تخيل أنك تحاول فهم صديق يمر بأسبوع عصيب. تراه يكتب رسائل قصيرة غاضبة، وتسمع صوتاً مرتجفاً في مكالمة، وتلاحظ أنه تخطى روتينه المعتاد في الصالة الرياضية. قد يرى برنامج كمبيوتر بسيط مجرد "رسائل أقل" و"نشاط منخفض" ويعتقد: "أوه، إنه مشغول فقط". لكن الصديق الذكي حقاً يعرف أن تلك الأدلة السطحية تخفي وراءها قصة أعمق: ربما يشعر بالارتباك، أو القلق، أو ينزلق نحو أزمة. هذا هو الفرق بين مجرد مراقبة ما يفعله الشخص وبين فهم من هو في تلك اللحظة. يسمي العلماء هذا "الذكاء الاصطناعي المدرك للمنظور" (Perspective-Aware AI). إنه حلم بناء مساعدين شخصيين لا يكتفون فقط باتباع الأوامر، بل يستوعبون أيضاً أهدافك المتغيرة، ومشاعرك، والطريقة الفريدة التي ترى بها عالمك. المشكلة الكبرى؟ لا يمكننا تعليم الحواسيب القيام بذلك بسهولة لأن بيانات الناس الحقيقية الخاصة محظورة، ونادراً ما نملك "دليلاً مرجعياً" يصنف بدقة ما يشعر به المرء في داخله بمجرد النظر إلى آثاره الرقمية.

تقدم هذه الورقة البحثية طريقة جديدة ذكية لتعليم الحواسيب هذه المهارة، تسمى تنبؤ مخطط الموقف (Situation Graph Prediction - SGP). فكر في الأمر كلعبة محقق حيث يتعين على الكمبيوتر النظر في كومة فوضوية من الأدلة (مثل رسائل البريد الإلكتروني، أو سجلات الدردشة، أو الملاحظات الصوتية) وإعادة بناء خريطة هيكلية مخفية لما يفكر فيه الشخص ويشعر به حقاً. وبما أننا لا نستطيع استخدام أسرار الناس الحقيقية لتدريب الذكاء الاصطناعي، فقد بنى المؤلفون عالماً "زائفاً". لقد بدأوا برسم الخريطة المخفية أولاً (تحديد أن الشخص "متوتر" و"في العمل")، ثم استخدموا ذكاءً اصطناعياً فائق القدرة لكتابة الأدلة الزائفة (مثل بريد إلكتروني مقتضب) التي ستنتج طبيعياً عن تلك الخريطة. تضمن هذه الطريقة "الهيكلية أولاً" أن تتطابق الأدلة دائماً مع المشاعر المخفية تماماً، مما يخلق بيئة تدريب آمنة وصديقة للخصوصية.

عندما اختبر الباحثون ذلك على ثلاثة من أكثر عقول الذكاء الاصطناعي تطوراً في العالم (GPT-4o، وGemini 2.5 Flash، وClaude Sonnet 4)، وجدوا شيئاً مثيراً للاهتمام. فحتى مع هذه النماذج فائقة الذكاء، يكون من الأصعب بكثير على الذكاء الاصطناعي تخمين المشاعر المخفية (مثل "القلق" أو "الإصرار") مقارنة بمجرد سرد الحقائق المرئية (مثل "المكتب" أو "البريد الإلكتروني"). تشير الدراسة إلى أنه بينما يتحسن الذكاء الاصطناعي في قراءة سطح حياتنا، فإن فهم القصة الداخلية العميقة وراء أفعالنا لا يزال تحدياً صعباً للغاية. وقد أنشأ الباحثون مجموعة بيانات صغيرة مكونة من 75 سيناريو زائف لإثبات هذه النقطة، مبينة أن الفجوة بين "ما نراه" و"ما نشعر به" حقيقية ومستمرة، بغض النظر عن نموذج الذكاء الاصطناي المستخدم.

