Mind the Gaps: Mixture-of-Minds for Human Simulation
تقدم هذه الورقة البحثية "Anacreon"، وهو نموذج محاكاة قائم على "خليط من العقول" مبني على نموذج "Gemma 4 12B" الأساسي، يستخدم تضمينات التأليف، والتعزيز الديموغرافي، والمهايئات المتخصصة لمحاكاة الاستجابات البشرية على المستوى الفردي بأمانة، محققاً دقة هي الأفضل في فئتها (0.775) في التنبؤ بإجابات المسوحات السكانية مع التخفيف من التحيزات الشائعة وهشاشة الأوامر البرمجية.
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 التنبؤ بمستقبل حشد من الناس. لقرون، برع العلماء في تخمين ما سيفعله "معظم" الناس. إذا سألت مليون شخص إذا كانوا يحبون البيتزا، يمكنك التنبؤ بثقة عالية بأن حوالي 80% منهم سيقولون "نعم". هكذا تعمل شركات التأمين؛ فهي لا تحتاج لمعرفة ذوقك الخاص في الطعام، بل تحتاج فقط لمعرفة متوسط المخاطر لمليون سائق. ولكن ماذا لو أردت معرفة ما سيفكر فيه "شخص واحد محدد" بشأن سؤال جديد تماماً؟ هذا أصعب بكثير. الأمر يشبه محاولة تخمين ما سيقوله أعز أصدقائك قبل أن يفتح فمه حتى.
في السنوات الأخيرة، بنينا عقولاً حاسوبية فائقة الذكاء تسمى "نماذج اللغات الكبيرة" (LLMs) يمكنها التحدث مثل البشر. أمَل الناس أن تعمل هذه النماذج كـ "توائم رقمية" لمحاكاة كيفية تفكير الأفراد. ومع ذلك، هناك عقبة. فهذه النماذج مُدربة لتكون مفيدة وموافقة للرأي، لذا فإنها غالباً ما تتصرف كشخص عادي وممل يقول "نعم" لكل شيء. إنها تفقد الأجزاء الفوضوية، والفريدة، والمتناقضة أحياناً التي تجعل البشر حقيقيين. تعالج هذه الورقة البحثية تلك المشكلة: كيف نبني محاكياً لا يتصرف كإنسان آلي عام فحسب، بل يلتقط حقاً الطرق الغريبة والرائعة والمحددة التي يفكر ويشعر بها البشر الحقيقيون؟
المشكلة: فخ "الشخص المتوسط"
لفترة طويلة، حاول العلماء التنبؤ بالسلوك البشري. أحياناً ينظرون إلى الحشد بأكمله (المجموع)، وأحياناً يحاولون تخمين ما سيفعله شخص واحد (الفرد). تشير الورقة إلى أنه بينما نحن بارعون في فهم الحشد، فنحن سيئون جداً في فهم الفرد.
تخيل نموذج اللغة الكبير مثل أمين مكتبة مهذب جداً ومثقف جداً. إذا سألت أمين المكتبة هذا: "ماذا يعتقد الناس حول هذه السياسة الجديدة؟"، فسيعطيك ملخصاً مثالياً لرأي الأغلبية. ولكن إذا سألته: "ماذا ستعتقد (سارة) بشأن هذا؟"، فقد يخمن بناءً على ما تبدو عليه "سارة" بالنسبة له، أو قد يعطي الإجابة الأكثر شيوعاً لأنه تدرّب على أن يكون لطيفاً. إنهم يمحون كل الاختلافات. يحولون حشداً متنوعاً من الأشخاص الفريدين إلى شخص واحد "متوسط" وممل. وهذا أمر سيء لأن الحياة الواقعية ليست متوسطة؛ بل هي مليئة بالاستثناءات، والأقليات، والأشخاص الذين يختلفون مع الحشد.
الحل: "أناكريون" و"خليط العقول"
هنا يأتي دور أناكريون (Anacreon)، وهو نظام جديد صُمم لإصلاح هذا الخلل. بدلاً من محاولة بناء عقل واحد ضخم لمحاكاة الجميع، قرر المؤلف بناء "خليط من العقول".
تخيل أنك تدير محاكاة لمدينة ضخمة. بدلاً من توظيف ممثل واحد للقيام بكل الأدوار في المدينة، تقوم بتوظيف ممثل مختلف لكل مجموعة متميزة من الناس.
- التجميع (Clustering): أولاً، ينظر النظام إلى آلاف الأشخاص الحقيقيين وكتاباتهم العامة (مثل منشورات وسائل التواصل الاجتماعي أو المراجعات). يستخدم خدعة رياضية خاصة لتجميع الأشخاص المتشابهين معاً. الأمر يشبه فرز صندوق ضخم من قطع "ليغو" ليس حسب اللون، بل حسب كيفية توافقها مع بعضها البعض.
