← أحدث الأبحاث
💬 NLP

Assessing Capabilities of Large Language Models in Social Media Analytics: A Multi-task Quest

تقدم هذه الورقة أول تقييم شامل لنماذج اللغات الكبيرة الحديثة عبر ثلاث مهام أساسية في تحليلات وسائل التواصل الاجتماعي — التحقق من الهوية، وتوليد المنشورات، واستنتاج سمات المستخدم — باستخدام مجموعة بيانات تويتر جُمعت حديثاً للحد من انحياز البيانات وإرساء معايير مرجعية قابلة لإعادة الإنتاج.

المؤلفون الأصليون: Ramtin Davoudi, Kartik Thakkar, Nazanin Donyapour, Tyler Derr, Hamid Karimi

نُشر 2026-04-22
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Ramtin Davoudi, Kartik Thakkar, Nazanin Donyapour, Tyler Derr, Hamid Karimi

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 تدخل إلى ساحة مدينة رقمية ضخمة وفوضوية (مثل تويتر/إكس)، حيث يصرخ الملايين، ويهمسون، ويشاركون "الميمز"، ويتجادلون. لسنوات، حاولت الحواسيب فهم هذا الضجيج، لكنها كانت ترتبك غالباً بسبب المصطلحات العامية، والجمل القصيرة، وحقيقة أن الناس يغيرون آراءهم (وأساليب كتابتهم) بسرعة.

مؤخراً، وصلت إلى الساحة حواسيب ذكية للغاية تُسمى "نماذج اللغات الكبيرة" (LLMs) — فكر فيها كأنها "عباقرة رقميون" قرأوا كل شيء تقريباً على الإنترنت. السؤال الكبير هو: هل تستطيع هذه العباقرة الرقمية حقاً فهم ومحاكاة عالم وسائل التواصل الاجتماعي الفوضوي والواقعي، أم أنها مجرد ببغاوات متطورة؟

هذه الورقة البحثية هي بمثابة "تقرير درجات" ضخم، حيث وضع مؤلفوها سبعة من أذكى نماذج الذكاء الاصطناعي (بما في ذلك GPT-4 وGemini وLlama) في تحدٍ مكون من ثلاثة أجزاء ليروا مدى براعتهم في التعامل مع وسائل التواصل الاجتماعي.

إليك تفاصيل تحدياتهم الثلاثة، مشروحة بتشبيهات بسيطة:

التحدي الأول: "اختبار خط اليد" (التحقق من الهوية)

الهدف: هل يستطيع الذكاء الاصطناعي النظر إلى تغريدة والقول: "نعم، كتبها المستخدم (أ) بالتأكيد"، أو "لا، هذه مزيفة"؟

  • التشبيه: تخيل أنك محقق تحاول تحديد هوية مشتبه به. لديك دفتر ملاحظات لكتاباته القديمة (بيانات التدريب). ثم، يُسلم إليك ورقة جديدة. هل يمكنك معرفة ما إذا كان هذا خط يده أم تزوير؟
  • الخدعة: لم يختبر المؤلفون الذكاء الاصطناعي على ملاحظات قديمة فحسب. بل أعطوه ملاحظات جديدة تماماً كُتبت بعد توقف الذكاء الاصطناعي عن التعلم (مثل إعطاء طالب اختباراً في فصل من الكتاب لم يقرأه بعد). هذا يتحقق مما إذا كان الذكاء الاصطناعي ذكياً حقاً أم أنه مجرد يحفظ الإجابات.
  • النتيجة: كان GPT-4 هو المحقق النجم. لقد كان بارعاً للغاية في رصد "خط اليد"، حتى في الملاحظات الجديدة. كانت النماذج الأخرى جيدة، لكن بعضها (مثل نموذج BERT القديم) كان من السهل خداعه.

