Beyond Value Elicitation: Towards Moral Profiles in Early Requirements Engineering via Role-Playing Games and Anthropologist LLMs
تقترح هذه الدراسة نهجاً مبتكراً في هندسة المتطلبات يجمع بين ألعاب تقمص الأدوار الغامرة والنماذج اللغوية الكبيرة ذات الأسس الأنثروبولوجية لاستخلاص وإعادة بناء الملفات الأخلاقية الضمنية للمستخدمين كتمثيلات سردية ديناميكية، مما يتغلب على قيود طرق استخلاص القيم التقليدية.
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 فهم ما يهتم به الشخص حقاً. يمكنك سؤاله مباشرة: "ما هي قيمتك الأهم؟". ولكن في كثير من الأحيان، لا يعرف الناس الإجابة، أو لا يستطيعون شرحها. قيمهم تشبه المعرفة الضمنية — عادات خفية ومشاعر فطرية لا تظهر إلا عندما يفعلون شيئاً ما بالفعل، وليس فقط عند التحدث عنه.
تقترح هذه الورقة البحثية طريقة جديدة للكشف عن هذه القيم الخفية لمصممي البرمجيات. فبدلاً من ملء استبيان ممل، استخدم الباحثون لعبة تقمص أدوار (RPG) و**"عالم أنثروبولوجيا" ذكاء اصطناعي** خاص لبناء "ملف أخلاقي" لكل مستخدم.
إليك كيف يعمل الأمر، مقسماً إلى خطوات بسيطة:
1. اللعبة: مدينة رقمية للأخلاقيات (على غرار Sim City)
أنشأ الباحثون لعبة تقمص أدوار طاولة (مثل Dungeons & Dragons) تدور أحداثها في العالم الحقيقي لـ الخصوصية الرقمية.
- الإعداد: لعب عشرة أشخاص حقيقيين اللعبة. لم يكونوا يمثلون أدوار سحرة خياليين؛ بل كانوا يمثلون أنفسهم.
- الحبكة: تلقى اللاعبون رسائل بريد إلكتروني مزيفة، ووجدوا جهاز كمبيوتر مشبوهاً، وقابلوا جاراً مسناً مرتبكاً يحتاج للمساعدة في استخدام هاتف ذكي، وكان عليهم تقرير ما إذا كانوا سيثقون بموقع إلكتري مريب أم يتصلون بالشرطة.
- التحول المفاجئ: لم تكن هناك شروط "فوز" أو "خسارة". لم يكن الهدف هو تسجيل النقاط؛ بل كان الهدف هو اتخاذ القرارات.
- السحر: لأنها كانت لعبة، شعر اللاعبون بالأمان للتجربة. تجادلوا مع بعضهم البعض، وسألوا "عرافاً" من الذكاء الاصطناعي للحصول على المشورة، وكتبوا في مذكرات حول سبب اتخاذهم لقرارات معينة. هذا خلق نسيجاً غنياً من القصص بدلاً من مجرد قائمة من الإجابات.
التشبيه: فكر في هذا الأمر كأنه محاكي طيران. أنت لا تتعلم كيف يتعامل الطيار مع العاصة بسؤالهم: "كيف تتعامل مع العواصف؟"، بل تراقبهم وهم يقودون الطائرة عندما تسوء الأحوال الجوية الافتراضية. لقد أجبرت اللعبة اللاعبين على "الطيران" عبر المعضلات الأخلاقية، مما كشف عن كيفية تصرفهم فعلياً تحت الضغط.
2. الذكاء الاصطناعي: المحقق "عالم الأنثروبولوجيا"
بمجرد انتهاء اللعبة، أصبح لدى الباحثين جبل من البيانات الفوضوية: تسجيلات صوتية، مدخلات مذكرات، سجلات دردشة مع الذكاء الاصطناعي، وملاحظات دونها الباحث البشري.
- المشكلة: محاولة قراءة كل هذا من قبل إنسان ستستغرق أسابيع.
- الحل: استخدموا نموذج لغة ضخم (LLM)، لكنهم لم يطلبوا منه مجرد تلخيص النص. بل أعطوا الذكاء الاصطناعي "وصفاً وظيفياً" محدداً: "تقمص دور عالم أنثروبولوجيا".
