Large language models can disambiguate opioid slang on social media
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة تتفوق بشكل كبير على الاستراتيجيات التقليدية القائمة على المعاجم في فك غموض المصطلحات العامية للأفيونيات بدقة وتحديد منشورات وسائل التواصل الاجتماعي ذات الصلة عبر سيناريوهات المعاجم، والسيناريوهات الخالية من المعاجم، وسيناريوهات المصطلحات العامية الناشئة، مما يعزز مراقبة أزمة الجرعات الزائدة من الأفيونيات.
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 العثور على بضع إبر محددة ونادرة مخبأة داخل كومة قش هائلة وفوضوية بحجم مدينة. هذا هو التحدي الذي يواجهه الباحثون عند محاولة مراقبة أزمة الأفيونات على وسائل التواصل الاجتماعي.
كل يوم، ينشر الملايين من الناس على تويتر وريديت ومنصات أخرى. معظم هذه المنشورات تتحدث عن القطط، أو الطقس، أو العشاء. جزء ضئيل جداً منها يذكر المخدرات. في السابق، كان الباحثون يستخدمون "قائمة كلمات مفتاحية" (معجم) للعثور على تلك "الإبر". كانوا يقولون: "إذا احتوى المنشور على كلمة 'هيروين' أو 'فنتانيل'، فاحتفظ به".
لكن هنا تكمن المشكلة: غالباً ما يستخدم مستخدمو المخدرات "لغة عامية" (Slang) للهروب من الشرطة والخوارزميات. قد يسمون الهيروين "smack" أو الفنتانيل "fenty". والمشكلة هي أن هذه الكلمات لها معانٍ بريئة أيضاً؛ فكلمة "smack" قد تعني ضرب الطبل، و"fenty" قد تشير إلى علامة تجارية للمكياج، و"lean" قد تعني أن الشخص نحيف.
إذا بحثت عن هذه الكلمات فقط، فستحصل على آلاف الإنذارات الكاذبة (ضجيج كومة القش) وستفقد الكثير من الإبر الحقيقية لأن اللغة العامية تتغير بسرعة أكبر من قدرتك على تحديث قائمتك.
الحل الجديد: الذكاء الاصطناعي "القارئ الخارق"
تقدم هذه الورقة البحثية أداة جديدة: نماذج اللغات الكبيرة (LLMs). فكر في نماذج الذكاء الاصطناعي هذه ليس كمجرد محركات بحث بسيطة، بل كـ "قراء خارقين" قرأوا كل شيء تقريباً على الإنترنت. هم لا يبحثون فقط عن كلمة محددة؛ بل يفهمون سياق ونبرة الجملة.
اختبر الباحثون أربعة من أذكى نماذج الذكاء الاصطناعي المتاحة (GPT-4، وGPT-5، وGemini، وClaude) لمعرفة ما إذا كان بإمكانها العمل كقراء خارقين. وقد صمموا ثلاث "ألعاب" مختلفة لاختبارها:
اللعبة الأولى: تحدي "الكلمة الغامضة"
الإعداد: تم تزويد الذكاء الاصطناعي بقائمة من المنشورات التي تحتوي على كلمات مخادعة مثل "fenty" أو "smack".
المهمة: تحديد ما إذا كان الشخص يتحدث عن المخدرات، أم أنه يتحدث فقط عن المكياج أو ضرب الطبل.
النتيجة: كانت قوائم الكلمات المفتاحية القديمة سيئة للغاية في هذا؛ فإما أنها أغفلت كل شيء تقريباً أو صنفت آلاف المنشورات البريئة. أما الذكاء الاصطناعي، فقد تصرف كالمحقق؛ حيث نظر إلى الجملة بأكملة وقال: "آه، كلمة 'smack' هذه تتعلق بضرب الطبل، لكن كلمة 'smack' الأخرى تتعلق بالتأكيد بالهيروين". لقد كان الذكاء الاصطناعي أكثر دقة بكثير من القوائم القديمة.
اللعبة الثانية: تحدي "بلا أدلة"
الإعداد: تم إعطاء الذكاء الاصطناعي مجموعة ضخمة من المنشورات العشوائية من نيويورك وكاليفورنيا. لم يتم إخباره بالبحث عن أي كلمات محددة.
المهمة: العثور على منشورات الأفيونات من الصفر.
النتيجة: هنا تألق الذكاء الاصطناعي حقاً. فقد أغفلت قوائم الكلمات المفتاحية القديمة حوالي 60-90% من منشورات المخدرات لأنها لم تكن تملك كلمات العامية الصحيحة في قائمتها. أما الذكاء الاصطناعي، فباستخدام "منطقه السليم" وفهمه لكيفية تحدث الناس، وجد معظمها تقريباً. لقد ألقى شبكة أوسع دون أن يرتبك بسبب الضجيج.
اللعبة الثالثة: تحدي "اللغة العامية المزيفة"
الإعداد: أخذ الباحثون منشورات حقيقية عن المخدرات واستبدلوا كلمات العامية بأسماء شخصيات "بوكيمون" (مثل "Charizard" أو "Pikachu").
المهمة: هل يمكن للذكاء الاصطناعي أن يدرك أنه حتى لو كانت الكلمة مزيفة، فإن "السياق" لا يزال يعني أنها تتعلق بالمخدرات؟
النتيجة: نعم! أدرك الذكاء الاصطناعي أنه حتى لو قال شخص ما: "أنا أشعر بالـ Charizard"، في سياق يصف عادةً حالة السكر، فمن المرجح أن يكون الأمر متعلقاً بالمخدرات. وهذا يثبت أن الذكاء الاصطناعي لا يقوم بمجرد حفظ قاموس؛ بل يفهم "الموقف".
لماذا يهم هذا؟
فكر في الطريقة القديمة (قوائم الكلمات المفتاحية) كأنها حارس بوابة لديه قائمة ضيوف صارمة. إذا لم يكن اسمك في القائمة، فلن تدخل. لكن مستخدمي المخدرات يغيرون أسماءهم (اللغة العامية) للتسلل، أو قد يسمح الحارس بالخطأ بدخول آلاف الأشخاص الذين يبدون وكأنهم على القائمة ولكنهم ليسوا كذلك.
أما الطريقة الجديدة (الذكاء الاصطناعي) فهي تشبه رجل أمن شديد الملاحظة. هم لا يحتاجون إلى قائمة؛ بل يراقبون كيف يتصرف الناس، وماذا يقولون، ومع من يتواجدون. يمكنهم رصد السلوك المريب حتى لو كان الشخص يرتدي تنكراً.
الخلاصة
تظهر الدراسة أن نماذج الذكاء الاصطناعي هذه بارعة للغاية في العثور على "الإبر" في كومة القش. فهي ترتكب أخطاء أقل من قوائم الكلمات المفتاحية القديمة، وتلتقط الكثير من المنشورات المتعلقة بالمخدرات التي كانت غير مرئية سابقاً.
ملاحظة هامة: يشدد المؤلفون بحذر على أن هذه الأداة مخصة لـ "مراقبة الصحة العامة" (مثل رادار الطقس لرصد العواصف)، وليس للتجسس على الأفراد. إنهم يريدون استخدام هذه البيانات لمساعدة المجتمعات على منع الجرعات الزائدة وتقديم العلاج، وليس لاعتقال الناس أو فرض الرقابة على منشوراتهم.
باختصار: أصبح الذكاء الاصطناعي مجهراً قوياً جديداً لفهم أزمة الأفيونات، مما يساعدنا على رؤية المشكلة بوضوح حتى نتمكن من حلها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.