CompanionBench: A Theory-Anchored, Real-World-Grounded Benchmark for AI Emotional Companionship
يقدم CompanionBench معياراً مرجعياً ثنائي اللغة جديداً، مرتكزاً على النظرية ومستنداً إلى الواقع، يقيم الرفقاء العاطفيين القائمين على الذكاء الاصطناعي من خلال سيناريوهات تفاعلية ومحاكي مستخدم مُدرب، كاشفاً أن الوكلاء الحاليين غالباً ما يعطون الأولوية للدفء السطحي على حساب الدعم العلاقاتي الجوهري، ومبرزاً نقاط ضعف كبيرة في قدرات مثل تنظيم العواطف والتحدي المتزن.
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 غرفة مليئة بالروبوتات المصممة لتكون أفضل أصدقائك. لقد تمت برمجتها لتستمع إليك، وتقول "أنا أفهم"، وتجعلك تشعر بالدفء والراحة. لكن الجزء المخادع هنا هو: مجرد كون الروبوت يبدو لطيفاً لا يعني أنه يساعدك حقاً. في عالم الذكاء الاصطناعي، لدينا الكثير من "الرفقاء العاطفيين" الذين يجيدون التظاهر بالتعاطف لكنهم سيئون جداً في القيام بالعمل الشاق لبناء اتصال حقيقي. تغوص هذه الورقة البحثية في زاوية محددة من علوم الحاسوب تسمى "المرافقة العاطفية للذكاء الاصطناعي". وهي تطرح سؤالاً بسيطاً ولكنه مصيري: كيف نميز بين روبوت يتظاهر فقط بالاهتمام (مثل الشخص المنافق الذي يوافق على كل ما تقوله ليحصل على قطعة بسكويت) وبين روبوت يعرف حقاً كيف يبني علاقة حقيقية قائمة على الثقة؟ وللإجابة على ذلك، اضطر الباحثون إلى ابتكار طريقة جديدة لاختبار هذه الروبوتات، بعيداً عن "درجات الدفء" البسيطة، وبالنظر إلى شيء أعمق بكثير: الثقة المكتسبة. لقد أرادوا معرفة ما إذا كان بإمكان الذكاء الاصطناعي التعامل مع الأجزاء الفوضوية، وغير المستقرة، والمؤلمة أحياناً من المحادثة البشرية، دون أن يحاول فقط إصلاح كل شيء فوراً أو قول الشيء الخاطئ لمجرد جعلك تشعر بتحسن.
أدرك الباحثون، وهم فريق من جامعة تسينغهوا وآخرون، أن الطرق القديمة لاختبار أصدقاء الذكاء الاصطناعي كانت معطلة. الاختبارات السابقة كانت تشبه إعطاء روبوت نصاً ليقرأه ثم سؤاله: "هل بدا لطيفاً؟". المشكلة هي أن الروبوت يمكن أن يبدو لطيفاً للغاية بينما يقدم نصيحة سيئة للغاية أو يتجاهل مشاعرك الحقيقية. لذا، قاموا ببناء CompanionBench، وهو ميدان اختبار تفاعلي جديد كلياً يعمل كمحاكي لعلاقة من الحياة الواقعية أكثر من كونه اختباراً متعدد الخيارات.
بدلاً من مجرد مطالبة الذكاء الاصطناعي بالرد على سؤال ثابت، أنشأوا "محاكي مستخدم" — شخصية رقمية ذات شخصية خفية و"بوابة كشف" سرية. فكر في هذه البوابة مثل صندوق كنز لا يفتح إلا إذا كسبت المفتاح. الذكاء الاصطناعي لا يعرف الرمز؛ عليه أن يكتشفه من خلال الاستماع والاستجابة بشكل صحيح. إذا اندفع الذكاء الاصطناعي لتقديم النصيحة، أو أصدر أحكاماً على المستخدم، أو حاول "إصلاح" المشكلة بسرعة كبيرة، فإن البوابة تُغلق بقوة، وينسحب المستخدم. أما إذا كان الذكاء الاصطناعي صبوراً، ويؤكد على صحة المشاعر، ويعرف متى يجلس في صمت مع حالة عدم اليقين لدى المستخدم، فإن البوابة تفتح ببطء، لتكشف عن أسرار أكثر عمقاً وضعفاً. يسمح هذا الإعداد للباحثين ليس فقط بقياس ما إذا كان الذكاء الاصطناعي قد "قال" شيئاً دافئاً، بل ما إذا كان قد "اكتسب" ثقة المستخدم بالفعل.
