🤖 AI

Improvisational Games as a Benchmark for Social Intelligence of AI Agents: The Case of Connections

تقدم هذه الورقة "Connections"، وهي لعبة تلاعب بالألفاظ ارتجالية مصممة لقياس الذكاء الاجتماعي لوكلاء الذكاء الاصطناعي من خلال تقييم قدرتهم على دمج استرجاع المعرفة، والتلخيص، وتقييم الحالات المعرفية للوكلاء الآخرين ضمن بيئة تعاونية مقيدة.

المؤلفون الأصليون: Gaurav Rajesh Parikh, Angikar Ghosal

نُشر 2026-04-02

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Gaurav Rajesh Parikh, Angikar Ghosal

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 تلعب لعبة "التمثيل الصامت" (Charades)، ولكن مع لمسة مختلفة: لا يمكنك التمثيل، بل يمكنك فقط التحدث بالألغاز، بينما يحاول زملاؤك في الفريق تخمين كلمة سرية، ويحاول "الحكم" منعهم.

تقدم هذه الورقة البحثية طريقة جديدة لاختبار مدى "الذكاء الاجتماعي" للذكاء الاصطناعي. فبدلاً من مطالبة الذكاء الاصطناعي بحل مسألة رياضية أو كتابة قصيدة، وضعه الباحثون في لعبة تسمى "Connections" (الروابط).

إليك تفاصيل اللعبة وما تعلمه الباحثون، مشروحة ببساطة.

اللعبة: "Connections"

فكر في هذا الأمر كنسخة عالية المخاطر من لعبة "20 سؤالاً" ممزوجة بلغز الكلمات.

الإعداد: يختار لاعب واحد (المُعدّ) كلمة سرية (مثل "Catamaran" - قارب كاتاماران). اللاعبون الآخرون (المخمنون) لا يعرفون الكلمة.
التلميح: يكشف المُعدّ عن الحرف الأول (مثلاً "C").
الرقصة: يقول أحد المخمنين تلميحاً، مثل "سجادة تطير أحياناً".
- إذا قال المخمنون الآخرون "سجادة!" في نفس الوقت، يحصلون على نقطة، ويتم الكشف عن الحرف التالي ("C" تصبح "CA").
- الفخ: المُعدّ يستمع جيداً. إذا عرف المُعدّ الكلمة قبل أن يعرفها المخمنون، يمكنه الصراخ بكلمة "حظر!" (Blocked!) ويمنع المخمنين من الحصول على الحرف.
الهدف: يفوز المخمنون إذا خمنوا الكلمة كاملة قبل نفاد التلميحات. ويفوز المُعدّ إذا تمكن من حظرهم.

لماذا يعد هذا صعباً على الذكاء الاصطناعي؟

معظم اختبارات الذكاء الاصطناعي تتحقق مما إذا كان الروبوت يمكنه تذكر الحقائق أو إجراء الحسابات. لكن هذه اللعبة تتحقق مما إذا كان بإمكان الذكاء الاصطناعي "قراءة الغرفة" (فهم الأجواء المحيطة).

لكي يفوز "المخمن" من الذكاء الاصطناعي، عليه القيام بثلاث مهام صعبة في آن واحد:

أن يكون ذكياً: ابتكار تلميح ذكي بما يكفي لجعلك تفكر في الكلمة، ولكن ليس واضحاً جداً بحيث يعرفه المُعدّ فوراً.
أن يكون قارئاً للأفكار: عليك أن تخمن ما يعرفه زملاؤك في الفريق. إذا قدمت تلميحاً عن "المصطلحات الطبية"، ولكن زميلك مزارع، فلن يفهم التلميح. أنت بحاجة لإيجاد تلميح يعرفه كلاكما.
أن يكون جاسوساً: عليك أن تخمن ما لا يعرفه المُعدّ. إذا كان المُعدّ عبقرياً في الفيزياء، فلا تستخدم تلميحاً في الفيزياء؛ سيقوم بحظرك فوراً.

التجربة: روبوتات تلعب ضد روبوتات

قام الباحثون بإعداد لعبة بثلاثة وكلاء ذكاء اصطناعي (باستخدام نموذج قوي يسمى GPT-4o).

الوكيل 0 كان هو المُعدّ.
الوكيل 1 و2 كانا هما المخمنان.

لعبوا مئات الجولات، وإليكم ما وجدوه:

1. مشكلة "العقل الواحد"
في البداية، كانت اللعبة مملة. نظرًا لأن جميع أجهزة الذكاء الاصطناعي مبنية من نفس "العقل" (نفس بيانات التدريب)، فقد كانوا يفكرون بنفس الطريقة تماماً.