التحدي الثاني: "مسابقة التقليد" (توليد المنشورات)

الهدف: هل يمكن للذكاء الاصطناعي كتابة تغريدة تبدو تماماً مثل شخص حقيقي معين؟

  • التشبيه: تخيل أنك استأجرت كاتب شبح ليكتب تغريدة لك. تعطي هذا الكاتب مذكراتك، ونبذة عنك، وقائمة بأصدقائك. ثم يكتب تغريدة جديدة. بعد ذلك، تسأل أصدقاءك: "هل كتبتُ أنا هذا؟"
  • الاختبار: طلب الباحثون من أشخاص حقيقيين النظر إلى التغريدات التي أنتجها الذكاء الاصطناعي وتخمين ما إذا كانت مكتوبة بواسطتهم أم بواسطة روبوت. كما استخدموا الرياضيات لقياس مدى تشابه الكلمات.
  • النتيجة: كانت النتائج مختلطة.
    • كان Gemini وLlama الأفضل في خداع البشر. غالباً ما كان الناس يفكرون: "واو، هذا يبدو مثلي تماماً!"
    • كتب DeepSeek تغريدات مشابهة جداً في الموضوع، لكنها بدت أحياناً آلية أو أقل "بشرية".
    • كان GPT-4o نموذجاً متوازناً وجيداً في كل شيء، لكنه لم يفز بجائزة "الأكثر بشرية".
    • خلاصة رئيسية: مجرد استخدام الذكاء الاصطناعي للكلمات الصحيحة لا يعني أنه استطاع التقاط "روح" المستخدم.

التحدي الثالث: "الملف النفسي" (استنتاج سمات المستخدم)

الهدف: هل يمكن للذكاء الاصطناعي النظر إلى تغريدات مستخدم ما وتخمين وظيفته وهواياته دون رؤية ملفه الشخصي أبداً؟

  • التشبيه: تخيل أنك عراف (متنبئ). تم تسليمك مجموعة من 50 بطاقة بريدية عشوائية لشخص غريب. بناءً على ما كتبوه فقط، هل يمكنك التخمين: "هذا الشخص طبيب أسنان يحب أفلام الخيال العلمي"؟
  • الاختبار: كان على الذكως الاصطناعي تخمين وظيفة المستخدم (باستخدام فئات الوظائف الحكومية الرسمية) واهتماماته (باستخدام قائمة معيارية للهوايات).
  • النتيجة: كان Gemini هو أفضل عراف. فقد خمن الوظائف والهوايات بدقة عالية. أما Llama، فقد عانى بشكل كبير، وغالباً ما خمن وظائف خاطئة تماماً. أظهر هذا أنه حتى الذكاء الاصطناي الذكي يمكن أن يرتبك إذا كانت الأدلة دقيقة أو غير مباشرة.

الصورة الكبيرة: ماذا تعلمنا؟

  1. لا يوجد فائز واحد: لا يوجد ذكاء اصطناعي واحد "هو الأفضل" لكل شيء. GPT-4 هو أفضل محقق، وGemini هو أفضل عراف، وLlama هو أفضل ممثل (مقلد).
  2. مشكلة "البيانات الجديدة": العديد من نماذج الذكاء الاصطناعي بارعة في تكرار ما تعرفه بالفعل، لكنها تواجه صعوبة عند مواجهة توجهات (trends) جديدة تماماً أو منشورات كُتبت بعد "توقف التعلم" الخاص بها.
  3. الإنسان مقابل الآلة: أحياناً، النموذج الذي يبدو "مثالياً" رياضياً ليس هو النموذج الذي يشعر البشر بأنه أكثر طبيعية. أفضل ذكاء اصطناعي لوسائل التواصل الاجتماعي يحتاج إلى موازنة الذكاء مع القدرة على التحدث بشكل طبيعي.

باختصار: نماذج الذكاء الاصطنا هذه هي أدوات قوية يمكنها مساعدتنا في فهم وسائل التواصل الاجتماعي بشكل أفضل، لكنها ليست بدائل مثالية للحدس البشري بعد. إنها تشبه المتدربين الموهوبين جداً الذين يحتاجون إلى مدير بشري لمراجعة عملهم، خاصة عندما يتعلق الأمر بالعالم الفوضوي والمتغير باستمرار للمحادثات عبر الإنترنت.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💬 cs.CL →