Identity, Cooperation and Framing Effects within Groups of Real and Simulated Humans
تُثبت هذه الورقة أن الربط العميق للنماذج اللغوية الكبيرة بهويات سردية غنية والتحقق من اتساقها يحسن بشكل كبير من محاكاة السلوك البشري في ألعاب المعضلات الاجتماعية، مما يتيح استكشاف العوامل السياقية الحرجة مثل الوقت، والتأطير، ومجموعات المشاركين التي غالبًا ما تعيق تكرار الدراسات البشرية.
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 سبب تصرف الناس بالطريقة التي يتصرفون بها في المواقف الاجتماعية المعقدة، مثل اتخاذ قرار بشأن كيفية تقسيم مبلغ من المال مع شخص غريب. لعقود من الزمن، أجرى العلماء تجارب حقيقية مع آلاف البشر الفعليين لفهم ذلك. لكن التجارب الحقيقية مكلفة، وبطيئة، ويصعب أحياناً تكرارها بدقة لأن التفاصيل الصغيرة (مثل السنة التي أجريت فيها الدراسة أو الصياغة الدقيقة للتعليمات) يمكن أن تغير النتائج.
يسأل هذا البحث سؤالاً كبيراً: هل يمكننا استخدام الذكاء الاصطناوي (وتحديداً النماذج اللغوية الكبيرة) لتعمل كـ "بشر افتراضيين" يكونون واقعيين للغاية لدرجة تمكنهم من مساعدتنا في فهم هذه السلوكيات الاجتماعية؟
إليك تفصيل عملهم، باستخدام تشبيهات بسيطة:
1. المشكلة: "الروبوت شديد اللباقة"
يحاول معظم الناس جعل الذكاء الاصطناعي يتصرف كالبشر عبر إعطائه تعليمات بسيطة مثل: "أنت جمهوري يحب الضرائب المنخفضة". يطلق المؤلفون على هذا "التوجيه" (Steering).
ومع ذلك، يجادل المؤلفون بأن نماذج الذكاء الاصطناعي القياسية تشبه موظفي الاستقبال في الفنادق الذين يتميزون بلياقة مفرطة. لقد تم تدريبهم ليكونوا مفيدين، غير ضارين، وموافقين. إذا طلبت منهم تمثيل شخص حقيقي لديه عيوب أو تحيزات أو ضغائن سياسية قوية، فإنهم غالباً ما يفشلون؛ فهم يقومون بتنعيم الحواف الخشنة للطبيعة البشرية.
الحل: بدلاً من استخدام "موظف الاستقبال اللبق" (النموذج الذي تم ضبطه ليكون مطيعاً)، استخدموا "الدماغ الخام" (النموذج الأساسي قبل التدريب على التوجيه). فكر في الدماغ الخام كأنه مكتبة ضخمة تحتوي على مليارات المحادثات، والمذكرات، والجدالات الحقيقية من الإنترنت. لم يتم تعليمه أن يكون مهذباً بعد؛ هو فقط يعرف كيف يتحدث البشر فعلياً، بما في ذلك تحيزاتهم، وتناقضاتهم، وتعصبهم.
2. المنهجية: بناء "حياة افتراضية"
لجعل الذكاء الاصطناعي يتصرف كشخص محدد، لم يكتفِ الباحثون بإعطائه مجرد تسمية، بل بنوا له خلفية درامية عميقة، مثل كتابة سيرة ذاتية كاملة لشخصية في رواية.
- المقابلة: طلبوا من الذكاء الاصطناعي أن "يقابل" نفسه، حيث قام بتوليد قصة طويلة ومفصلة عن طفولته، وعائلته، وصراعاته، وآرائه السياسية.
- المطابقة: بعد ذلك، أخذوا مشاركين بشريين حقيقيين من دراسات قديمة وطابقوهم مع "شخصيات" الذكاء الاصطناعي التي تمتلك أكثر قصص حياتهم تشابهاً.
- "آلة الزمن" (التأصيل الزمني): البشر يتغيرون بمرور الوقت. الشخص في عام 2014 قد يشعر تجاه السياسة بشكل مختلف عن عام 2019. لذا أجبر الباحثون الذكاء الاصطناعي على "تذكر" السنة التي يعيش فيها بالضبط أثناء المحاكاة، تماماً مثل المسافر عبر الزمن.
