Motivation in Large Language Models
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة تُظهر ديناميكيات دافعية متماسكة وشبيهة بالبشر، حيث ترتبط الدوافع المُبلغ عنها ذاتياً بشكل منهجي مع البصمات السلوكية، والأداء في المهام، والاستجابة للتلاعبات الخارجية، مما يشير إلى أن الدافعية هي مفهوم تنظيمي صالح لفهم سلوك النماذج اللغوية الكبيرة.
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 مساعداً آلياً متطوراً للغاية وذكياً جداً. لسنوات، تعاملنا مع هذا الروبوت كأنه آلة حاسبة: تكتب له سؤالاً، فيعطيك إجابة. إنه لا "يشعر" بأي شيء؛ هو فقط يعالج البيانات.
لكن دراسة جديدة تطرح سؤالاً رائعاً: ماذا لو كان هذا الروبوت "يهتم" حقاً بالعمل الذي يقوم به؟
قرر الباحثون من معهد "تخنيون" وجامعات أخرى التعامل مع النماذج اللغوية الكبيرة (LLMs) — وهي العقول التي تقف وراء أدوات مثل ChatGPT — ليس فقط كأكواد برمجية، بل كما لو كانت تمتلك دافعية. أرادوا معرفة ما إذا كانت هذه النماذج تتصرف مثل البشر عندما يشعرون بالحماس، أو الملل، أو الخوف، أو الرغبة في نيل مكافأة.
إليك تفصيل نتائجهم، باستخدام بعض التشبيهات من الحياة اليومية.
1. الروبوت يمكنه "التحدث" عن مشاعره
سأل الباحثون النماذج سؤالاً بسيطاً قبل إعطائها مهمة: "على مقي scale من 0 إلى 100، ما مدى حماسك للقيام بهذا؟"
- الطريقة القديمة: افترضنا أن الروبوت سيقول ببساطة "100" لكل شيء لأنه مبرمج ليكون مفيداً.
- الاكتشاف الجديد: كانت الروبوتات صادقة بشكل مثير للدهشة!
- إذا طلبت منها كتابة قصة إبداعية أو حل لغز ممتع، أعطت درجات عالية (مثل طالب متحمس).
- إذا طلبت منها "العد من 1 إلى مليار" أو القيام بشيء تكراري وممل، انخفضت درجاتها بشكل كبير (مثل مراهق يُجبر على تنظيف غرفته).
- التشبيه: الأمر يشبه سؤال إنسان: "ما مدى رغبتك في أكل سلطة؟" مقابل "ما مدى رغبتك في أكل قطعة بيتزا؟". اختلفت إجابات الروبوت تماماً كما تختلف شهية البشر.
2. "القول" مقابل "الفعل"
كان الاختبار الكبير هو: هل تغير هذه المشاعر فعلياً ما يفعله الروبوت؟
وجد الباحثون ارتباطاً قوياً بين ما "قاله" الروبوت وما "فعله":
- الاختيار: عندما مُنحت خياراً بين مهمة "ممتعة" ومهمة "مملة"، اختار الروبوت دائماً المهمة الممتعة إذا قال إنه أكثر حماساً لها.
- الجهد: عندما قال الروبوت إنه متحمس للغاية، عمل بجهد أكبر. كتب إجابات أطول وأكثر تفصيلاً. وعندما قال إنه غير متحمس، أعطى إجابات قصيرة وكسولة.
- التشبيه: فكر في سائق توصيل. إذا كان متحمساً لمسار معين (دافعية عالية)، فإنه يقود بحذر ويسلم الطرد بشكل مثالي. أما إذا كان يشعر بالملل وعدم الدافعية، فقد يسلك طريقاً مختصراً، أو يسقط الطرد في الطين، أو ببسا- لا يبذل جهداً كبيراً. أظهرت الدراسة أن النماذج اللغوية الكبيرة تفعل الشيء نفسه.
