PAK: A Survey-Grounded Synthetic Persona Dataset of the Korean Cultural Arts Workforce
تقدم هذه الورقة PAK، وهي أول مجموعة بيانات للشخصيات الاصطناعية للقوى العاملة في مجال الفنون والثقافة الكورية، والتي تضم 30,000 شخصية قائمة على أسس إحصائية تمت إعادة بنائها من مسح الفنانين الكوريين لعام 2024 باستخدام الملاءمة التناسبية المتكررة، إلى جانب تقييم شامل لدقتها التوزيعية وجودة سردها.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
في عالم الذكاء الاصطناعي، تتعلم الحواسيب كيف تتحدث وتكتب، وحتى كيف تتظاهر بأنها بشر. ولتعليمها كيفية التصرف كالبشر، غالبًا ما يستخدم الباحثون "الشخصيات" (personas)—وهي ملفات تعريف رقمية تصف عمر الشخص، ووظيفته، وهواياته، وتاريخه. تعمل هذه الملفات كسيناريو، يخبر الحاسوب بكيفية الاستجابة في المحادثة. ولسنوات عديدة، كانت هذه السيناريوهات من تأليف الخيال أو مأخوذة من منشورات عشوائية على الإنترنت، مما يعني أنها غالبًا ما تخطئ الهدف عندما يتعلق الأمر بالدقة في العالم الحقيقي؛ فقد تخترع وظيفة غير موجودة أو تعطي شخصًا قصة حياة تتناقض مع عمره. ومن أجل بناء ذكاء اصطناعي أفضل وأكثر موثوقية، يحتاج العلماء إلى وسيلة لإنشاء هؤلاء الأشخاص الرقميين بناءً على حقائق صلبة، مما يضمن أن كل تفصيل، من الدخل إلى طول المسيرة المهنية، يتطابق مع ما نعرفه عن السكان الحقيقيين.
لقد تصدى باحث في المعهد الكوري المتقدم للعلوم والتكنولوجيا لهذه المشكلة من خلال إنشاء مورد جديد يسمى PAK، وهو مجموعة تضم ثلاثين ألف شخصية اصطناعية تمثل القوى العاملة في الفنون الثقافية الكورية. وبدلاً من التخمين أو كشط الويب، يبني هذا المشروع كل شخص رقمي من الصفر باستخدام الإحصاءات الحكومية الرسمية. بدأ الفريق بـ "مسح الفنانين الكوريين لعام 2024"، وهو تقرير وطني ضخم يتتبع حياة أكثر من 330,000 فنان مسجل. يوفر هذا المسح خريطة مفصلة للسكان، توضح عدد الفنانين الذين يعملون في الأدب مقابل السينما، وأعمارهم، وأماكن إقامتهم، ومقدار دخلهم. وكان التحدي هو أن المسح لم يصدر سوى جداول ملخصة، وليس القائمة الكاملة للإجابات الفردية. لذا، كان على الباحثين استخدام طريقة رياضية لإعادة بناء التفاصيل المفقودة، لضمان أن المجموعة النهائية المكونة من ثلاثين ألف شخص رقمي تطابق الأرقام الرسمية تمامًا في كل فئة، من الجنس إلى فترات الانقطاع عن العمل.
بمجرد بناء الهيكل الإحصائي، منح الباحثون لكل شخص رقمي صوتًا. وباستخدام نموذج لغوي كبير، كتبوا سبعة عشر قسمًا سرديًا مختلفًا لكل شخصية، تغطي كل شيء من فلسفتهم الإبداعية وحياتهم العائلية إلى هواياتهم اليومية وعادات سفرهم. وللتأكد من أن هذه القصص منطقية، أضاف الفريق فحصًا خاصًا للأشخاص الذين بدأوا مسيراتهم المهنية في سن متأخرة. في الاختبارات الأولية، ارتكب الحاسوب خطأً شائعًا: حيث كان يكتب قصة عن فنان يبلغ من العمر ستين عامًا ويمارس الرسم منذ طفولته، رغم أن البيانات تشير إلى أنه بدأ العمل في الخمسينيات من عمره فقط. قام الباحثون بإصلاح ذلك عبر تعليم الحاسوب النظر إلى عمر الشخص وطول مسيرته المهنية أولاً. فإذا أظهرت البيانات بداية متأخرة، تُعاد كتابة القصة لوصف حياة مهنية أخرى قبل المسيرة الفنية، مما يزيل التناقض ويجعل الشخصية تبدو أكثر واقعية.
والنتيجة هي مجموعة بيانات يمكن تتبع كل رقم فيها وصولاً إلى جدول حكومي منشور، وكل قصة تتوافق مع تلك الأرقام. اختبر الباحثون العمل بعدة طرق؛ فقد تحققوا من الإحصاءات ووجدوا أن المجموعة الرقمية تطابق نتائج المسح الحقيقي بشكل مثالي تقريبًا، مع فروق تقل عن واحد بالمائة في المجالات الرئيسية مثل التوظيف بدوام كامل والخبرة في العقود. كما طلبوا من خبراء بشريين ونماذج حاسوبية أخرى قراءة القصص والحكم على جودتها. وجد الخبراء أنه بينما كانت القصص متماسكة ومستندة إلى البيانات بشكل عام، إلا أنها لم تكن مثالية دائمًا؛ حيث كانت درجات حوالي نصف تقييمات الطلاقة "متوسطة"، مما يشير إلى أن الكتابة اتبعت قالبًا جاهزًا بدلاً من أن تبدو كمقال بشري مصقول. ومع ذلك، تمكنت النماذج الحاسوبية من قراءة القصص وتخمين الحقائق الخفية حول الأشخاص بشكل صحيح، مما أثبت أن السرد يحتوي على معلومات حقيقية وليس مجرد كلمات عشوائية.
لا يدعي هذا المشروع أنه قد التقط التجارب المعاشة الحقيقية للفنانين، كما أنه لا يحتوي على أي بيانات خاصة من مستجيبي المسح الفعليين. إنه محاكاة محكومة، وأداة مصممة لمساعدة الباحثين في اختبار مدى فهم أنظمة الذكاء الاصطناعي لمجموعات ثقافية محددة. ومن خلال توفير مجموعة من الأشخاص الرقميين الذين يتميزون بالدقة الإحصائية والاتساق الداخلي، يقدم PAK معيارًا جديدًا لتقييم النماذج اللغوية في اللغة الكورية. إنه يوضح أنه من الممكن تجاوز اختلاق الحقائق وبدلاً من ذلك بناء عوالم اصطناعية تحترم حدود البيانات الحقيقية، مما يخلق موردًا قابلًا لإعادة الاستخدام وإعادة الإنتاج للدراسات المستقبلية في مجال الذكاء الاصطناعي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.