Belief Coevolution in a Social Network of Generalist and Specialist Large Language Models
تقدم هذه الورقة إطار عمل CoevolveSim لتوضيح أنه في حين أن الأدوار الاجتماعية وهياكل الشبكات لها تأثير محدود على الإجماع على مستوى السكان، فإن إدراج نماذج لغوية كبيرة متخصصة يعزز بشكل كبير تحولات المعتقدات ويخلق تأثيراً غير متماثل، مما يشير إلى أن عمليات المحاكاة متعددة الوكلاء الواقعية تتطلب تنوعاً في النماذج بدلاً من مجرد التوجيه عبر تقمص الشخصيات.
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 ساحة مدينة رقمية عملاقة، حيث آلاف الروبوتات غير المرئية تدردش، وتتجادل، وتحاول تحديد ما هو حقيقي. هذا ليس خيالاً علمياً؛ بل هو الواقع الجديد للنماذج اللغوية الكبيرة (LLMs)، وهي الأدمغة الذكية للغاية خلف العديد من الأدوات التي نستخدمها اليوم. في الماضي، درس العلماء كيف تحل هذه الذكاءات الاصطناعية المسائل الرياضية أو تكتب القصائد. ولكن الآن، بدأت تتجمع معاً في مجموعات، مكونةً مجتمعاتها الصغيرة الخاصة. السؤال الكبير هو: عندما تتحدث هذه الروبوتات الذكية مع بعضها البعض، كيف تتغير "معتقداتها"؟ هل يتفقون جميعاً في النهاية على الشيء نفسه، مثل حشد من الناس يهزون رؤوسهم في انسجام؟ أم يظلون متمسكين بآرائهم المختلفة بعناد؟ لفهم ذلك، ينظر الباحثون إلى ثلاثة مكونات رئيسية: ما يجيده الذكاء الاصطناعي فعلياً (خبرته)، و"بطاقة الاسم" التي يرتديها (مثل "طبيب" أو "مهندس")، و"الخريطة" التي توضح من يتحدث مع من (الشبكة الاجتماعية).
في هذه المدينة الرقمية، تقدم دراسة جديدة محاكاة تسمى CoevolveSim. فكر فيها كأنها تجربة ضخمة ومنضبطة حيث أعد الباحثون لعبة مكونة من 1,280 جولة مختلفة. وضعوا روبوتات الذكاء الاصطائي في شبكة وراقبوا كيف يحدثون آراءهم حول 20 حقيقة طبية مختلفة (مثل "هل يعالج هذا الدواء هذا الصداع؟"). أراد الباحثون معرفة ما الذي يحرك المؤشر حقاً: هل هي بطاقات الأسماء الفاخرة التي نعطيها للروبوتات؟ هل هو شكل الشبكة التي يتصلون بها؟ أم هو حقيقة أن بعض الروبوتات مدربة بالفعل على بيانات مختلفة ومتخصصة؟
النتائج تحمل التواءً في الحبكة. وجد الباحثون أن إعطاء الروبوتات بطاقات أسماء مختلفة (مثل إخبار أحدهم أنه "حكواتي" والآخر أنه "طبيب") يغير بالفعل طريقة تفكير الروبوتات الفردية. تبدأ آراؤهم في التذبذب أكثر، ويغيرون آراءهم بشكل متكرر. لكن المفاجأة هي أن هذا لا يغير في الواقع ما يقرره المجموعة بأكملها. يظل الحشد في النهاية كما كان تقريباً في البداية.
ومع ذلك، عندما استبدل الباحثون الروبوتات بأخرى ذات أدمغة مختلفة (ذكاء اصطناعي متخصص مدرب على مجالات محددة مثل الطب أو الكيمياء)، تغيرت المدينة بأكملها. إن إدخال هذه الروبوتات "المتخصصة" ضاعف كمية تغير رأي المجموعة بأكثر من الضعف. فجأة، أصبح بعض الروبوتات "قادة رأي"، يسحبون بقية المجموعة في اتجاهات جديدة، بينما تمسك آخرون بمواقفهم. اتضح أنه في عالم الذكاء الاصطائي هذا، فإن من يكون الروبوت (تدريبه المتخصص) يهم أكثر بك jauh مما نطلق عليه.
اكتشفت الدراسة أيضاً أن التنبؤ بكيفية تغيير روبوت واحد لرأيه يختلف عن التنبؤ بما ستتفق عليه المجموعة بأكملها. لتخمين الخطوة التالية لروبوت واحد، تحتاج إلى معرفة هويته المحددة ومن هم جيرانه. ولكن لتخمين ما سيقرره الحشد بأكمله، تحتاج فقط إلى معرفة المزيج العام للآراء المتداولة.
باختصار، إذا كنت تريد محاكاة مجموعة متنوعة وواقعية من وكلاء الذكاء الاصطناعي، فلا يمكنك مجرد إعطائهم أسماء مختلفة والأمل في الأفضل. أنت بحاجة إلى منحهم أدمغة مختلفة. "الشخصية" أو لعب الأدوار ليست سوى زي تنكري؛ السحر الحقيقي يحدث عندما تكون نماذج الذكاء الاصطناعي الأساسية مختلفة عن بعضها البعض حقاً. وهذا يشير إلى أنه بينما نبني فرق ذكاء اصطناعي أكثر تعقيداً في المستقبل، فإن تنوع النماذج نفسها سيكون القوة الأكثر تأثيراً في تشكيل قراراتهم الجماعية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.