تشبيه: تخيل ثلاثة توائم يلعبون لعبة التمثيل الصامت. إذا قال أحد التوائم "فاكهة حمراء"، سيعرف التوائم الآخرون فوراً أنها تفاحة، ولكن التوأم "المُعدّ" سيعرف أيضاً أنها تفاحة وسيحظرها فوراً. كان الذكاء الاصطناعي يتعرض للحظر باستمرار لأن لديهم جميعاً نفس "القاموس الذهني".

2. الاختراق "الاجتماعي"
جرب الباحثون شيئاً جديداً: أعطوا أجهزة الذكاء الاصطناعي "شخصيات" مختلفة (مثل "أنت نجار عمره 60 عاماً" مقابل "أنت لاعب ألعاب فيديو عمره 20 عاماً").

النتيجة: بدأ الذكاء الاصطناعي يتحسن. بدأوا يدركون: "أوه، زميلي يعرف الكثير عن ألعاب الفيديو، لكن المُعدّ لا يعرف، لذا سأستخدم تلميحاً عن الألعاب!".
أظهر هذا أن الذكاء الاصطناعي يمكنه البدء في محاكاة ما يعرفه شخص آخر، وهي خطوة كبيرة نحو الذكاء الاجتماعي الحقيقي.

الخلاصة الكبرى

تجادل هذه الورقة بأن الذكاء الاصطناعي لكي يكون ذكياً حقاً، لا يمكن أن يكون مجرد موسوعة فائقة الذكاء. يجب أن يكون "حرباء اجتماعية".

الذكاء الاصطناعي الحالي: "أنا أعرف تعريف كلمة 'Catamaran'."
الذكاء الاصطناعي الاجتماعي الذكي: "أنا أعرف أن صديقي يعرف معنى 'Catamaran' لأننا ذهبنا إلى الشاطئ معاً، لكن الحكم لا يعرف، لذا سأعطي تلميحاً عن القوارب يفهمه صديقي ولكن لا يفهمه الحكم."

لماذا يهم هذا؟

يعتقد المؤلفون أن ألعاباً كهذه هي مستقبل اختبار الذكاء الاصطناعي. فالحياة الواقعية لا تقتصر فقط على الإجابة على الأسئلة بشكل صحيح؛ بل تتعلق بفهم ما يعرفه الآخرون، وما لا يعرفونه، وكيفية التواصل معهم بفعالية.

إذا تعلم الذكاء الاصطناعي لعب هذه اللعبة جيداً، فهذا يعني أنه يخطو خطواته الأولى نحو فهم الثقافة البشرية، والسياق، والطبيعة الفوضوية وغير المتوقعة للمحادثة البشرية. إنه ينتقل من كونه آلة حاسبة إلى أن يكون زميلاً في الفريق.

إليك ملخص تقني مفصل لورقة البحث بعنوان "الألعاب الارتجالية كمعيار للذكاء الاجتماعي للوكلاء الاصطناعيين: حالة لعبة الروابط (Connections)".

1. بيان المشكلة

تعالج الورقة فجوة حرجة في معايير تقييم النماذج اللغوية الكبيرة (LLMs) الحالية: وهي الافتقار إلى تقييم الذكاء الاجتماعي وقدرات نظرية العقل (Theory of Mind - ToM). بينما تتفوق النماذج اللغوية الكبيرة في استرجاع المعرفة، والتلخيص، والاستنتاج الاستنباطي، إلا أنها غالباً ما تفشل في إظهار القدرة على:

قياس الحالات المعرفية والقواعد المعرفية للوكلاء الآخرين.
تكييف استراتيجيات التواصل بناءً على القدرات المتصورة للزملاء مقابل الخصوم.
التنقل في التوازن الدقيق بين تقديم أدلة واضحة بما يكفي ليفهمها الزملاء، ولكن غامضة بما يكفي لمنع الخصم ("الواضع" أو الـ Setter) من تخمين الإجابة.

يجادل المؤلفون بأن المعايير القياسية لا تلتقط الفروق الدقيقة في الاستدلال التعاوني في البيئات متعددة الوكلاء والمقيدة حيث يعتمد النجاح على نمذجة الحالات الذهنية للآخرين.

2. المنهجية

اللعبة: "الروابط" (Connections)

صاغ المؤلفون لعبة تعتمد على التلاعب بالكلمات تسمى "Connections" لتكون منصة اختبار.

