تشهد ميدان الذكاء الاصطناعي تحولاً ملفتاً يتضمن استخدام أدوات محاكاة سكانية اصطناعية، حيث يعتمد كل فرد كنموذج لغوي ضخم (LLM) مستقل. كجزء من دراسة حديثة، تم استخدام بيانات استبيانات حقيقية شملت 2414 شخصاً، وكشفت النتائج عن فشل أساسي في هذه الطريقة المبتكرة.

تمت الإشارة إلى أن النماذج المستقلة تفشل في إعادة إنتاج توزيع الاستجابة للسكان، حيث تكدس الأفراد على إجابة افتراضية واحدة، مما أدى إلى انهيار في التوزيع المتوقع. هذا الانهيار يعكس كيف أن البنية الهيكلية السيناريوهات تلعب دوراً رئيسياً في هذا النوع من النماذج، مما قدم فهماً جديداً عن استجابة الأفراد عبر سيناريوهات متنوعة.

للتغلب على هذه المشكلات، اقترحت الدراسة تقنية جديدة تُعرف باسم "العينة اللفظية" (Verbalized Sampling) التي حققت تحسناً ملحوظاً في دقة النتائج، حيث زادت من موثوقية النماذج بشكل ملحوظ. لكن هذه التقنية، وعلى الرغم من نجاحها، تظهر مشكلة جديدة تتمثل في الإفراط في التوزيع، مما يستدعي انتباهاً خاصاً.

من جهة أخرى، أظهرت الدراسة أن الموثوقية التي يوفرها الاستطلاع لا تنتقل بشكل قوي إلى سلوك النماذج. فقد تمت السيطرة على اختيارات الأفراد بشكل قاطع من قبل خيارات افتراضية رخيصة، مما يعكس كيف أن المدخلات الاقتصادية تؤثر على القرارات ولكنها ليست العامل الوحيد.

ختاماً، تقدم هذه البحث رؤية جديدة حول كيفية معالجة الفجوات في النماذج اللغوية المستقلة، وترسم مساراً شفافاً لتصميم نماذج تعتمد على توزيع دقيق بالأداء المعقول. إن هذه الدراسة تعد خطوة مهمة للنهوض بفهم كيفية عمل المجتمعات من خلال عدسة الذكاء الاصطناعي.