UTS at PsyDefDetect: Multi-Agent Councils and Absence-Based Reasoning for Defense Mechanism Classification
حقق نظام UTS في منظومة PsyDefDetect المركز الثاني في تصنيف آليات الدفاع النفسي من خلال الاستفيد من الاستدلال القائم على الغياب في قواعد مستوى المطالبة، ومجلس تداول متعدد الوكلاء، والذي تم تعزيزه بشكل أكبر عبر مجموعة استبدال مستهدفة من النماذج المضبوطة بدقة لتصحيح الانحيازات المنهجية ضد الفئات الأقلية.
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 فهم سبب قول الناس لما يقولونه عندما يكونون منزعجين. في بعض الأحيان، لا يكونون صادقين فحسب؛ بل يستخدمون تقنيات "تحصين" نفسية تسمى آليات الدفاع. تتراوح هذه الدروع من البدائية للغاية (مثل التعبير عن الغضب جسدياً) إلى الناضجة جداً (مثل حل المشكلة بهدوء).
التحدي الذي يواجه أجهزة الكمبيوتر هو أن هذه الدروع مخادعة. قد يقول الشخص: "أنا بخير، فقط أتعامل مع الكثير من الأمور المجهولة". للوهلة الأولى، يبدو هذا طريقة صحية وناضجة للتعامل مع التوتر. ولكن في الواقع، الشخص يخفي مشاعره. إنه يفتقد العاطفة التي ينبغي أن تكون موجودة. بالنسبة للكمبيوتر، فإن رصد ما هو مفقود أصعب بكثير من رصد ما هو موجود.
تصف هذه الورقة فريقاً (UTS at PsyDefDetect) قام ببناء نظام كمبيوتر ذكي لحل هذا اللغز. لقد دخلوا مسابقة تضم 64 فريقاً وحصلوا على المركز الثاني. إليكم كيف فعلوا ذلك، مشروحاً ببساطة.
1. الفكرة الجوهرية: "الشبح في الغرفة"
أدرك الفريق أن آليات الدفاع تُعرّف بـ الغياب.
- الاستعارة: تخيل محققاً يبحث عن لص. معظم المحققين يبحثون عن آثار الأقدام (ما هو موجود). أدرك هذا الفريق أن اللص يُعرف في الواقع من خلال المساحة الفارغة حيث يجب أن تكون آثار الأقدام.
- التطبيق: إذا تحدث شخص ما عن مأساة لكنه لم يبدُ حزيناً، يحتاج الكمبيوتر إلى إدراك أن الحزن المفقود هو الدليل. لقد برمجوا نظامهم بقواعد "إكلينيكية" تبحث خصيصاً عن هذه القطع المفقودة (المشاعر المفقودة، أو التفكير المسدود، أو إنكار الواقع). هذه الحيلة الواحدة منحتهم دفعة هائلة في الأداء.
2. "مجلس الخبراء" (المجلس التداولي)
بدلاً من سؤال ذكاء اصطناعي واحد ليقدم تخميناً، قاموا ببناء مجلس متعدد الوكلاء.
- الاستمتاع: تخيل قاعة محكمة. بدلاً من هيئة محلفين تصوت بالأغلبية البسيطة (والتي ستختار دائماً الإجابة الأكثر شيوعاً)، لديهم لجنة من المحامين المتخصصين.
- المرحلة الأولى: ثلاثة "محامين" مختلفين (وكلاء ذكاء اصطناعي) ينظرون في القضية ويقترحون أحكاماً محتملة.
- المرحلة الثانية: إذا اختلفوا، يتقدم "مدافع" محدد عن كل حكم محتمل. المدافع عن "المستوى 7" (الناضج) يجادل بأن هذا الوصف يناسب الحالة. المدافع عن "المستوى 6" (الهوسي) يجادل بأن ذاك يناسب الحالة بشكل أفضل. هم لا يكتفون بالصراخ "أنا الفائز!"؛ بل يقدمون الأدلة.
- المرحلة الثالثة: ينظر القاضي إلى قوة الأدلة. إذا كان لدى مدافع "المستوى 6" دليل قوي، فإنه يفوز، حتى لو صوت ثلاثة وكلاء آخرين لصالح "المستوى 7".
- النتيجة: كان هذا النظام جيداً جداً بمفرده، لكنه كان يعاني من خلل: كان واثقاً جداً بشأن الإجابة الأكثر شيوعاً (المستوى 7)، وغالباً ما يتجاهل الحالات النادرة والصعبة.
