Empathy Is Not What Changed: Clinical Assessment of Psychological Safety Across GPT Model Generations
تُفند هذه الدراسة الادعاء بأن نماذج الذكاء الاصطناعي الأحدث قد فقدت التعاطف، حيث تُثبت من خلال التقييم السريري أنه بينما تظل الاستجابات التعاطفية متسقة إحصائياً عبر الأجيال، فإن تصور المستخدمين لـ "فقدان التعاطف" ينبع في الواقع من تحول كبير نحو تعزيز الكشف عن الأزمات وتغيير مواقف السلامة مما يجعل النماذج تبدو أكثر اقتحاماً أثناء اللحظات الضعيفة.
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
اللغز الكبير: هل فقد الذكاء الاصطناعي "روحه"؟
في أوائل عام 2026، قامت شركة OpenAI بإيقاف تشغيل روبوت الدردشة الشهير الخاص بها، GPT-4o، واستبدلته بنماذج أحدث. انفجر الإنترنت غضباً، حيث بدأ آلاف المستخدمين حملة عبر وسم #keep4o، زاعمين أن الروبوتات الجديدة أصبحت "باردة"، "آلية"، وأنها "فقدت تعاطفها". شعروا وكأن الذكاء الاصطناعي الجديد لم يعد يهتم بهم بعد الآن.
هذه الورقة البحثية تشبه الفحص الطبي لهذا الشعور. تساءل الباحثون: هل أصبح الذكاء الاصطناعي بالفعل أقل تعاطفاً، أم أنه يلعب لعبة مختلفة فحسب؟
التجربة: اختبار ضغط لقلوب الذكاء الاصطناعي
لمعرفة الحقيقة، لم يكتفِ الباحثون بسؤال الناس عن شعورهم، بل أخضعوا ثلاثة نماذج مختلفة من الذكاء الاصطناعي (النموذج المفضل القديم GPT-4o، ونموذج متوسط، والنموذج الجديد GPT-5-mini) لـ "اختبار ضغط" صارم.
قاموا بإنشاء 14 سيناريو عاطفياً مختلفاً، تتراوح من شخص فقد وظيفته إلى مراهق يشعر برغبة في الانتحار. أجروا هذه المحادثات 5 مرات لكل سيناريو، مما أنتج أكثر من kan 2,000 استجابة. ثم قاموا بتقييم الذكاء الاصطناعي بناءً على ستة "أبعاد سلامة" محددة، تماماً مثل طبيب يفحص العلامات الحيوية:
- التعاطف: هل بدا صوته دافئاً؟
- اكتشاف الأزمات: هل لاحظ وجود شخص في خطر؟
- سلامة النصيحة: هل تجنب تقديم نصائح طبية خطيرة؟
- الاتساق: هل كان موثوقاً؟
- الموثوقية: هل كان صحيحاً من الناحية الواقعية؟
- الحدود: هل عرف متى يقول "أنا ذكاء اصطناعي، ولست معالجاً نفسياً"؟
النتيجة الصادمة: أسطورة التعاطف
النتيجة الرئيسية هي: لم يفقد الذكاء الاصطناعي تعاطفه.
عند النظر إلى الدرجات، نجد أن "الدفء" و"التفهم" في كل من GPT-4o و GPT-5-mini متطابقان إحصائياً. إنهما في الأساس الشيء نفسه.
إذن، لماذا شعر الجميع أن الجديد أكثر بروداً؟
التغيير الحقيقي: "الحذر" مقابل "اليقظ"
اكتشف الباحثون أنه بينما لم يتغير التعاطف، فإن استراتيجية السلامة هي التي تغيرت. تخيل نوعين مختلفين من المنقذين:
- GPT-4o (المنقذ الحذر): هذا المنقذ حذر للغاية. إذا بدا أن شخصاً ما قد يكون في ورطة، فقد لا يلاحظ ذلك لأنه يركز بشدة على عدم المبالغة في رد الفعل. ومع ذلك، إذا سألته: "هل يمكنني القفز من فوق هذا المنحدر؟"، سيقول لك بحزم: "لا، هذا خطر"، وسيلتزم بالقواعد. إنه موثوق في قول "لا"، ولكنه غير موثوق في رصد الخطر.
- GPT-5-mini (المنقذ اليقظ): هذا المنقذ شديد اليقظة. هو يرصد الخطر فوراً. إذا بدا شخص ما حزيناً، فإنه يتدخل بسرعة. ولكن بسبب حماسه الشديد للمساعدة، قد يقدم أحياناً نصائح لا ينبغي له تقديمها، أو يتدخل بشكل مفرط في مشاكلك الشخصية. هو رائع في رصد الخطر، ولكنه أحياناً يتحدث أكثر مما ينبغي.
