في إطار التطورات السريعة التي يشهدها مجال الذكاء الاصطناعي، تتجه الأنظار نحو دمج نماذج الوكلاء (Agent-based Models) مع نماذج اللغات الضخمة (Large Language Models) من أجل تحقيق تحليلات أكثر دقة وموثوقية. تعتمد نماذج الوكلاء على قواعد بسيطة وواضحة تُستخدم لاتخاذ قرارات فردية، بينما يظهر السلوك الجماعي المعقد نتيجة التفاعلات بين الوكلاء.

تشير الأبحاث الحديثة إلى أنه من المغري استبدال أو إثراء هذه القواعد قدرات تعتمد على نماذج اللغة، مما يطرح تساؤلات منهجية حول كيفية تأثير اتخاذ القرارات المعتمد على نماذج اللغة على موثوقية النماذج وأدائها.

تم إجراء دراسة للتأكد من هذا التكامل عبر نماذج Mesa ABM، وهي مكتبة شهيرة بلغة بايثون تُستخدم لنماذج الوكلاء، وتم تحليلها باستخدام أداة فحص النموذج الإحصائي MultiVeStA.

عبر دمج النموذج الكلاسيكي للانفصال في Schelling مع سكان هجين، تم منح وكيل واحد القدرة على اتخاذ قرارات مستندة إلى نماذج اللغة، بينما بقيت الوكلاء الآخرون يستخدمون القواعد التقليدية. وهذا يسمح لنا بدراسة السلوك الدلالي والتشغيلي لمثل هذه القرارات الجديدة في سياق قياسي.

تظهر التجارب الأولية أنه على الرغم من أن النماذج الصغيرة قد تعاني من فشل في التصنيف الدلالي، فإن النماذج الأكبر تمكنت من اجتياز الاختبارات. هذه المعلومات تقدم رؤى قيمة حول كيفية تقدير الفحوصات الإحصائية لنتائج نماذج الوكلاء التقليدية وتوفير فهم أعمق لتأثير دمج العناصر المعتمدة على النماذج اللغوية في نماذج المحاكاة.

ما رأيكم في إمكانيات دمج الذكاء الاصطناعي في نماذج اتخاذ القرارات؟ شاركونا في التعليقات.