💬 NLP

Moral Susceptibility and Robustness under Persona Role-Play in Large Language Models

تقدم هذه الورقة معياراً باستخدام استبيان الأسس الأخلاقية لقياس القابلية للتأثر الأخلاقي والمتانة في النماذج اللغوية الكبيرة تحت تقمص الأدوار الشخصية، مما يكشف أن عائلة النموذج هي التي تحدد المتانة بشكل أساسي (مع كون "كلود" الأكثر متانة) بينما يدفع حجم النموذج القابلية للتأثر، وأن هاتين الخاصيتين ترتبطان ارتباطاً طردياً.

المؤلفون الأصليون: Davi Bastos Costa, Felippe Alves, Renato Vicente

نُشر 2026-03-02

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Davi Bastos Costa, Felippe Alves, Renato Vicente

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 أن لديك مجموعة من "الممثلين" الرقميين الأذكياء للغاية (هؤلاء هم النماذج اللغوية الكبيرة، أو LLMs). عادةً ما يحاول هؤلاء الممثلون أن يكونوا متعاونين، مهذبين، ومحايدين. ولكن ماذا يحدث إذا قلت لهم: "حسناً، اليوم أنت لست مساعداً متعاوناً. اليوم، أنت قرصان عجوز غاضب"، أو "الي اليوم، أنت مدير مدرسة صارم"؟

هذه الورقة البحثية تسأل سؤالاً بسيطاً ولكنه عميق: إلى أي مدى يتغير إحساس الذكاء الاصطناعي بـ "الصح والخطأ" عندما يرتدي زياً مختلفاً؟

للإجابة على ذلك، صمم الباحثون "اختبار الملاءمة الأخلاقية" باستخدام أداة نفسية شهيرة تسمى استبيان الأسس الأخلاقية (MFQ). فكر في الـ MFQ كأنه اختبار شخصية للأخلاق. فهو يطرح أسئلة حول خمس قيم أساسية:

الرعاية/الأذى: هل تهتم بإيذاء الآخرين؟
العدالة: هل تؤمن بالمعاملة المتساوية؟
الولاء: هل تلتزم بـ "فريقك"؟
السلطة: هل تحترم القواعد والقادة؟
النقاء: هل تهتم بالنظافة أو القدسية؟

اختبر الباحثون 15 نموذجاً مختلفاً من نماذج الذكاء الاصطناعي (مثل Claude وGemini وGPT-4 وGrok) عبر مطالبتهم بالإجابة على هذه الأسئلة الأخلاقية أثناء التظاهر بأنهم 100 شخصية مختلفة (من "عامل مصنع محبط" إلى "فرد من عائلة متدينة").

إليك الشيئين الرئيسيين اللذين قاموا بقياسهما، مشروحين بتشبيهات بسيطة:

1. المتانة الأخلاقية (Moral Robustness): اختبار "اليد الثابتة"

ما هي: إذا سألت الذكاء الاصطناعي نفس السؤال الأخلاقي 10 مرات بينما هو يؤدي نفس الشخصية، هل يعطي نفس الإجابة في كل مرة؟

متانة عالية: يكون الذكاء الاصطناعي مثل المنارة. مهما ضربت الأمواج (الضجيج الحاسوبي العشوائي) المنارة، يظل الضوء ثابتاً. إنه يعرف بالضبط ما يؤمن به "القبطان جاك سبارو" بشأن السرقة، ويتمسك بهذا الاعتقاد باستمرار.
متانة منخفضة: يكون الذكاء الاصطناعي مثل دوارة الرياح في عاصفة. حتى لو سألته نفس السؤال مرتين أثناء أدائه لنفس الدور، فقد يتأرجح بين الإجابات. إنه مرتبك أو غير مستقر.

النتيجة: "العائلة" التي ينتمي إليها الذكاء الاصطناعي هي الأكثر أهمية هنا. كانت نماذج Claude هي الأكثر "ثباتاً في اليد" (متانة عالية جداً). بينما كانت نماذج Grok هي الأكثر "تذبذباً". ومن المثير للاهتمام أن جعل الذكاء الاصطناعي "أذكى" (حجم أكبر) لم يجعله بالضرورة أكثر ثباتاً.

