في عالم الذكاء الاصطناعي، تظل عملية محاكاة قرارات الأفراد تحدياً معقداً بالنسبة لنماذج اللغات الضخمة (Large Language Models). يعود السبب في ذلك إلى أن المعلومات المتعلقة بالشخصيات غالباً ما تُقدم كأوصاف ثابتة، مما يفتقر إلى القيم والتجارب والإشارات السياقية التي تحتاجها هذه النماذج لمحاكاة القرارات بدقة. لذا، جاء الابتكار الأخير بأهمية "الاستجواب التكيفي"، وهو إطار يجمع المعلومات ذات الصلة بالشخصية من خلال حوار منظم يتكون من ثلاث مراحل: الأسئلة الأساسية، المتابعات الديناميكية، وملخص الشخصية المصاغ.

يستفيد فريق البحث من النصوص الناتجة عن هذا الاستجواب لتقييم مدى قدرة نماذج اللغات الضخمة على محاكاة قرارات المشاركين في سيناريوهات معضلات أخلاقية. تمت دراسة ثلاثة سياقات للحوار: ردود Core-10، الحوار الكامل، وتمثيل الشخصية الملخص.

تشير النتائج إلى أن الاستجواب التكيفي يعمل كآلية لتأسيس معلومات معينة بشكل انتقائي، حيث يتم دمج الأدلة المشتقة من المتابعات في حوالي 40% من النصوص الناتجة عن الحوار الكامل. هذه التنبؤات المعتمدة على الأدلة كانت أكثر دقة مقارنةً بالحالات المعتمدة فقط على المعلومات الأساسية (45.5% مقابل 39.3%). هذا يسلط الضوء على أن السياق الغني للمعلومات وحده لا يكفي لتحسين الأداء، بل يجب أن تستند القرارات إلى أدلة محددة للمستخدم.

إذن، هل نحن أمام نموذج جديد يوضح كيف يمكن لتعزيز فهم الشخصيات من خلال طرق مبتكرة أن يُحدث تحولاً في أدوات الذكاء الاصطناعي؟