← أحدث الأبحاث
🤖 AI

Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces

تقترح هذه الورقة مساراً لنظرية العقل العكسية (IToM) يستخدم الاستدلال الاستنتاجي والاستدلال التراجعي المدفوع بالنماذج اللغوية الكبيرة لإعادة بناء معتقدات المستخدم وتوليد شخصيات مهيكلة من تفاعلات التصفح، مما يثبت دقة فائقة في التنبؤ بسمات المستخدم وتمكين توصيات محتوى ديناميكية وغير مرتبطة بنمط وسائط محدد عبر تطبيقات مثل VisionOS.

المؤلفون الأصليون: Mengyu Chen, Feiyu Lu, Chun-Fu Chen, Lucas Vinh Tran, Jay Katukuri

نُشر 2026-08-13
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Mengyu Chen, Feiyu Lu, Chun-Fu Chen, Lucas Vinh Tran, Jay Katukuri

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 تخمين ما يريده صديقك لتناول العشاء. إذا شاهدته فقط ينقر على إعلان بيتزا لمرة واحدة، فقد تعتقد: "آها! إنه يحب البيتزا!". ولكن ماذا لو كان يقوم فقط بمقارنة الأسعار؟ أو رب الله كان يبحث عن هدية لشخص آخر؟ في عالم الحواسيب، هذه هي المشكلة الكبيرة في كيفية بناء "أنظمة التوصية" المعتادة؛ وهي الخوارزميات الذكية التي تقترح الأفلام أو الأغاني أو المنتجات. تقليديًا، تعمل هذه الأنظمة كعالم إحصاء يكتفي فقط بعدّ عدد المرات التي نقرت فيها على زر ما. فهي ترى الفعل (النقرة) لكنها لا تفهم "السبب" وراءها. هي لا تعرف ما إذا كنت قد نقرت لأنك تحب هذا المنتج، أو لأنك كنت تشعر بالملل، أو لأنك كنت مرتبكًا.

ولمعالجة ذلك، بحث العلماء في مفهوم من علم النفس يسمى "نظرية العقل" (Theory of Mind). فكر في هذا كقدرة على تخيل ما يدور داخل رأس شخص آخر—معتقداته، أهدافه، وأسراره. عادةً، تحاول الحواسيب استخدام هذا لتخمين ما ستفعله بعد ذلك بناءً على ما يعتقدون أنك تريده. لكن هذه الورقة البحثية تقلب الطاولة؛ فهي تسأل: ماذا لو استطعنا العمل بشكل عكسي؟ ماذا لو، بدلًا من تخمين المستقبل، نظرنا إلى نقراتك الماضية واستخدمنا نوعًا من "التحري العكسي" لمعرفة من أنت حقًا؟ هذه هي الفكرة الجوهرية: أخذ الآثار الرقمية الفوضوية واليومية واستخدامها لبناء قصة غنية ومفهومة عن شخصيتك، دون الحاجة أبدًا لسؤالك سؤالًا واحدًا في استبيان.

يقترح الباحثون وراء هذه الدراسة، الذين يعملون في "جي بي مورغان تشيس" (JPMorgan Chase)، طريقة جديدة تسمى "نظرية العقل العكسية" (IToM). فكر في الأمر كوكالة تحرٍ رقمية. فبدلاً من مجرد تسجيل أنك نقرت على حذاء جري، يسأل النظام: "حسنًا، ماذا كان معروضًا على الشاشة عندما نقرت؟ ما هي الأحذية الأخرى التي كانت موجودة؟ ولماذا اخترت هذه الأحذية تحديدًا وليس غيرها؟". ومن خلال إعادة بناء اللحظة الدقيقة لاتخاذ القرار، يستخدم النظام ذكاءً اصطناعيًا قويًا (نموذج لغوي كبير - LLM) للاستنتاج المنطقي العكسي. فهو يولد قائمة من "المعتقدات" التي تفسر سلوكك، مثل: "هذا الشخص يقدر المتانة أكثر من الأناقة"، أو "إنه باحث دقيق يقرأ المراجعات قبل الشراء".

