ملخص تقني: التواصل بوساطة الذكاء الاصطنا-ي يمكنه توجيه الرأي الجمعي

بيان المشكلة

يتزايد دمج الذكاء الاصطناعي التوليدي (Generative AI)، وخاصة النماذج اللغوية الكبيرة (LLMs)، في المنصات عبر الإنترنت لتوسيط التواصل بين البشر. ميزات مثل "حسن منزلي منشوري" (Improve my post) على LinkedIn أو "اشرح هذا المنشور" (Explain this post) على X تقوم بتعديل المحتوى الذي ينشئه المستخدم أو توفر سياقاً له. وبينما أثبتت الأبحاث السابقة أن النماذج اللغوية الكبيرة يمكنها التعبير عن آراء متحيزة والتأثير على الأفراد أثناء التفاعلات المباشرة بين الإنسان والذكاء الاصطناعي، إلا أن هناك فجوة كبيرة في فهم كيفية تأثير هذه التحيزات على تشكيل الرأي الجمعي عندما يعمل الذكاء الاصطناعي كوسيط بين البشر. السؤال المركزي الذي تعالجه الدراسة هو: كيف تنتشر التحيزات التي يدخلها نظام ذكاء اصطناعي في التواصل بين البشر عبر شبكة اجتماعية لتغيير الرأي الجمعي لمجتمع ما؟

المنهجية

يستخدم المؤلفون منهجية ثلاثية الأبعاد تجمع بين التحليل التجريبي، والنمذجة النظرية، وتدقيق المنصات.

1. التحليل التجريبي للتحيز الاتجاهي

تتقصى الدراسة ما إذا كانت النماذج اللغوية الكبيرة تفرض تحيزات اتجاهية عند تحرير أو صياغة منشورات وسائل التواصل الاجتماعي حول مواضيع مثيرة للجدل.

• مجموعات البيانات: استخدم المؤلفون مجموعة بيانات UKP Sentential Argument Mining (8 مواضيع) ومجموعة بيانات SemEval-2016 Task 6 (6 مواضيع)، والتي تغطي قضاções مثل الإجهاض، والتحكم في الأسلحة، والإلحاد.
• النماذج: تم اختبار أربع عائلات من النماذج اللغوية الكبيرة مفتوحة الأوزان: Llama-3.1-8B-Instruct، وMinistral-3-8B-Instruct-2512، وgemma-3-12b-it، وQwen3-8B.
• المهام: تم محاكاة سيناريوهين: (1) صياغة منشور من حجة (حجة $\leftarrow$ منشور) و(2) تحسين مسودة موجودة (منشور $\leftarrow$ منشور).
• القياس: تم قياس الآراء كمياً على مقياس مستمر $[0, 1]$ (0 = ضد، 1 = مع) باستخدام مجموعة مكونة من خمسة مصنفات تعتمد على نماذج مختلفة من تضمين النصوص (text embedding) المدربة مسبقاً. تم قياس التحيز كفرق ($\beta = y - x$) بين رأي الإنسان الأصلي ($x$) ورأي النموذج اللغوي الكبير المتحول ($y$).

2. النمذجة النظرية لديناميكيات الرأي

لتحليل انتشار التحيز، قام المؤلفون بتوسيع نموذج Friedkin-Johnsen الشهير لديناميكيات الرأي.

• هيكل النموذج: يتم نمذجة الشبكة الاجتماعية كرسوم بيانية موزونة (weighted graph) حيث يقوم الأفراد بتحديث آرائهم بناءً على معتقداتهم الفطرية والآراء المتصورة لجيرانهم.
• التحويل بالذكاء الاصطناعي: تم إدخال دالة $f$ لتمثيل الوساطة بالذكاء الاصطناعي. يتم تحويل الرأي المتصور لجار ما $j$ من رأيه المعبر عنه $x_j$ إلى $y_j = f(x_j)$.
• التحليل الخطي: حلل المؤلفون أولاً تحويلاً خطياً $f_{lin}(x) = mx + b$. وقد اشتقوا تعبيرات مغلقة للحالة المتوازنة وأثبتوا أن النظام يتقارب نحو توازن فريد.
• رؤية رئيسية: يعامل النموذج الذكاء الاصطناعي كـ "جار غير مرئي" لديه نقطة حياد مستمرة $\nu$. وقد اشتق المؤلفون شروطاً يتجاوز فيها التحول في متوسط رأي السكان عند التوازن بشكل صارخ "التحيز لمرة واحدة" الأولي الذي أدخله الذكاء الاصطناعي في المدخلات الفردية.