الأدوار: لاعب واحد هو الواضع (Setter) (الذي يمتلك كلمة مستهدفة سرية)، و $n$ من اللاعبين هم المخمنون (Guessers).
الآليات:
1. يكشف الواضع عن الحرف الأول من الكلمة المستهدفة.
2. يقترح المخمنون أدلة (عبارات) ترتبط بكلمة تبدأ بالبادئة (البريفيكس) التي تم الكشف عنها.
3. الرابط (Connection): إذا اقترح أحد المخمنين دليلاً، وقام مخمن آخر (في نفس الوقت) بتخمين الكلمة الصحيحة المرتبطة بهذا الدليل دون أن يخمنها الواضع أولاً، يتم إنشاء "رابط"، ويتم الكشف عن الحرف التالي.
4. الحجب (Blocking): إذا خمن الواضع الكلمة بناءً على الدليل، يتم "حجب" الدليل، ولا يتم الكشف عن أي حرف.
5. شرط الفوز: يفوز المخمنون إذا كشفوا عن الكلمة الكاملة ضمن عدد محدد من الأدلة؛ وإلا يفوز الواضع.

الصياغة الرياضية

صاغ المؤلفون اللعبة رياضياً باستخدام التضمينات الدلالية (Semantic Embeddings):

الفضاء الدلالي: كل لاعب $j$ لديه مفردات عمل فريدة $U_j$ ودالة تضمين دلالي $\Phi_j$ تقوم بخرائط الكلمات/الأدلة إلى متجهات.
توليد الدليل: يكون الدليل $p$ ناجحاً إذا كانت الكلمة المستهدفة $w$ من بين أقرب $k$ كلمات للدليل $p$ في الفضاء الدلالي للمخمنين، ولكنها ليست كذلك في فضاء الواضع (أو على الأقل ليست التخمين الأول).
التحسين (Optimization): اشتق المؤلفون دالة احتمالية لتوليد الأدلة. لتعظيم النجاح، يجب على المخمن إيجاد دليل تكون فيه احتمالية تخمين زميل له بشكل صحيح ( $p$ $p$ ) عالية، ولكن احتمالية تخمين الواجع بشكل صحيح ( $1-p$ $1 - p$ ) عالية أيضاً (أي يفشل الواضع).
- تم اشتقاق الاحتمالية المثلى $p^*$ ليكون الدليل قابلاً للتخمين من قبل زميل ولكن ليس من قبل الواضع كالتالي: $p^* = 1 - (1/n)^{1/(n-1)}$ .
نموذج التعلم الاجتماعي: تقترح الورقة آلية تشبه "الاشتقاق المتدرج" (Gradient-descent) حيث يقوم الوكلاء بتحديث "متجهات الخطاب المدركة" ( $d_{i \leftarrow j}$ ) بناءً على نتائج اللعبة. إذا نجح لاعب في تخمين دليل ما، يتم تعديل المتجه ليعكس أن هذا الوكيل يتشارك ذلك المعرفة الدلالية.

الإعداد التجريبي

الوكلاء: ثلاثة وكلاء يعملون بنموذج GPT-4o.
الأدوار: اللاعب 0 (الواضع)، اللاعبان 1 و 2 (المخمنون).
الأوامر (Prompts): تم توجيه الوكلاء بأدوار محددة. في بعض التجارب، تم استخدام "التعلم داخل السياق" (In-context learning) لتهيئة الوكلاء بخلفيات محددة (مثل المهنة، الثقافة) لمحاكاة شبكات دلالية متنوعة.

3. المساهمات الرئيسية

صياغة معيار اجتماعي: تقدم الورقة "Connections" كمعيار صارم وقابل للصياغة لقياس الذكاء الاجتماعي للذكاء الاصطناعي، متجاوزة مهام الأسئلة والأجوبة الساكنة إلى الاستدلال التعاوني الديناميكي متعدد الأدوار.
إطار رياضي لتحسين الأدلة: توفر نموذجاً احتمالياً لتوليد أدلة توازن بين استيعاب الزميل وبين حجب الخصم، مما يصيغ "منطقة الاعتدال" (Goldilocks zone) لصعوبة الدليل.
آلية للوعي الاجتماعي: يقترح المؤلفون طريقة ليتعلم الوكلاء "متجهات الخطاب" للاعبين الآخرين بمرور الوقت، مما يحاكي فعلياً قدرة البشر على تعلم من يعرف ماذا (على سبيل المثال: "اللاعب أ جيد في المصطلحات الطبية، اللاعب ب جيد في البرامج التلفزيونية").
التحليل التجريبي لمحدوديات النماذج اللغية الكبيرة: تسلط الدراسة الضوء على أنه بينما يمكن للنماذج اللغية الكبيرة لعب اللعبة، إلا أنها تعاني في "الوعي الاجتماعي التكيفي" عندما لا يتم تهيئتها صراحة. بدون أوامر محددة حول خلفيات الوكلاء، تميل النماذج اللغية الكبيرة إلى الاعتماد على شبكة دلالية موحدة، مما يؤدي إلى "حجب" متكرر من قبل الواضع.

