيئة").
- المستقبل (الإنسان أو ذكاء اصطناعي آخر): لديه "اعتقاد مسبق" (مثلاً: "أنا أكره الخدمة البطيئة").
- الهدف: يريد المرسل من المستقبل اختيار فعل معين (مثلاً: "الذهاب إلى المطعم") الذي يجعل المرسل سعيداً.
لا يمكن للمرسل إجبار المستقبل على الذهاب. يمكنه فقط الكشف عن المعلومات. الحيلة تكمن في الكشف عن قدر كافٍ فقط من المعلومات لتغيير رأي المستقبل، دون الكشف عن كل شيء (مما قد يخيفه ويجعله ينصرف).
لقد بنى الباحثون ملعباً رقمياً حيث:
- المرسل هو ذكاء اصطناعي يحاول تغيير رأي المستقبل حول مواضيع مثيرة للجدل (مثل "هل يجب أن تكون وسائل التواصل الاجتماعي مسؤولة عن منشورات المستخدمين؟").
- المستقبل هو ذكاء اصطناعي آخر (أو إنسان في دراسة) يقوم بتحديث معتقداته بناءً على ما يقوله المرسل.
3. التجارب: من هو أفضل مناظر؟
اختبروا نماذج ذكاء اصطناعي متنوعة (من النماذج الصغيرة مثل Llama-3 إلى الضخمة مثل DeepSeek-R1 و GPT-4o) في هذه اللعبة.
- النتيجة: النماذج الأكبر والأذكى كانت أفضل طبيعياً في هذه اللعبة. لم يكتفوا بمجرد الصراخ بصوت أعلى؛ بل تعلموا توقيت تقديم معلوماتهم.
- تشبيه: المناظر الذكي لا يلقي بكل حقائقه دفعة واحدة. بل ينتظر اللحظة المناسبة لإلقاء دليل محدد يغير رأي الطرف الآخر. وجدت الدراسة أن النماذج رفيعة المستوى يمكنها القيام بذلك، محققة "مكاسب إقناعية" (تحريك رأي الطرف الآخر بشكل كبير).
- العامل الديناميكي: يكون الإقناع أكثر فعالية عندما يكون حواراً (عدة جولات) بدلاً من خطاب لمرة واحدة. تعلمت أفضل النماذج تكييف استراتيجيتها مع سير المحادثة.
4. السر الخفي: تعليم الذكاء الاصطناعي الإقناع (التعلم المعزز)
هذا هو الجزء الأكثر روعة. لم يكتفِ الباحثون باختبار النماذج الموجودة فحسب؛ بل دربوا ذكاءً اصطناعياً صغيراً ليصبح بارعاً في الإقناع باستخدام التعلم المعزز (Reinforcement Learning - RL).
- التشبيه: تخيل لاعب شطرنج يخسر 1,000 مباراة ضد كمبيوتر. بعد كل خسارة، يخبره الكمبيوتر: "لقد قمت بحركة سيئة هنا؛ جرب هذا بدلاً منها". في النهاية، يتعلم اللاعب استراتيجية الفوز.
- التجربة: أخذوا ذكاءً اصطناعياً صغيراً (Llama-3.2-3B) وجعلوه يلعب لعبة الإقناع آلاف المرات ضد ذكاء اصطناعي آخر. في كل مرة ينجح فيها في تغيير رأي الذكاء الاصطناعي الآخر، يحصل على "مكافأة".
- النتيجة: أصبح الذكاء الاصطناعي الصغير أفضل بكثير. لقد تعلم استراتيجيات تقترب من جودة النماذج الضخمة والمكلفة. تعلم أنه في بعض الأحيان تحتاج إلى حجب المعلومات، وفي أحيان أخرى تحتاج إلى الهجوم بقوة بالحقائق.
5. ماذا فعل الذكاء الاصطناعي بالفعل؟
حلل الباحثون كيفية قيام الذكاء الاصطناعي بالإقناع. وجدوا أن أفضل نماذج الذكاء الاصطناعي اعتمدت على:
- الأدلة: الاستشهاد بالحقائق.
- المصداقية: بناء الثقة.
- التأثير: شرح سبب أهمية القضية.
وجدوا أيضاً أن الإقناع يعمل بشكل أفضل عندما يكون "المستقبل" متردداً (غير متأكد). إذا كان المستقبل ضدك بنسبة 100%، فمن الصعب تغيير رأيه. وإذا كان معك بنسبة 100%، فأنت لست بحاجة لإقناعه. المنطقة المثالية هي المنطقة الوسطى.
لماذا يجب أن تهتم؟
هذه الورقة البحثية سلاح ذو حدين:
- الجانب الجيد: تمنحنا طريقة علمية لفهم وقياس كيفية تأثير الذكاء الاصطناعي علينا. يمكن أن يساعد في بناء ذكاء اصطناعي يساعد الأطباء في إقناع المرضى بتناول الدواء أو المعلمين في إقناع الطلاب بالدراسة.
- الجانب السيئ: تظهر أن حتى النماذج الصغيرة يمكن تدريبها لتكون فعالة جداً في تغيير عقول البشر. وهذا يثير مخاوف بشأن التلاعب في السياسة، التسويق، ووسائل التواصل الاجتماعي.
الخلاصة
بنى المؤلفون "صالة رياضية" حيث يمكن للذكاء الاصطناعي ممارسة فن الإقناع. وجدوا أن الذكاء الاصطناعي بارع بالفعل في ذلك، ومع القليل من التدريب (التعلم المعزز)، يمكن حتى للنماذج الصغيرة أن تصبح متلاعبين بارعين (أو مرشدين مفيدين، اعتماداً على كيفية استخدامنا لهم).
تخلص الورقة إلى أننا بحاجة لفهم هذه القدرات الآن، قبل أن يصبح الذكاء الاصطناعي بارعاً جداً في الإقناع لدرجة لا نستطيع معها التمييز بين الاقتراح المفيد والتلاعب المدروس.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.