- المتخصصون: بمجرد فرز المجموعات، يقوم النظام بتدريب نموذج "خبير" صغير ومتخصص لكل مجموعة. خبير واحد يتعلم كيف يفكر "التجار الشباب المهتمون بالتقنية"، وآخر يتعلم كيف يفكر "أصحاب الأعمال الريفيون الأكبر سناً".
- السلسلة العاطفية: هذا هو الجزء الذكي. قبل أن يعطي النموذج إجابة، فإنه لا يقفز مباشرة إلى الاستنتاج. بل يكتب أولاً "سلسلة من المشاعر". إنه يحاكي المشاعر والأفكار التي تؤدي إلى الإجابة. الأمر يشبه مطالبة النموذج بأن يقول: "أولاً، أشعر ببعض القلق بشأن التكلفة، ثم أتذكر أن ميزانيتي محدودة، لذا الآن أشعر بالتردد..." قبل أن يقول أخيراً: "أنا أعارض". هذا يساعد النموذج على أن يبدو أكثر بشرية وأقل شبهاً بروبوت يخمن.
كيف اختبروا ذلك؟
اختبر الفريق "أناكريون" على مجموعة محددة: أصحاب المشاريع الصغيرة الذين يقبلون مدفوعات البطاقات الائتمانية. لم يكتفوا بسؤال النموذج للتخمين؛ بل قدموا له استطلاعاً ضخماً يحتوي على أسئلة حقيقية وقارنوا إجابات النموذج بما قاله البشر الحقيقيون بالفعل.
وجدوا أن "أناكريون" كان أفضل بكثير في التنبؤ بالإجابات الفردية من النماذج السابقة.
- الدرجة: استخدموا درجة محددة تسمى "التوافق الرتبي" (ordinal alignment) لقياس مدى قرب إجابة النموذج من إجابة الإنسان الحقيقي. الدرجة 1.0 تعني الكمال. حقق "أناكريον" 0.775. وهذه هي أعلى درجة تم تسجيلها لهذا النوع من الاختبارات، متفوقاً على أفضل المحاولات السابقة.
- إصلاح الانحياز: غالباً ما تعاني النماذج القديمة من انحياز "التملق" (sycophantic bias)، مما يعني أنها توافقك الرأي فقط لتكون لطيفة معك. قلل "أناكريون" من هذا عبر قلب الأسئلة أثناء التدريب (طرح نفس السؤال بطريقة إيجابية وطريقة سلبية) ليتعلم النموذج التفكير لنفسه بدلاً من مجرد قول "نعم".
- العيوب: تقر الورقة بأنه ليس مثالياً. لا يزال لدى النموذج قدر ضئيل من "الانحياز الإيجابي" (لا يزال يميل قليلاً نحو الموافقة). أيضاً، بينما كان النموذج "المتوسط" جيداً، فإن بعض المجموعات (العناقيد) المحددة لم تعمل بشكل جيد مثل غيرها. ولكن الأهم من ذلك، أن المجموعات السيئة لم تكن من نوع واحد من الناس (مثل كبار السن فقط أو الرجال فقط)؛ بل كان الفشل عشوائياً، مما يشير إلى أن المشكلة كانت في جودة البيانات وليس في الأشخاص أنفسهم.
لماذا هذا مهم؟
تجادل الورقة بأنه إذا أردنا فهم مجتمع ما، فلا ينبغي لنا فقط النظر إلى المتوسط. نحن بحاجة لفهم الأفراد. إذا كنت تريد معرفة كيف سيتفاعل حشد مع قانون جديد، فلا يمكنك فقط محاكاة "الشخص المتوسط". أنت بحاجة لمحاكاة الشخص الغاضب، والشخص الحذر، والشخص المتحمس، ثم رؤية كيف يجمعون معاً.
يظهر "أناكريون" أنه من خلال تقسيم مشكلة كبيرة إلى العديد من المشكلات الصغيرة والمتخصصة، يمكننا الاقتراب كثيراً من محاكاة الفكر البشري الحقيقي. هو لا يحل كل شيء — فالنموذج لا يزال ليس موثوقاً مثل الإنسان الحقيقي في كل موقف — ولكنه يرفع سقف التوقعات بشكل كبير. إنه يثبت أنه من خلال ترسيخ الذكاء الاصطناعي في بيانات بشرية حقيقية وفوضوية، ومنحه "خليطاً من العقول"، يمكننا البدء في التنبؤ بالسلوك الفردي بمستوى من الدقة كان يُعتقد سابقاً أنه مستحيل.
يؤكد المؤلف بحذر أن هذه خطوة للأمام وليست خط النهاية. ويقترح أنه بينما نصبح أفضل في محاكاة الأفراد، لا نزال بحاجة لمعرفة كيفية دمج كل عمليات المحاكاة الفردية هذه للحصول على صورة مثالية للجمهور بأكمله. ولكن في الوقت الحالي، لقد أثبتوا أن "الشخص المتوسط" ليس هو الطريقة الوحيدة لنمذجة البشرية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.