في عالم الذكاء الاصطناعي، تبرز نماذج اللغة الكبيرة (Large Language Models) كقوة محتملة في مجالات متعددة، لكن هل تساءلت يوماً كيف تتصرف هذه النماذج عندما تواجه أوضاعاً مليئة بالمخاطر؟ لقد عكف الباحثون على دراسة هذه الظاهرة لفهم كيف تُترجم المخاطر المتصورة إلى أفعال داخل هذه الأنظمة.

أظهرت دراسة جديدة إمكانية تحليل كيف تعبر نماذج اللغة الكبيرة عن مواقف ثابتة تجاه المخاطر، حيث تم تقديم إطار عمل عابر للقطاعات (cross-domain framework) يسمح بفصل الاعتقاد بشأن المخاطر عن القرار الفئوي. تم تطبيق هذه المنهجية على ست نماذج لغوية كبيرة ومائة مشارك بشري في مجموعة متنوعة من المهام مثل التنقل المكاني، والتغذية الطبية، وتوزيع الأموال.

من خلال نماذج الانحدار، تم استخراج كيفية ارتباط الاعتقاد بالقرار، مما مكّن الباحثين من قياس حساسية المخاطر وميل السلوك فيها. وقد تبين أن العديد من نماذج اللغة الكبيرة تعرض (1) اتساقاً قوياً داخل المهمة الواحدة، ما يعني وجود علاقات ثابتة بين الاعتقادات السياقية وقرارات المخاطر داخل مجال مهمة محدد؛ (2) استقرار في ترتيب التصنيف عبر المجالات، مما يدل على الحفاظ على الوضع النسبي للمخاطر عبر مهام مختلفة؛ و(3) التوجه نحو توزيع محدود لمواقف المخاطر مقارنةً بالمعيار البشري الأوسع.

تظهر هذه النتائج أن موقف المخاطر يمثل بعداً ثابتاً وغير مُميز سابقاً في سلوك نماذج اللغة الكبيرة، مما يعد أساساً لتقييم وتوافق أنظمة الذكاء الاصطناعي في صنع القرار المعقد. هذه الاكتشافات تدعو أيضاً إلى مزيد من البحث حول مصادر هذه الميل السلوكي الداخلي.

ما رأيكم في كيفية تأثير هذه النتائج على استخدام نماذج الذكاء الاصطناعي في الحياة اليومية؟ شاركونا في التعليقات!