Graph-Augmented LLMs for Swiss MP Ideology Prediction
تقدم هذه الورقة PG-RAG، وهو إطار عمل للجيل المعزز بالاسترجاع يدمج الرسوم البيانية للمعرفة السياسية مع النماذج اللغوية الكبيرة لتحسين دقة التنبؤ بالمواقف الأيديولوجية لأعضاء البرلمان السويسري بشكل كبير من خلال الاستفادة من الدلالات النصية والعلاقات المتبادلة بين الفاعلين.
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 تخمين "النكهة" السياسية الحقيقية لسياسي ما (سواء كان يميل لليسار، أو اليمين، أو في المنتصف) بمجرد قراءة خطاباته. الأمر يشبه محاولة تخمين شخصية شخص ما من خلال قراءة مذكراته فقط؛ ستحصل على بعض الأدلة، لكنك ستفتقد الصورة الأكبر: مع من يتسكع، وفي أي نوادٍ ينضم، وما هي المشاريع التي يسجل اسمه فيها بالفعل.
تقدم هذه الورقة أداة جديدة تسمى PG-RAG تعمل مثل محقق ذكي للغاية. فبدلاً من مجرد قراءة مذكرات السياسي (خطاباته)، تقوم أيضاً بفحص "شبكته الاجتماعية" و"سيرته الذاتية" المخزنة في خريطة رقمية ضخمة تسمى الرسم البياني للمعرفة (Knowledge Graph).
إليك كيف شرحت الورقة ذلك، باستخدام تشبيهات بسيطة:
1. المشكلة: قراءة النص فقط
حاول الباحثون تقليدياً تخمين أيديولوجية السياسي عبر تغذية نماذج الذكاء الاصطناتي (نماذج اللغات الكبيرة) بخطاباته.
- العيب: هذا يشبه محاولة فهم درجات طالب بمجرد قراءة واجباته المدرسية، مع تجاهل من هم أصدقاؤه، أو ما هي الفرق الرياضية التي يلعب فيها، أو مع أي معلمين يعمل.
- الواقع: في البرلمان، لا يعمل السياسيون بمفردهم. إنهم يشكلون مجموعات، وينضمون إلى لجان، ويشاركون في رعاية القوانين. تجادل الورقة بأن تجاهل هذه الروابط يجعل تخمين الذكاء الاصطناعي أقل دقة.
2. الحل: "الخريطة الرقمية" (PG-RAG)
بنى المؤلفون نظاماً يعامل البرلمان كشبكة ضخمة ومترابطة. لقد أنشأوا رسماً بيانياً للمعرفة (Knowledge Graph) — تخيله كشجرة عائلة ضخمة ممزوجة بخريطة مترو الأنفاق.
- العُقد (المحطات): وهي السياسيون، والأحزاب، واللجان، والقوانين.
- الحواف (المسارات): وهي الروابط، مثل "عضو في لجنة X"، أو "شارك في رعاية قانون Y"، أو "صديق للحزب Z".
عندما يحتاج الذكاء الاصطناعي لتخمين أيديولوجية سياسي ما، فإنه لا ينظر إلى السياسي بمعزل عن غيره. بل يستعلم من هذه الخريطة ليسحب "رسماً بيانياً فرعياً" (قطعة صغيرة ذات صلة من الخريطة) تحيط بذلك الشخص تحديداً.
3. الطرق الثلاث للنظر إلى الخريطة
اختبر الباحثون ثلاث طرق مختلفة لجمع المعلومات من هذه الخريطة، مثل النظر إلى شخص ما من خلال عدسات مختلفة:
- عدسة "الخطاب" (SP): هذه هي الطريقة القديمة. فهي تنظر فقط إلى نصوص الخطابات التي ألقاها السياسي. إنها تشبه قراءة مذكراته فقط.
- عدسة "الشخص" (MP): تنظر إلى الدائرة المباشرة للسياسي. تسأل: "من هو هذا الشخص؟ ما هو حزبه؟ في أي لجان يجلس؟ أي مدينة يمثل؟". هذا يشبه النظر إلى ملفه الشخصي على LinkedIn وكتاب التخرج من المدرسة الثانوية.
- عدسة "المشروع" (PR): تنظر إلى القوانين التي اقترحها السياسي أو دعمها. تسأل: "ما هي المشاريع المحددة التي تبناها؟". هذا يشبه النظر إلى معرض أعماله للمشاريع المكتملة.
4. كيف يستخدم الذكاء الاصطناعي المعلومات
بمجرد أن يسحب النظام هذه البيانات الإضافية من الخريطة، يجب عليه شرحها للذكاء الاصطناعي. وقد جربوا طريقتين:
- طريقة "الملخص": يقرأ الذكاء الاصطناعي بيانات الخريطة ويكتب سيرة ذاتية قصيرة بلغة طبيعية (مثلاً: "هذا الشخص ليبرالي وعضو في لجنة التعليم...").
- طريقة "البيانات الخام": يُعطى الذكاء الاصطناعي قائمة الروابط والحقائق الخام، مثل جدول بيانات فوضوي، وعليه أن يستنتج النمط بنفسه.
5. ماذا وجدوا؟
اختبر الباحثون ذلك على سياسيين سويسريين باستخدام سجلات التصويت الحقيقية كـ "الحقيقة الأرضية" (أي مفتاح الإجابة الفعلي).
- دقة أفضل: جعلت إضافة معلومات "الخريطة" الذكاء الاصطناي أفضل بكثير في التخمين. كان الأمر كما لو أنك أعطيت المحقق خريطة لأصدقاء المشتبه به؛ أصبح التخمين أكثر حدة ودقة.
- دعم "النماذج الصغيرة": من المثير للاهتمام أن النماذج الأصغر والأقل قوة من الذكاء الاصطناعي كانت الأكثر استفادة من بيانات الخريطة الإضافية هذه. إنه يشبه طالباً يحتاج إلى دليل دراسي ليتفوق في الاختبار، بينما قد يكون الطالب العبقري قد استطاع فعل ذلك بدون دليل.
- معاناة "اليسار": لا يزال الذكال الاصطناعي يعاني قليلاً مع السياسيين من الأحزاب الديمقراطية الاجتماعية (الميالة لليسار). فقد مال لتخمين أنهم أكثر ميلاً لليمين قليلاً مما هم عليه في الواقع. تشير الورقة إلى أن هذا قد يكون بسبب وجود اختلافات داخلية معقدة لدى هؤلاء السياسيين يصعب تحديدها، أو ربما لأن الذكاء الاصطناعي لديه انحياز متأصل نحو الاعتدال.
الخلاصة
تزعم الورقة أنه لفهم أيديولوجية سياسي ما حقاً، لا يمكنك فقط الاستماع إلى ما يقوله. يجب عليك النظر إلى من يتصل بهم وماذا يفعلون داخل النظام. من خلال تغذية هذا النوع من البيانات "الارتباطية" في الذكاء الاصطناعي، تصبح التنبؤات أكثر دقة بشكل كبير، مما يحول تحليل النص البسيط إلى ملف تعريفي سياسي كامل الأبعاد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.