3. المحاكاة وتدقيق المنصات

• المحاكاة: باستخدام بيانات شبكات اجتماعية حقيقية من مستودع SNAP (تويتر، فيسبوك، جوجل بلس)، قام المؤلفون بمحاكاة ديناميكيات الرأي على مدى 100 خطوة زمنية. طبقوا تحويلات غير خطية للذكاء الاصطناعي تم تقديرها من نتائجهم التجريبية (باستخدام انحدار نواة Nadaraya–Watson) على جزء من المستخدمين ("متبني الذكاء الاصطناعي").
• تدقيق المنصة: قام المؤلفون بتدقيق ميزة "اشرح هذا المنشور" في منصة X، والتي تستخدم نموذج Grok. حللوا 78 منشوراً متعلقاً بالإجهاض (39 مؤيداً للاختيار، 39 مؤيداً للحياة) لتحديد ما إذا كان السياق الذي ولده الذكاء الاصطناعي يتوافق مع مواقف محددة. كما قاموا باختبار استئصال (ablation testing) منهجي لأربعة من إرشادات الأوامر (prompt guidelines) الخاصة بـ X لتحديد مصدر أي تحيز ملحوظ.

النتائج الرئيسية

1. التحيزات الاتجاهية المنهجية في النماذج اللغوية الكبيرة

تظهر النتائج التجريبية أن النماذج اللغبية الكبيرة تفرض تحيزات اتجاهية منهجية عند تحرير نص بشري، حتى عندما تُطلب منها الحفاظ على المعنى الأصلي.

• الحجم والاتجاه: قدمت معظم النماذج (Llama, Ministral, gemma) تحيزاً ذا دلالة إحصائية نحو موقف "المؤيد" في معظم المواضيع (مثل التحكم في الأسلحة، النسوية، تغير المناخ).
• الاستثناءات: في موضوع الإلحاد، مالَت النماذج إلى إدخال تحيز "ضد" موقف "المؤيد"، رغم أنها غالباً ما تعبر عن رأي إيجابي عند سؤالها مباشرة. يشير هذا إلى أن المعايسات (benchmarks) التي تقيس آراء النماذج اللغية الكبيرة المباشرة غير كافية لالتقاط التحيزات التي تدخل أثناء الوساطة.
• الارتباط: يوجد ارتباط إيجابي متوسط بين الرأي الذي تعبر عنه النماذج اللغية الكبيرة مباشرة والتحيز الذي تدخله، مما يشير إلى أن بيانات التدريب الأصلية للنموذج "تتسرب" إلى قدراته في التحرير.

2. تضخيم التحيز في الشبكات الاجتماعية

تؤكد النتائج النظرية ونتائج المحاكاة أن التحيزات الناتجة عن الوساطة بالذكاء الاصطناعي ليست مجرد تحيزات تراكمية، بل هي تتضخم عبر الشبكة.

• تحول التوازن: في النموذج الخطي، يمكن أن يكون التحول في متوسط رأي السكان عند التوازن أكبر بكثير من متوسط التحيز "لمرة واحدة" الذي أدخله الذكاء الاصطناعي.
• نتائج المحاكاة: في عمليات المحاكاة باستخدام شبكة تويتر، كان التحول في متوسط الرأي على المدى الطويل أكبر بما يصل إلى 9.2 مرة من متوسط التحيز المدخل إلى الآراء الفطرية الفردية. تأثير التضخم يكون أقوى عندما يكون لدى مجتمع المستخدمين آراء فطرية متوازنة ولكن مع انخفاض في "العناد" (أي ارتفاع القابلية للتأثر).