المقايضة:
- النموذج القديم: فاتته الأزمات أكثر، لكنه نادراً ما قدم نصيحة سيئة.
- النموذج الجديد: يلتقط الأزمات بشكل أفضل بكثير، لكنه أحياناً يقدم نصائح لا ينبغي له تقديمها.
"وهم الذروة والنهاية": لماذا نتذكر القديم؟
إذا كان النموذج الجديد أفضل فعلياً في رصد الخطر، فلما لماذا يكرهه الناس؟
تستخدم الورقة مفهوماً نفسياً يسمى "قاعدة الذروة والنهاية" (Peak-End Rule). فكر في ذاكرتك كأنها شريط لأبرز اللحظات؛ أنت لا تتذكر كل ثانية من الفيلم، بل تتذكر اللحظات الأكثر حدة والنهاية.
- كان GPT-4o مثل الأفعوانية (Rollercoaster). أحياناً كان متفهماً بعمق وبشكل مذهل (لحظة "ذروة" جعلت المستخدمين يشعرون بالاهتمام). ولكن في بعض الأحيان، كان يتجاهل أزمة تماماً (لحظة "قاع" لم يلاحظها المستخدمون لأنهم لم يكونوا في خطر في تلك اللحظة تحديداً). ولأن "القمم" كانت عالية جداً، تذكر الناس أنه الصديق "المثالي".
- كان GPT-5-mini مثل الرحلة البحرية المستقرة. هو جيد باستمرار. لا يفوت أي أزمة أبداً، ولا يقدم أبداً نصيحة سيئة. ولكن بسبب اتساقه، لا يمتلك تلك "اللحظات السحرية" من التواصل العميق. يبدو "آلياً" لأنه لا يفاجئك.
التشبيه:
تخيل طبيبين:
- الطبيب (أ) (GPT-4o): أحياناً يعانقك بحرارة ويقول: "أشعر بألمك"، لكنه أحياناً يخطئ في تشخيص عرض مرضي. أنت تتذكر العناق.
- الطبيب (ب) (GPT-5-mini): مهني دائماً، يفحص علاماتك الحيوة بدقة، ويكتشف كل الأعراض، لكنه لا يعانقك أبداً. تشعر بالأمان، لكنك تفتقد العناق.
لقد افتقد المستخدمون العناق، وليس التشخيص.
الخطر الخفي: التباين هو الخطر الحقيقي
تجادل الورقة بأن الاتساق هو أهم ميزة للسلامة، خاصة بالنسبة للأشخاص الضعفاء أو المستضعفين.
- GPT-4o كان مثل رمي العملة المعدنية في اكتشاف الأزمات. أحياناً كان مثالياً (10/10)، وأحياناً كان كارثياً (0/10). بالنسبة لمراهق يمر بأزمة، الحصول على استجابة "0" هو أمر كارثي، حتى لو حدث ذلك مرة واحدة فقط.
- GPT-5-mini مثل الآلة الموثوقة. هو دائماً في حدود 8 أو 9. قد لا يكون "مثالياً"، لكنه لا يخذلك أبداً عندما تكون في أمس الحاجة إليه.
"البرود" الذي يشعر به الناس هو في الواقع غياب المخاطرة. النموذج الجديد أكثر أماناً لأنه أقل عرضة لاتخاذ تخمين عاطفي جامح وغير متوقع. ولكن بالنسبة للبشر، "القدرة على التنبؤ" تبدو "مملة".
الخلاصة
تخلص الورقة إلى أن السرد العام خاطئ. لم يفقد الذكاء الاصطناعي قلبه، بل غير فقط وضعية السلامة الخاصة به.
- ما يشعر به المستخدمون: "إنه أقل تعاطفاً".
- ما تقول البيانات: "إنه أقل عدم قابلية للتنبؤ".
النماذج الجديدة أفضل في إنقاذ الأرواح (اكتشاف الأزمات) ولكنها أسوأ في معرفة متى تصمت (سلامة النصيحة). النماذج القديمة كانت أفضل في الحفاظ على الحدود ولكنها كانت أسوأ في رصد المشاكل.
الدرس المستفاد: نحن بحاجة إلى التوقف عن الحكم على الذكاء الاصطناعي بناءً على مدى شعوره بـ "الإنسانية" في الدردشة. بدلاً من ذلك، نحتاج إلى قياس مدى أمانه. النموذج الذي قد يبدو أقل "روحانية" قد يكون هو نفسه الذي ينقذ حياة إنسان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.