تعتبر سرعة انتشار الأمراض المعدية مرتبطة بشكل وثيق بنمط تواصل البشر، والذي يتغير تبعاً لظروف الأوبئة. ولكن كيفية تضمين هذه التغييرات في نماذج الأوبئة كانت تمثل تحدياً كبيراً للباحثين. في خطوة ثورية، تم استخدام نماذج اللغة الكبيرة (Large Language Models) لفهم السلوكيات البشرية القابلة للتكيف في سياق الأمراض المعدية.

تُعرف هذه العملية بنظام "Generative Adaptive Behavioral Layer for Epidemics" (GABLE)، الذي يدمج نماذج اللغة الكبيرة لتحديد استجابات البشر للحالات الوبائية والقرارات السياسية ويحولها إلى مصفوفات تفاعل عمرية مركبة مع نماذج الأمراض الآلية.

عندما تم تطبيق GABLE في فرنسا على وباء COVID-19، لاحظ الباحثون أنه تم تكرار استجابات تفاعل السكان هائلة والتواصل وفقاً للأعمار بصورة ظلت معلوماتها الوبائية قيمة. وعند إجراء التنبؤات على المدى القصير، أظهرت مصفوفات الاتصال التي تم إنشاؤها بواسطة نماذج اللغة الكبيرة أداءً أفضل بكثير مقارنة بالمصفوفات المعتمدة على بيانات الحركة الحقيقية، خصوصاً في الفترات الزمنية الطويلة.

لكن GABLE لا يتوقف عند حدود التنبؤ فقط؛ بل يمتد كذلك لتقييم السياسات المحتملة من خلال عرض استجابات السلوك والأوبئة لتدخلات سياسية مقترحة قبل تنفيذها. وقد أظهر ذلك قدرة GABLE على تكرار المسارات الوبائية وإنتاج استجابات مميزة لخطط توقيت وتركيب السياسات البديلة.

باستخدام نماذج اللغة الكبيرة كطبقة سلوكية مرنة، يقدّم GABLE إطار عمل فريداً لربط توليد السلوكيات القابلة للتكيف مع ديناميكيات الأوبئة، مما قد يُحدث ثورة في كيفية التعامل مع الأوبئة مستقبلاً.