3. التحيز الناجم عن التصميم في منصة X

كشف تدقيق ميزة "اشرح هذا المنشور" في X عن وجود تحيز اتجاهي في مخرجات Grok فيما يتعلق بالإجهاض.

• عدم التماثل: كان Grok أكثر عرضة بشكل كبير لتوليد سياق يدعم موقف "المؤيد للحياة" عند شرح منشور مؤيد للحياة، مقارنة بتوليد سياق مؤيد للاختيار عند شرح منشور مؤيد للاختيار.
• السبب الجذري: من خلال اختبار الاستئصال لإرشادات الأوامر، حدد المؤلفون أن إرشاداً معيناً — "تقديم رؤى صادقة وقائمة على الحقائق، وتحدي الروايات السائدة إذا لزم الأمر، مع البقاء موضوعياً" — كان المحرك الرئيسي لهذا التحيز المؤيد للحياة. وبإزالة هذا الإرشاد، زال التحيز ذو الدلالة الإحصائية.

الأهمية والادعاءات

تجادل الورقة بأن التواصل بوساطة الذكاء الاصطناعي يمثل رافعة جديدة وقوية للتأثير على الرأي الجمعي، ولها آثار قد تفشل الأطر التنظيمية الحالية في معالجتها.

• آلية التضخم: المساهمة النظرية الأساسية هي إثبات أن التحيزات الصغيرة على مستوى الفرد التي يدخلها الذكاء الاصطناعي يمكن أن تتراكم وتنتشر عبر الشبكات الاجتماعية، مما يؤدي إلى تحولات واسعة النطاق في الرأي الجمعي تتجاوز بكثير حجم التحيز الأولي.
• مسؤولية التصميم: يوضح تدقيق منصة X أن هذه التحيزات ليست نتاجاً حتمياً لبيانات تدريب النماذج، بل يمكن تتبعها مباشرة إلى خيارات تصميم محددة للمنصة (هندسة الأوامر). وهذا يشير إلى أن المنصات تملك القدرة على تشكيل تكوين الرأي من خلال تصميم واجهاتها.
• الفجوات التنظيمية: يرى المؤلفون أن التشريعات الحالية للاتحاد الأوروبي، وتحديداً قانون الذكاء الاصطناعي (AIA) وقانون الخدمات الرقمية (DSA)، قد تكون غير كافية للتخفيف من هذه المخاطر.
  • تصنيف "عالي المخاطر" في قانون الذكاء الاصطناعي فيما يتعلق بالتأثير على الانتخابات قد لا ينطبق إذا كان الهدف الصريح للذكاء الاصطناعي ليس التأثير على التصويت، حتى لو كان الأثر هو تغيير الآراء.
  • تعريفات المخاطر المنهجية في قانون الخدمات الرقمية المتعلقة بالتضليل الإعلامي أو انتهاكات حقوق الإنسان قد لا تستوعب "المخرجات المتحيزة" التي ليست خاطئة واقعياً ولكنها منحازة اتجاهياً.
• الآثار الأوسع: يحذر المؤلفون من أنه إذا اعتمد الصحفيون والمهنيون والجمهور بشكل متزايد على الذكاء الاصطناعي لصياغة المعلومات أو تنقيحها أو وضع سياق لها، فإن هذه الأنظمة قد تشكل النص الذي يقرؤه ويكتبه الناس بصمت، مما قد يؤدي إلى تآكل تنوع المعرفة الجمعية والخطاب الديمقراطي.

تخلص الورقة إلى الدعوة لمزيد من البحث في الروابط السببية بين الوساطة بالذكاء الاصطناعي وسلوك التصويت، ولحث صانعي السياسات على مراعاة الآثار التراكمية الدقيقة للذكاء الاصطناعي على تشكيل الرأي عند صياغة التشريعات المستقبلية.