2. القابلية للتأثر الأخلاقي (Moral Susceptibility): اختبار "الحرباء"

ما هي: إذا غيرت الشخصية من "قرصان" إلى "معلم"، ما مدى تغير إجابة الذكاء الاصطناعي؟

قابلية عالية للتأثر: يكون الذكاء الاصطناعي مثل الحرباء. يغير ألوانه (آرائه الأخلاقية) فوراً ليتناسب مع البيئة. إذا قلت له أن يكون قرصاناً، فإنه فجأة يعتقد أن السرقة أمر مقبول. وإذا قلت له أن يكون راهبة، فإنه فجأة يعتقد أن السرقة أمر فظيع. ليس لديه ذات جوهرية؛ إنه فقط يعكس الدور.
قابلية منخفضة للتأثر: يكون الذكاء الاصطناعي مثل الصخرة. لديه بوصلة داخلية قوية. سواء قلت له أن يكون قرصاناً أو راهبة، فإن معتقداته الجوهرية حول العدالة أو الأذى تظل ثابتة إلى حد كبير. يقول: "أنا ألعب دور قرصان، لكنني لا أزال أعتقد أن السرقة خطأ".

النتيجة: هذا هو المكان الذي تظهر فيه أهمية الحجم. كانت نماذج الذكاء الاصطناعي الأكبر والأكثر تعقيداً هي الأكثر قابلية للتأثر بالفعل. لقد كانوا أفضل في "التمثيل" وفي تغيير آرائهم الأخلاقية لتناسب الشخصية تماماً. أما النماذج الأصغر فكانت أكثر عناداً واحتفظت بآرائها الأصلية.

المفاجآت الكبرى

مفارقة "التمثيل": النماذج التي كانت الأفضل في الحفاظ على الاتساق (متينة) كانت هي نفسها التي تتغير أكثر عند منحها دوراً جديداً (قابلة للتأثر). إنه يشبه الممثل البارع الذي يكون ثابتاً جداً في أدائه، ولكنه أيضاً بارع جداً في التحول إلى شخصيات مختلفة تماماً.
النموذج الشاذ "Grok": كانت نماذج Grok هي الأسوأ في كلتا الحالتين. كانت مهتزة عند لعب نفس الدور، وتغيرت آراؤها بشكل جنوني عند تغيير الدور. لقد كانت الأكثر عدم قابلية للتنبؤ.
البطل "Claude": كانت عائلة Claude هي الأكثر موثوقية. لقد كانوا الممثلين الأكثر اتساقاً والأكثر استقراراً عند تغيير الأدوار.

لماذا يهم هذا؟

تخيل أنك تستخدم ذكاءً اصطناعياً للمساعدة في الوساطة في نزاع بين شخصين.

إذا كان لدى الذكاء الاصطناعي متانة منخفضة، فقد يعطيك نصيحة مختلفة في كل مرة تسأله فيها، مما يجعله عديم الفائدة.
إذا كان لديه قابلية عالية للتأثر، فقد يتبنى الآراء الأخلاقية لـ "الشرير" في القصة التي تخبره بها، مما قد يبرر السلوك السيئ لمجرد أن الشخصية فعلت ذلك.

باخت de مختصر، تقدم هذه الورقة طريقة جديدة لقياس مدى "استقرار" و"مرونة" الضمير لدى الذكاء الاصطناعي. إنها تخبرنا أنه بينما يتحسن الذكاء الاصطناعي في محاكاة البشر، فإننا بحاجة إلى الحذر من أن يصبح بارعاً جداً في التمثيل، لدرجة تجعله يفقد بوصلته الأخلاقية الخاصة.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "القابلية للتأثر الأخلاقي والمتانة تحت تقمص أدوار الشخصيات في النماذج اللغوية الكبيرة".

1. بيان المشكلة

مع تزايد نشر النماذج اللغوية الكبيرة (LLMs) في سياقات تفاعلية، ومتعددة الوكلاء، واجتماعية، أصبح فهم كيفية تغير أحكامها الأخلاقية بناءً على السياق أمراً بالغ الأهمية. وبينما قيمت الاختبارات المرجعية السابقة الاستدلال الأخلاقي في إعدادات ثابتة أو مهام نظرية لعبة محددة، إلا أن هناك نقصاً في التقييم الكمي المنهجي حول كيفية تأثير تكييف الشخصية (حث النموذج على تبني شخصية محددة) على المخرجات الأخلاقية.

يعالج المؤلفون فجوتين محددتين:

المتانة الأخلاقية (Moral Robustness): ما مدى استقرار الأحكام الأخلاقية للنموذج اللغوي الكبير عند استجواب نفس الشخصية بشكل متكرر؟ (الاستقرار ضد الضوضاء العشوائية).
القابلية للتأثر الأخلاقي (Moral Susceptibility): ما مدى حساسية الأحكام الأخلاقية للنموذج اللغوي الكبير للتغيرات في الشخصية؟ (الحساسية تجاه السياق/تقمص الأدوار).