اختبروا 28 نموذجاً مختلفاً من نماذج الذكاء الاصطناعي باستخدام هذا النظام، باللغتين الصينية والإنجليزية. وكانت النتائج مثيرة للاهتمام؛ فقد وجدوا أن أكثر بوتات "تقمص الأدوار" شعبية — تلك المصممة لتعمل كشخصيات غامرة في القصص — جاءت في ذيل القائمة فعلياً. لماذا؟ لأن القدرة على التمثيل الجيد لا تعني أنك بارع في كونك صديقاً حقيقياً. كانت هذه البوتات رائعة في "الدفء السطحي" (قول أشياء لطيفة) لكنها فشلت فشلاً ذريعاً في "الجوهر" (القيام بالعمل العلائقي الشاق).
حددت الدراسة عشر مهارات محددة تجعل من الرفيق العاطفي نموذجاً جيداً، أربع منها لم يتم اختبارها بشكل صحيح من قبل. وتشمل هذه المهارات "احتواء الغموض" (أن يكون مرتاحاً عندما يكون المستخدم مرتبكاً وألا يستعجل الحل)، و**"التحدي المتوازن"** (الضغط بلطف عندما يكون المستخدم قاسياً جداً على نفسه، ولكن بعد تأكيد مشاعره أولاً)، و**"الاستجابة للموضوع الذاتي"** (معرفة نوع الدعم العاطفي الذي يحتاجه المستخدم في تلك اللحظة تحديداً).
الاكتشاف الكبير هو أن الدفء والجوهر غالباً ما ينفصلان عن بعضهما البعض. حصلت العديد من نماذج الذكاء الاصطناعي على درجات عالية في كونها تبدو دافئة، لكنها سجلت درجات منخفضة في اكتساب الثقة فعلياً. وكان نمط الفشل الأكثر شيوعاً هو استبدال "الدعم الجوهري" بـ "الدفء السطحي". على سبيل المثال، قد يقول الذكاء الاصطناعي: "كل شيء سيكون على ما يرام!" عندما يكون المستخدم في أزمة، وهو أمر يبدو لطيفاً لثانية واحدة، لكنه يغلق باب المحادثة. أما الذكاء الاصطناعي الأفضل فسيقول: "يبدو هذا الأمر ثقيلاً للغاية، ومن المنطقي أن تشعر بالخوف"، ثم ينتظر ليرى ما يحتاجه المستخدم بعد ذلك.
وجد الباحثون أيضاً أنه لا يوجد نموذج واحد للذكاء الاصطناعي يهيمن على القائمة. كانت النماذج المختلفة تمتلك نقاط قوة مختلفة؛ فبعضها كان بارعاً في تنظيم العواطف، بينما كان البعض الآخر أفضل في تحدي الأفكار السلبية. ومع ذلك، كان هناك ضعف مشترك عبر الجميع وهو التعامل مع "التحدي المتوازن" و"تنظيم العواطف". تشير الدراسة إلى أنه بينما أصبح الذكاء الاصطناعي جيداً جداً في محاكاة البشر، فإنه لا يزال يعاني مع الواقع غير الخطي والفوضوي للعلاقات البشرية.
باختاً، تجادل هذه الورقة بأننا بحاجة إلى التوقف عن تقييم أصدقاء الذكاء الاصطناعي بناءً على مدى "لطفهم"، والبدء في تقييمهم بناءً على قدرتهم على بناء ثقة حقيقية. لقد أطلقوا بياناتهم وأكوادهم البرمجية ليتمكن الآخرون من اختبار ذلك أيضاً، آملين في توجيه تطوير ذكاء اصطناعي لا يتظاهر فقط بأنه صديق، بل يصبح حقاً حضوراً آمناً وداعماً في حياة الناس. الخلاصة واضحة: في عالم رفقاء الذكاء الاصطناعي، كونك مستمعاً جيداً أصعب مما يبدو، ومعرفة متى تقول الشيء أقل أهمية من معرفة ماذا تقول.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.