3. "جاذب المستوى 7" (مشكلة الجاذبية)
كانت البيانات منحازة بشدة. أكثر من نصف الأمثلة كانت "المستوى 7" (ناضج).
- الاستعارة: تخيل مغناطيساً ضخماً (المستوى 7) في منت وسط غرفة. مهما رميت كرة (محادثة)، فإن المغناطيس يسحبها إليه. ظل الذكاء الاصطناعي ينجذب لقول "هذا ناضج" حتى عندما لم يكن كذلك.
- المشكلة: كان الذكاء الاصطناعي "مخطئاً بثقة". كان يختار الإجابات النادرة (مثل المستوى 3 أو 4) ويكون مصيباً، ولكنه أيضاً كان يختارها ويكون مخطئاً، وكان يختار الإجابة الشائعة (المستوى 7) ويكون مخطئاً بنسبة 80% في تلك الحالات المحددة.
4. فريق "الضربة الجراحية" (فريق التجاوز المستهدف)
لإصلاح مشكلة المغناطيس، أضافوا طبقة ثانية من الدفاع: فريق التجاوز المستهدف.
- الاستعارة: فكر في "المجلس" كمدير عام يتخذ القرارات اليومية. "فريق التجاوز" هو فرقة "ضبط جودة" متخصصة تتدخل فقط عندما يقوم المدير بتخمين مخاطر.
- كيف يعمل:
- قاموا بتدريب ثلاثة نماذج ذكاء اصطناعي أصغر ومتخصصة (مثل الجراحين المتخصصين) للنظر في تنبؤات "المجلس".
- إذا قال المجلس "المستوى 7" ولكن النماذج المتخصصة قالت "انتظر، هذا في الواقع المستوى 6"، يقوم النظام بفحص الأدلة.
- استخدموا نظام البناء-الناقد-الحارس (Builder-Critic-Guard):
- البناء (Builder): يقترح تغييراً.
- الناقد (Critic): يحاول إثبات أن التغيير خاطئ (يجادل ضد التغيير).
- الحارس (Guard): لا يسمح بمرور التغيير إلا إذا كان الدليل راسخاً للغاية.
- النتيجة: قام هذا الفريق بـ 16 تغييراً فقط من أصل 472 تنبؤاً. لكن تلك الـ 16 تغييراً كانت دقيقة جداً لدرجة أنها دفعت الفريق من المركز الثالث إلى المركز الثاني.
5. تحذير "الدلو المثقوب"
وجدت الورقة أيضاً مشكلة خفية.
- الاستعارة: تخيل خوض اختبار حيث الأسئلة هي نسخ مختلفة قليلاً من الأسئلة التي درستها. إذا حفظت الإجابات من دليل الدراسة، ستحصل على 100%. ولكن إذا كانت أسئلة الاختبار من نفس المحادثة الموجودة في دليل الدراسة، فأنت لا تتعلم حقاً؛ أنت فقط تتذكر.
- النتيجة: كانت بيانات الاختبار تشترك في نفس المحادثات مع بيانات التدريب. إذا "تذكر" الذكاء الاصطناعي المحادثة، فإنه يبدو بدقة 97%. ولكن عندما منعوه من الغش (من خلال ضمان عدم رؤيته لنفس المحادثة مرتين)، انخفضت الدقة إلى مستوى واقعي قدره 65%. علمهم هذا أن عملية الاسترجاع (البحث عن أمثلة مشابهة) يجب أن تتم بحذر شديد لتجنب الغش.
ملخص الفوز
لم يفز الفريق باستخدام أكبر أو أقوى نموذج ذكاء اصطناعي. لقد فازوا بـ:
- تعليم الذكاء الاصطناعي ملاحظة ما هو مفقود (غياب العاطفة).
- إنشاء نظام مناظرة حيث تهم الأدلة أكثر من مجرد التصويت البسيط.
- استخدام فريق تصحيح صغير ومنضبط للغاية لإصلاح المرات القليلة التي كان فيها النظام الرئيسي مخطئاً بثقة.
كانت درجتهم النهائية هي Macro-F1 قدرها 0.406، متفوقين على 63 فريقاً آخر. لقد أثبتوا أنه في علم النفس، أحياناً يكون أهم دليل هو الصمت حيث ينبغي أن تكون هناك مشاعر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.