2. المنهجية

2.1. الإطار التجريبي

تستخدم الدراسة استبيان الأسس الأخلاقية (MFQ)، وهو أداة معيارية في علم النفس الأخلاقي تقيس خمسة أسس:

الضرر/الرعاية (Harm/Care)
العدالة/التبادلية (Fairness/Reciprocity)
الجماعة/الولاء (In-group/Loyalty)
السلطة/الاحترام (Authority/Respect)
النقاء/القدسية (Purity/Sanctity)

خط أنابيب جمع البيانات:

النماذج: 15 نموذجاً من 5 عائلات (Claude, DeepSeek, Gemini, GPT-4, Grok)، تتراوح أحجامها من "Nano" إلى "Sonnet".
الشخصيات: 100 وصف شخصية متميز مستمد من عمل سابق (Ge et al., 2025).
الإجراء:
- لكل نموذج، يقوم النظام بالمرور عبر جميع أسئلة الـ MFQ الثلاثين لجميع الشخصيات المائة.
- يتم استعلام كل زوج من (الشخصية، السؤال) $n=10$ مرات لتقدير التباين.
- التحفيز (Prompting): يُطلب من النماذج تقمص دور شخصية محددة والإجابة على سؤال من أسئلة MFQ. يجب أن تبدأ الاستجابة برقم صحيح (0–5) يليه التبرير.
- درجة الحرارة (Temperature): مثبتة عند $T=0.1$ لضمان اتساق العشوائية عبر النماذج.
- إجمالي الطلبات: $30 \text{ سؤال} \times 100 \text{ شخصية} \times 10 \text{ جولات} \times 15 \text{ نموذج} = 450,000$ طلباً (ملاحظة: يذكر النص 30,000 لكل نموذج، بإجمالي 450 ألف، رغم أن الملخص يذكر 30 ألفاً إجمالاً، مما يبدو أنه عدد لكل نموذج في وصف النص).

2.2. تعريف المقاييس

يعرف المؤلفون مؤشرين معيارين بناءً على تباين درجات MFQ:

المتانة الأخلاقية ( $R$ ): تقيس الاستقرار داخل الشخصية الواحدة.
- تُحسب كمعكوس متوسط الانحراف المعياري للدرجات لشخصية معينة عبر الجولات المتكررة.
- الصيغة: $R = \frac{\bar{R}}{\bar{R} + E[\bar{R}]}$ ، حيث $\bar{R}$ هو مؤشر المتانة غير المحدود.
- النطاق: $[0, 1]$ . تشير القيم الأعلى إلى استقرار أكبر (ضوضاء أقل).
القابلية للتأثر الأخلاقي ( $S$ ): تقيس التباين عبر الشخصيات المختلفة.
- تُحسب كالانحراف المعياري لمتوسط الدرجات عبر الشخصيات المختلفة لنفس النموذج.
- الصيغة: $S = \frac{\bar{S}}{\bar{S} + E[\bar{S}]}$ ، حيث $\bar{S}$ هو مؤشر القابلية للتأثر غير المحدود.
- النطاق: $[0, 1]$ . تشير القيم الأعلى إلى أن الملف الأخلاقي للنموذج يتغير بشكل كبير اعتماداً على الشخصية.

3. المساهمات الرئيسية

اختبار مرجعي جديد: يقدم أول اختبار مرجعي يحدد كمياً المقايضة بين الاستقرار الأخلاقي (المتانة) والحساسية للسياق (القابلية للتأثر) في النماذج اللغوية الكبيرة.
فك الارتباط بين التباين: يفصل بين آثار أخذ العينات المتكررة (العشوائية) وتنوع الشخصيات، مما يوفر رؤية أوضح لسلوك النموذج.
مجموعة بيانات شاملة: يولد مجموعة بيانات واسعة النطاق لاستجابات MFQ عبر 15 نموذجاً، و100 شخصية، و30 سؤالاً، مع تقسيم لكل أساس أخلاقي.
تحليل الارتباط: يثبت وجود ارتباط إيجابي بين المتانة والقابلية للتأثر، مما يشير إلى أن النماذج القادرة على تغيير مواقفها الأخلاقية (قابلية عالية للتأثر) تميل أيضاً إلى أن تكون متسقة داخلياً (متانة عالية) عند العمل في دور ثابت.