لغز المحقق: من الأدلة إلى العوالم الداخلية

دعونا نتعمق في كيفية عمل ذلك. تخيل أنك محقق يحاول حل لغز، لكن لا يمكنك التحدث إلى المشتبه به. لديك فقط كومة من الأدلة: رسالة نصية تقول "أنا بخير"، وصورة لمكتب فوضوي، وملاحظة صوتية تبدو مهتزة قليلاً. قد يقرأ كمبيوتر أساسي النص ويقول: "الشخص بخير". لكن الذكاء الاصطناعي المدرك للمنظور يريد بناء مخطط موقف (Situation Graph).

فكر في "مخطط الموقف" كخريطة ذهنية ثلاثية الأبعاد للحظة معينة في حياة شخص ما. إنها ليست مجرد قائمة من الحقائق؛ بل هي شبكة من الروابط.

• العقد السطحية (The Surface Nodes): وهي الأشياء سهلة الرؤية، مثل "المكتب"، أو "الثلاثاء"، أو "البريد الإلكتروني".
• العقد الكامنة (The Latent Nodes): وهي الحالات الداخلية غير المرئية، مثل "الشعور بالتوتر"، أو "الشعور بالتقدير"، أو "الحيرة".

الهدف من تنبؤ مخطط الموقف (SGP) هو أخذ الكومة الفوضوية من الأدلة ("الآثار") والعمل بشكل عكسي لبناء ذلك المخطط الذهني الكامل. تضع الورقة البحثية هذا في إطار "مشكلة الاستدلال العكسي". عادةً، نحن نعرف السبب (الشخص متوتر) ونرى النتيجة (يرسل بريداً إلكترونياً قصيراً). يطلب SGP من الذكاء الاصطناعي القيام بالعكس: "أرى بريداً إلكترونياً قصيراً؛ فما الذي يجب أن يشعر به الشخص في داخله؟"

حل "العالم الزائف"

هذا هو الجزء الصعب: في العالم الحقيقي، لا يمكننا أن نسأل الناس: "مهلاً، هل يمكنك رسم خريطة لمشاعرك الآن؟". فهذا أمر خاص جداً ومزعج للغاية. لذا، كيف تدرب ذكاءً اصطناعياً على القيام بذلك دون استخدام بيانات حقيقية؟

ابتكر المؤلفون استراتيجية "الهيكل أولاً" العبقرية. فبدلاً من مطالبة الذكاء الاصطناعي بتخيل شخص ثم تخمين مشاعره (وهو أمر فوضوي وغير موثوق)، قاموا بقلب السيناريو:

1. رسم الخريطة أولاً: استخدموا الكمبيوتر لإنشاء "مخطط موقف" صحيح ومثالي (مثلاً: "الشخص في مقابلة عمل"، "يشعر بالتوتر"، "الهدف هو الحصول على الوظيفة").
2. توليد الأدلة: بعد ذلك، طلبوا من الذكاء الاصطناعي كتابة "الأدلة" التي ستنتج طبيعياً عن تلك الخريطة. فإذا كانت الخريطة تقول "متوتر"، يكتب الذكاء الاصطناعي ملاحظة صوتية مهتزة أو بريداً إلكترونياً رسمياً للغاية بشكل مبالغ فيه.

يخلق هذا مجموعة تدريب مثالية حيث تكون "إجابة النموذج" (الخريطة) مضمونة التطابق مع "الأدلة" (النص/الصوت). إنه يشبه بناء مسرح جريمة زائف حيث يعرف المحقق بالضبط من هو الجاني، حتى يتمكن من التدرب على حل القضية دون إيذاء أي شخص حقيقي.

الدراسة التجريبية: اختبار محققي الذكاء الاصطناعي

لمعرفة ما إذا كان هذا يعمل حقاً، أنشأ الباحثون مجموعة بيانات "تجريبية" صغيرة. أنشأوا 75 سيناريو مختلفاً يتعلق بشخصية خيالية تدعى إيليس نافارو، وهي محللة تسويق تبلغ من العمر 28 عاماً تعيش في تورونتو. تتبعوا حياتها عبر 7 ​​ت 5 لحظة مختلفة بين عامي 2021 و2025، تغطي كل شيء من الصراعات المهنية إلى الإنجازات الصحية.

