في عالم الذكاء الاصطناعي، لا تقتصر فائدة نماذج اللغات الضخمة (Large Language Models) على معالجة البيانات الدقيقة فقط، بل تمتد أيضًا لفهم أعمق للشخصية والتعبير عنها. دراسة جديدة نشرت على arXiv (2607.02368v1) تسلط الضوء على ثنائية شخصية هذه النماذج وكيف أن التقييمات التي تُجرى من خلالها تعكس تباينًا كبيرًا بحسب الإطارات المستخدمة.

يتناول البحث طريقة تقييم هذه الشخصيات عبر استبيانات نفسية، مشيرًا إلى أن الكثير من هذه التقييمات تعتمد على درجات إجمالية تتجاهل التراكيب الداخلية. وباستخدام مصفوفات الارتباط التي تم إنشاؤها من ردود استبيان IPIP-50، تم تحليل الهندسة على مجسمات SPD تحت ترتيب أسئلة مُتلاعب بها في نموذج GPT-4o، الذي يعكس شخصيات أمريكية وصينية-أمريكية.

نتائج الدراسة تظهر أن التعبير عن الشخصية يتكون من مكونين منفصلين. الأولى هي الميزات المجمعة (Big Five scores) التي تتدهور بنسبة 21% تحت ظروف عشوائية لكنها تبقى ثابتة ضمن الإطارات، والثانية هي الميزات الهندسية (SPD manifold) التي تنهار بنسبة 42% تحت عدم توافق الإطار، لكنها تتعافى بشكل ملحوظ، تصل إلى 84% تحت إطارات مشتركة، متجاوزةً الميزات المجمعة البالغة 76%.

هذا النمط من الانهيار والتعافي يوضح أن هندسة الشخصية ليست سمة فطرية بل هي نمط تنسيق يعتمد على الإطار، مما يشير إلى ضرورة إجراء تقييمات تأخذ بعين الاعتبار الإطارات لفهم أفضل لشخصية نماذج اللغات الضخمة، وتحدي المفاهيم الثابتة للسمات.

هل تعتقد أن فهم شخصية الذكاء الاصطناعي يمكن أن يؤثر على تفاعلنا مع هذه النماذج؟ شاركونا آراءكم في التعليقات!