4. النتائج

مقاييس الأداء: أجرى المؤلفون أكثر من 100 تكرار عبر كلمات مستهدفة متنوعة (مثل: kaleidoscope, xenophobia, labyrinthine).
- معدل النجاح: تباين النجاح بشكل كبير حسب الكلمة. الكلمات ذات مساحات البادئة الصغيرة (مثل الكلمات التي تبدأ بـ 'X') تطلبت تكرارات أقل لحلها مقارنة بالكلمات ذات المساحات الكبيرة (مثل الكلمات التي تبدأ بـ 'C').
- الحجب (Blocking): في الإعدادات القياسية (بدون تهيئة الخلفية المسبقة)، قام الواضع بحجب نسبة عالية من الأدلة. يشير هذا إلى أنه عندما يتشارك جميع الوكلاء نفس النموذج الأساسي، فإن شبكاتهم الدلالية تكون متشابهة جداً، مما يجعل من الصعب على المخمنين إيجاد "نقاط عمياء" في معرفة الواضع.
الملاحظات السلوكية:
- السلوك البشري مقابل غير البشري: أظهر الوكلاء سلوكاً يشبه البشر في إدراك أن كلمات 'X' أسهل في التخمين. ومع ذلك، أظهروا سلوكاً غير بشري من خلال تقديم تخمينات "غريبة وغير شائعة" قبل الاستقرار على الخيارات الواضحة، مما يشير إلى نقص في الحدس الاستراتيجي.
- تأثير التهيئة (Priming): عندما تم تهيئة الوكلاء صراحة بخلفيات مختلفة (مثل مهن متميزة)، أظهروا قدرة محسنة على استخدام "المفردات المشتركة" لتجاوز الواضع. ومع ذلك، بدون توجيه صريح، فشلوا في استنتاج هذه الاختلافات من خلال اللعب وحده.

5. الأهمية والعمل المستقبلي

ما وراء الاستدلال الاستنباطي: تجادل الورقة بأن الذكاء الحقيقي للذكاء الاصطناعي يتطلب القدرة على نمذجة الحالات المعرفية للآخرين. تجبر لعبة "Connections" الوكلاء على الانتقال من مجرد الاسترجاع إلى التواصل الاستراتيجي والتكيف التعاوني.
الآثار على سلامة ومواءمة الذكاء الاصطناعي: إن فهم كيفية قياس وكلاء الذكاء الاصطناعي لقواعد معرفة البشر (أو غيرهم من الوكلاء) وتكيفهم معها أمر بالغ الأهمية لتطوير وكلاء يمكنهم التعاون بفعالية في سيناريوهات العالم الحقيقي (مثل الرعاية الصحية، التعليم، التفاوض).
الاتجاهات المستقبلية:
- اختيار الكلمات الديناميكي: تستخدم اللعبة الحالية كلمة ثابتة. يهدف العمل المستقبلي إلى السماح للواضع بتغيير الكلمة المستهدفة في منتصف اللعبة (طالما أنها تتناسب مع الحروف المكشوفة)، مما يتطلب عملية ارتجال أكثر تعقيداً.
- التعلم الاجتماعي القوي: تطوير وكلاء يمكنهم تلقائياً اكتشاف ونمذجة الفجوات المعرفية للآخرين دون الحاجة إلى هندسة أوامر (Prompt Engineering) صريحة، وصولاً إلى "نظرية عقل" حقيقية.

في الختام، تؤسس هذه الورقة لـ "Connections" كمعيار جديد وحيوي لتقييم الذكاء الاجتماعي للذكاء الاصطناعي، وتثبت أنه بينما يمتلك الذكاء الاصطناعي الحالي المعرفة الخام للعب، فإنه يفتقر إلى الاستدلال الاجتماعي التكيفي الدقيق المطلوب للتفوق باستمرار على الخصوم والتعاون بفعالية دون توجيه صريح.