ثم سلموا هذه الحالات الـ 75 لثلاثة من أقوى نماذج الذكاء الاصطناعي المتاحة اليوم: GPT-4o، وGemini 2.5 Flash، وClaude Sonnet 4. وطلبوا من هذه النماذج النظر في أدلة إيليس وإعادة بناء مخطط الموقف الخاص بها.

كانت النتائج مزيجاً من "ليس سيئاً" و"لا يزال هناك طريق طويل".

• الأخبار الجيدة: عندما تم تزويد الذكاء الاصطناعي ببضعة أمثلة للتعلم منها (تقنية تسمى التعلم السياقي المعزز بالاسترجاع - Retrieval-Augmented In-Context Learning)، أصبحوا أفضل بكثير في المهمة. فقد قفزت قدرتهم على ضبط التفاصيل بشكل كبير.
• الاكتشاف الكبير: وجد حتى أذكى نماذج الذكاء الاصطناعي أنه من الأسهل بكثير رصد الحقائق السطحية (مثل "إيليس في العمل") من تخمين المشاعر المخفية (مثل "إيليس تشعر بالإرهاق").

قاس الباحثون ذلك باستخدام درجة "الفجوة". ووجدوا أنه بالنسبة لجميع النماذج الثلاثة، كانت القدرة على تخمين المشاعر المخفية أسوأ باستمرار من رصد الحقائق المرئية. على سبيل المثال، مع Claude Sonnet 4، كانت "الفجوة" حوالي 0.70، مما يعني أن الذكاء الاصطناعي كان أفضل بكثير في قراءة السطح منه في قراءة الروح. يشير هذا إلى أنه بينما يصبح الذكاء الاصطناعي بارعاً في قراءة آثارنا الرقمية، فإنه لا يزال يكافح لفهم "لماذا" و"كيف نشعر" وراءها.

لماذا يهم هذا (وما لا يهدف إليه)

لا تدعي هذه الورقة أنها حلت مشكلة التعاطف المثالي للذكاء الاصطناعي. في الواقع، هي تقترح العكس: وهو أن هذه مشكلة صعبة للغاية وأن التكنولوجيا الحالية بدأت للتو في معالجتها. توضح الدراسة أنه حتى مع أفضل النماذج، هناك صراع مستمر للانتقال من "ما حدث" إلى "ما يعنيه ذلك".

يؤكد المؤلفون بحذر أن بياناتهم اصطناعية (زائفة) وصغيرة. هم لا يقولون: "لدينا نظام مثالي". بل يقولون: "لدينا طريقة جديدة للاختبار، والاختبارات تظهر أن تخمين المشاعر البشرية لا يزال أصعب بكثير من مجرد قراءة رسالة نصية".

من خلال إنشاء إطار عمل "مخطط الموقف" وبياناتهم الاصطناعية لاختبارها، قدم الباحثون لمجتمع الذكاء الاصطناعي أداة جديدة. إنه يشبه إعطاء المحققين مجموعة جديدة من دمى التدريب التي تحاكي السلوك البشري بدقة، مما يسمح لهم بممارسة مهاراتهم دون انتهاك خصوصية أي شخص. الأمل هو أنه من خلال فهم أين يفشل الذكاء الاصطناعي بالضبط (الفجوة بين السطح والكامن)، يمكننا بناء وكلاء شخصيين أفضل وأكثر موثوقية يفهموننا حقاً، وليس فقط ما نكتبه.

لذا، في المرة القادمة التي تتحدث فيها مع ذكاء اصطناعي شخصي، تذكر: قد يعرف أنك في المكتب وأنك أرسلت بريداً إلكترونياً، ولكن معرفة أنك تمر بيوم سيء حقاً؟ هذا هو الجبل الكبير التالي الذي يجب على الذكاء الاصطناعي تسلقه.