- التدريب: قاموا بتغذية الذكاء الاصطناعي بـ "كتاب مدرسي" حول كيفية دراسة علماء الأنثروبولوجيا للبشر. علم هذا الكتاب المادة الذكاء الاصطناعي للبحث عن:
- القصص: كيف شرح اللاعب اختياره؟
لقد تعلموا من: - السياق: هل تصرفوا بشكل مختلف بسبب أصدقائهم؟
- التناقضات: هل قالوا إنهم حذرون ولكنهم خاطروا بعد ذلك؟ (قيل للذكاء الاصطناعي ألا يتجاهل هذه التناقضات، بل أن يعاملها كجزء من القصة).
- القصص: كيف شرح اللاعب اختياره؟
- المخرج: بدلاً من قائمة مرجعية مثل "القيم: الخصوصية، الأمانة، السلامة"، كتب الذكاء الاصطناعي ملفاً سردياً. لقد وصف "العالم الأخلاقي" للاعب كقصة ديناميكية. على سبيل المثال، قد يقول: "هذا اللاعب يعرف القواعد ولكنه غالباً ما ينجرف وراء استعجال اللحظة، معتمداً على أصدقائه لاتخاذ القرارات الصعبة".
التشبيه: تخيل محققاً لا يكتفي بالنظر إلى بطاقة الهوية الخاصة بالمشتبه به (التي تسرد اسمه وعمره). بدلاً من ذلك، يراقب المحقق تفاعل المشتبه به مع أصدقائه، ويراقب رد فعله تجاه الأزمات، ويستمع إلى كيفية روايته لقصته الخاصة. ثم يكتب المحقق سيرة ذاتية تشرح من هو الشخص، بدلاً من مجرد سرد إحصائياته.
3. الاختبار: هل نجح "الملف التعريفي"؟
لمعرفة ما إذا كانت هذه الطريقة قد نجحت بالفعل، لعب الباحثون لعبة تخمين.
- عرضوا على اللاعبين مجموعة جديدة من معضلات الخصوصية (أسئلة لم يروها من قبل).
- طلبوا من الذكاء الاصطناعي التنبؤ بكيفية إجابة كل لاعب، بناءً فقط على "الملف الأخلاقي" الذي كتبه بعد اللعبة.
- النتيجة: توقع الذكاء الاصطناعي بشكل صحيح بنسبة 81% من المرات.
- بينما حقق ذكاء اصطناعي قياسي (بدون تدريب "عالم الأنثروبولوجيا") حوالي 51% فقط من النجاح.
- وهذا يثبت أن "الملف الأخلاقي" (القصة) قد التقط شيئاً حقيقياً عن اللاعبين فاتته القائمة البسيطة للقيم.
لماذا يهم هذا بالنسبة للبرمجيات؟
حالياً، عندما تريد شركات البرمجيات معرفة ما يريده المستخدمون، فإنها غالباً ما تستخدم فئات جامدة (مثل "أنا أقدر الأمن"). لكن البشر معقدون وفوضويون.
- الطريقة القديمة: محاولة وضع الشخص في صندوق مكتوب عليه "يضع الخصوصية أولاً".
- الطريقة الجديدة: فهم أن الشخص قد يقدر الخصوصية إلا إذا كان في عجلة من أمره، أو إلا إذا طلب منه صديقه مشاركة شيء ما.
تشير هذه الورقة إلى أنه من خلال استخدام الألعاب لتوليد القصص والذكاء الاصطناعي لتحليل تلك القصص، يمكننا بناء برمجيات تحترم الطبيعة الحقيقية والفوضوية والديناميكية للقيم البشرية، بدلاً من مجرد نسخة مبسطة منها.
الملخص
تزعم الورقة أن:
- الألعاب أفضل من الاستطلاعات لمعرفة ما يفعله الناس حقاً، وليس فقط ما يقولون أنهم سيفعلونه.
- الذكاء الاصطناعي، عندما يُعلم التفكير كعالم أنثروبولوجيا، يمكنه تحويل بيانات اللعبة الفوضوية إلى "ملف أخلاقي" متماسك (قصة عن قيم الشخص).
- هذه الملفات التعريفية دقيقة بما يكفي للتنبؤ بكيفية تصرف الناس في مواقف جديدة، مما يساعد مصممي البرمجيات على بناء أنظمة تناسب الطبيعة البشرية بشكل أفضل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.