- "اختبار الواقع" (فلترة الاتساق): أحياناً يصاب الذكاء الاصطناعي بالارتباك وينسى قصته (مثلاً: يقول إنه ديمقراطي بينما قيل له للتو إنه جمهوري). لذا أضاف الباحثون خطوة حيث يقوم ذكاء اصطناعي ثانٍ بفحص الإجابات للتأكد من أن الشخصية تظل وفية لخلفيتها الدرامية.
3. التجربة: ألعاب "تقسيم المال"
اختبر الفريق هؤلاء البشر الافتراضيين في لعبتين كلاسيكيتين يستخدمهما علماء النفس:
- لعبة الديكتاتور (Dictator Game): لديك 10 دولارات. يمكنك الاحتفاظ بها كلها أو إعطاء بعضها لشخص غريب.
- لعبة الثقة (Trust Game): ترسل مالاً إلى شخص غريب، ويتضاعف هذا المبلغ ثلاث مرات. ويمكن لهذا الشخص أن يختار إرجاع بعضه إليك.
التحول هنا؟ أخبر الباحثون الذكاء الاصطناعي بهوية الشخص الغريب: "الشخص الآخر هو ديمقراطي" أو "الشخص الآخر هو جمهوري".
النتيجة:
يميل البشر الحقيقيون إلى أن يكونوا أكثر لطفاً مع الأشخاص الذين يشاركونهم نفس الحزب السياسي (المؤيدين لنفس الحزب) وأكثر شحاً مع أولئك الذين لا يشاركونهم إياه. وجد الباحثون أن شخصيات الذكاء الاصطناي ذات الخلفية العميقة قد حاكت هذا السلوك بدقة شبه تامة.
- عندما عرف الذكاء الاصطناعي أن الطرف الآخر هو "مؤيد لنفس الحزب"، فقد أعطى مالاً أكثر.
- عندما عرف أن الطرف الآخر هو "منافس"، فقد أعطى مالاً أقل.
- والأهم من ذلك، أن الذكاء الاصطناعي ضبط "التوقيت" بشكل صحيح؛ فقد أظهر فجوة أكبر في الكرم في محاكاة عام 2019 مقارنة بمحاكاة عام 2014، مما يعكس كيف نمت الاستقطاب السياسي في الواقع بمرور الوقت.
4. آلة "ماذا لو"
الجزء الأكثر إثارة في هذا البحث هو ما سمح به الذكاء الاصطناعي لهم وهو أمر مستحيل مع البشر الحقيقيين: السيناريوهات الافتراضية (Counterfactuals).
تخيل أن لديك دراستين حقيقيتين حصلتا على نتائج مختلفة. أنت لا تعرف ما إذا كان السبب هو السنة التي أُجريتا فيها، أو صياغة التعليمات، أو نوع الأشخاص الذين تم استدعاؤهم.
- مع البشر الحقيقيين، لا يمكنك تغيير شيء واحد دون تغيير كل شيء آخر.
- مع ذكائهم الاصطناعي، استطاعوا إجراء محاكاة "ماذا لو". أخذوا دراسة عام 2014 وسألوا: "ماذا لو استخدمنا تعليمات عام 2019؟" أو "ماذا لو استخدمنا مجموعة مشاركين من عام 2019؟"
المفاجأة: اكتشفوا أن صياغة التعليمات (الإطار/Framing) كان لها تأثير أكبر على النتائج من السنة التي أُجريت فيها الدراسة. لقد ساعدهم الذكاء الاصطناي في رؤية أن التغييرات الصغيرة في كيفية طرح السؤال يمكن أن تغير جذرياً كيفية إجابة الناس، وهو تفصيل غالباً ما يتم إغفاله في الدراسات البشرية.
الملخص
يظهر هذا البحث أنه إذا عاملت الذكاء الاصطناعي ليس كـ "مساعد مفيد" بل كـ مرآة خام وغير منقحة للمحادثة البشرية، ثم منحته قصة حياة غنية ومفصلة وفترة زمنية محددة، فإنه يمكنه محاكاة السلوك الاجتماعي البشري بدقة مذهلة.
الأمر لا يتعلق باستبدال الدراسات البشرية، بل بامتلاك محاكي عالي الدقة يسمح للباحثين باختبار سيناريوهات "ماذا لو" لفهم سبب حصول الدراسات البشرية أحياناً على إجابات مختلفة. إنه يشبه امتلاك جهاز محاكاة للطيران للعلوم النفسية الاجتماعية، حيث يمكنك تحطيم الطائرة (أو التجربة) لمعرفة ما حدث بالخطأ دون إيذاء أي بشر حقيقيين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.