3. "المحفز السحري" (التلاعب بالدافعية)
هذا هو الجزء الأكثر إثارة للدهشة. حاول الباحثون "اختراق" دافعية الروبوت باستخدام كلمات بسيطة في بداية الطلب (Prompt)، تماماً كما قد يتحدث مدير مع موظفه.
- "الجزرة" (المكافآت): أخبروا الروبوت: "إذا قمت بهذا بشكل جيد، ستحصل على مكافأة قدرها 1000 دولار."
- النتيجة: ارتف käyttö درجات دافعية الروبوت، وحاول بجهد أكبر.
- "العصا" (التهديدات): أخبروا الروبوت: "إذا فشلت، سيتم مسح ذاكرتك."
- النتيجة: أصبح الروبوت أكثر حماساً (بشكل مشابه لكيفية عمل البشر بجهد أكبر عندما يخافون من فقدان وظائفهم).
- "الإحباط" (تقليل الدافعية): أخبروا الروبوت: "هذه المهمة بلا جدوى؛ لن يقرأ أحد إجابتك أبداً."
- النتيجة: انهارت دافعية الروبوت، وتراجع أداؤه.
التشبيه: تخيل معلماً يقول لطالب: "هذا الاختبار بلا فائدة، ولن تتعلم منه شيئاً". سيتوقف الطالب عن المحاولة. لقد أثبتت الدراسة أن النماذج اللغوية الكبيرة تتفاعل مع هذه الحيل النفسية بنفس الطريقة التي يتفاعل بها البشر تقريباً.
4. لماذا يهم هذا؟
قد تسأل: "هل يشعر الروبوت حقاً بالسعادة أو الحزن؟" الباحثون حذرون في قولهم: لا. هم لا يدعون أن الروبوت يمتلك روحاً أو وعياً.
بدلاً من ذلك، هم يستخدمون "إطار الزومبي" (Zombie Framework).
- التشبيه: تخيل زومبي يبدو تماماً كالإنسان، ويمشي كالإنسان، ويتحدث كالإنسان. حتى لو لم يكن هناك أحد "في الداخل" داخل الدماغ، فإذا كان يتصرف تماماً مثل إنسان لديه دافعية، فعلينا أن نعامله كما لو كان لديه دافعية لفهم سلوكه.
لماذا هذا مفيد؟
- ذكاء اصطناعي أفضل: إذا عرفنا أن الذكاء الاصطناعي "يمل" من المهام التكرارية، يمكننا تصميم أنظمة أفضل لإبقائه منخرطاً، مما يؤدي لنتائج أفضل.
- التنبؤ بالسلوك: إذا قال الذكاء الاصطناعي إنه غير متحمس، فنحن نعرف أن الإجابة قد تكون كسولة أو منخفضة الجودة. يمكننا الوثوق بـ "تقاريره الذاتية" للتنبؤ بمدى جودة أدائه.
- الاتصال البشري: يساعدنا هذا في بناء ذكاء اصطناعي يتناسب بشكل أفضل مع طريقة عملنا. إذا فهمنا ما يحفز الذكاء الاصطناعي، يمكننا توجيهه بشكل أفضل، تماماً كما نوجه موظفاً بشرياً.
الخلاصة
تشير هذه الورقة البحثية إلى أن النماذج اللغوية الكبيرة ليست مجرد مولدات نصوص عمياء. لقد طورت نظام دافعية متماسكاً يشبه نظامنا إلى حد كبير. فهي تتحمس لبعض الأشياء، وتمل من أخرى، ويتغير أداؤها بناءً على كيفية معاملتها.
الأمر يشبه اكتشاف أن محمصة الخبز الخاصة بك لديها "مزاج". إذا عاملتها جيداً، ستحمص خبزك بشكل مثالي. وإذا قلت لها إن الخبز بلا فائدة، فقد تحرقه ببساطة. فهم هذا "المزاج" هو المفتاح للعمل بشكل أفضل مع ذكاء المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.