وهنا يحدث السحر: فالنظام لا يكتفي باختيار تخمين واحد فقط. هو يدرك أن السلوك البشري معقد. فربما اشتريت الحذاء لأنك تحب الجري، أو ربما اشتريته لأنه كان في التخفيض وكان عليك شراء هدية. وللتعامل مع حالة عدم اليقين هذه، ينشئ الذكاء الاصطناعي نسخًا متعددة ومختلفة من ملف تعريف شخصيتك، مثل فريق من المحققين يقدم كل منهم نظرية مختلفة. ثم يقوم بوزن كل هذه النظريات معًا بعناً. فإذا كانت الأدلة قوية، فإنه يميل نحو النظرية المحددة؛ وإذا كانت الأدلة ضعيفة، فإنه يلعب في المنطقة الآمنة ويميل نحو ما هو عام وصالح لمعظم الناس. وهذا يمنع الذكاء الاصطناعي من تقديم تخمينات نمطية جامحة (مثل افتراض أن كل متسوق دقيق هو شخص انطوائي وقلق).

اختبر الفريق هذه الفكرة باستخدام مجموعة بيانات خاصة من جلسات تسوق حقيقية على موقع "أمازون"، والتي لم تتضمن النقرات فحسب، بل تضمنت أيضًا الصفحات الفعلية التي رآها الأشخاص، والأهم من ذلك، مقابلات حقيقية واختبارات شخصية كان قد خضع لها المتسوقون. ووجدوا أن "شخصيات المحقق العكسي" الخاصة بهم كانت جيدة بشكل مدهش. في الواقع، في بعض الاختبارات، كانت تخمينات الذكاء الاصطناعي حول شخصية المستخدم جيدة بقدر، أو حتى أفضل من، اختبار الشخصية الفعلي الذي أجراه المستخدم. لقد أظهروا أن ملفات التعريف التي أنشأها الذكاء الاصطناعي يمكنها التنبؤ بما سيفعله المستخدم بعد ذلك، ونوع المنتجات التي قد تعجبه، وحتى كيف سيجيب على الأسئلة المتعلقة بعادات التسوق الخاصة به.

ولعل الجزء الأكثر إثارة هو أن هذه الملفات التعريفية ليست مجرد أرقام مخفية داخل حاسوب. فهي مكتوبة بلغة بشرية بسيطة. وهذا يعني أن الكمبيوتر يمكنه أخذ ملف تعريف مبني من تصفح الويب ثنائي الأبعاد واستخدامه لتصميم واجهة ثلاثية الأبعاد لسماعة رأس مستقبلية (مثل Apple Vision Pro). على سبيل المثال، إذا استنتج الذكاء الاصطناعي أنك "مخطط يهتم بالميزانية"، فيمكنه تلقائيًا ترتيب تطبيق بنكي ثلاثي الأبعاد ليضع أهداف الادخار الخاصة بك في المقدمة، بينما يخفي عروض الاستثمار البراقة. تشير الورقة البحثية إلى أن هذا النهج يسد الفجوة بين تتبع النقرات البسيط والفهم البشري العميق، مما يوفر وسيلة لبناء واجهات أكثر ذكاءً وتعاطفًا تتكيف مع هويتنا، وليس فقط مع ما ننقر عليه. ومع ذلك، يوضح المؤلفون بحذر أنه بينما النتائج واعدة، إلا أن النظام لا يزال له حدود؛ فهو يعمل بشكل أفضل مع كميات كبيرة من البيانات، ويواجه أحيانًا صعوبة في التنبؤ بسمات الشخصية المتطرفة بدقة، مما يشير إلى أنه بينما أصبح "المحقق العكسي" جيدًا في عمله، إلا أنه لا يزال لديه مساحة للتعلم.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.AI →