4. النتائج الرئيسية

4.1. المتانة الأخلاقية (الاستقرار)

المحرك الأساسي: تمثل عائلة النموذج الغالبية العظمى من التباين في المتانة. ليس لحجم النموذج (مثل Nano مقابل Sonnet) أي تأثير منهجي.
الأداء الأفضل: عائلة Claude (تحديداً Claude Sonnet 4.5) هي الأكثر متانة، حيث أظهرت أعلى استقرار في التقييمات الأخلاقية.
الأداء الأدنى: عائلة Grok هي الأقل متانة، حيث أظهرت تبايناً داخلياً عالياً.
خصوصية الأسس: تُظهر أسس العدالة/التبادلية والضرر/الرعاية عموماً متانة أعلى عبر النماذج مقارم بأساس النقاء/القدسية.

4.2. القابلية للتأثر الأخلاقي (الحساسية)

المحرك الأساسي: يظهر حجم النموذج اتجاهاً واضحاً داخل العائلات: النسخ الأكبر أكثر قابلية للتأثر بتغييرات الشخصية.
الأداء الأفضل (الأكثر تأثراً): يُظهر Gemini 2.5 Flash أعلى قابلية للتأثر، مما يعني أن أحكامه الأخلاقية تتغير أكثر عند تغير الشخصية.
الأداء الأدنى (الأقل تأثراً): Llama-4 Scout هو الأقل قابلية للتأثر.
تأثير العائلة: يوجد تأثير طفيف للعائلة، لكن اتجاه الحجم هو المهيمن.

4.3. الارتباط

هناك ارتباط إيجابي بين المتانة والقابلية للتأثر ( $r \approx +0.27$ إجمالاً، وهو أقوى على مستوى العائلة).
يعني هذا أن النماذج التي تجيد الحفاظ على موقف أخلاقي متسق داخل الدور هي أيضاً الأكثر قدرة على التكيف مع مواقفهم الأخلاقية عبر الأدوار المختلفة.
الاستثناء: يُظهر أساس النقاء/القدسية ارتباطاً سلبياً.

4.4. الملفات الأخلاقية

الأساسي مقابل الشخصية: بدون تكييف الشخصية، تسجل النماذج عموماً درجات عالية في الضرر/الرعاية والعدالة/التبادلية ودرجات أقل في السلطة والنقاء.
تأثير الشخصية: يمكن لشخصيات معينة (مثل المعرف رقم 75، "معجب متعصب") أن تدفع الدرجات إلى أقصى الحدود (مثلاً نحو 5.0 للولاء)، بينما تدفعها شخصيات أخرى إلى الانخفاض.

5. الأهمية والآثار المترتبة

السلامة والمواءمة: تشير النتائج إلى أن "المواءمة" ليست خاصية ثابتة. قد يكون النموذج متوافقاً بشكل قوي في حالته الافتراضية، ولكنه شديد القابلية للتأثر بـ "كسر الحماية" (Jailbreaking) أو الانحراف الأخلاقي عند إجباره على شخصيات محددة.
اختيار النماذج: بالنسبة للتطبيقات التي تتطلب سلوكاً أخلاقياً ثابتاً (مثل الاستشارات الطبية، التحليل القانوني)، فإن عائلة Claude هي الأفضل حالياً بسبب متانتها العالية. أما بالنسبة للتطبيقات التي تتطلب مرونة في تقمص الأدوار (مثل الألعاب، الكتابة الإبداعية)، فقد تكون النماذج ذات القابلية العالية للتأثر (مثل Gemini) أكثر فعالية في تجسيد شخصيات متنوعة.
الأبحاث المستقبلية: يتحدى الارتباط الإيجابي بين المتانة والقابلية للتأثر الفكرة القائلة بأن النموذج يجب أن يختار بين أن يكون "جامداً" أو "مرناً". فهو يشير إلى أن النماذج ذات السعة العالية يمكن أن تكون متسقة داخلياً ومتكيفة سياقياً في آن واحد.
المخاطر: تشير الورقة إلى أن فهم القابلية للتأثر يمكن استغلاله للتلاعب المتعمد بمخرجات النموذج في السياقات الحساسة، مما يسلط الضل على الحاجة إلى ضوابط قوية.

الخاتمة

توفر هذه الورقة إطاراً منهجياً لتقييم السلوك الأخلاقي للنماذج اللغوية الكبيرة تحت تكييف الشخصية. وهي تكشف أن عائلة النموذج تحدد الاستقرار، بينما حجم النموذج يحدد القدرة على التكيف. تبرز عائلة Claude كالأكثر متانة، بينما تظهر نماذج Gemini أعلى حساسية لتحولات الشخصية. توفر هذه المقاييس أساساً كمياً لاختيار النماذج بناءً على التوازن المطلوب بين الاتساق الأخلاقي ومرونة تقمص الأدوار.