تشهد الأبحاث في مجال الذكاء الاصطناعي تقدماً ملحوظاً في تحليل الأسئلة السياسية، حيث يُعتبر توقع تصرفات الفاعلين السياسيين خطوة تتجاوز مجرد البحث عن الحقائق. على الرغم من أن الموارد السياسية الخارجية تقدم معلومات تاريخية غنية، إلا أنها غالباً ما تفتقر إلى الإجابات المباشرة.

لتحسين تحليل الأسئلة السياسية، تم تطوير أساليب لتعزيز نماذج اللغة الكبيرة (Large Language Models) تشمل محاكاة مبنية على معلومات الفاعلين وإدخال أدوات من رسومات المعرفة. ومع ذلك، فإن هذه الأساليب غالباً ما تعالج الموارد الخارجية كتسلسل معرفي، مما يؤدي إلى نقص في معالجة الإشارات ذات الصلة بالتوقعات الموجودة.

في هذا السياق، تم تحديد إشارتين مكملتين لتحليل الأسئلة السياسية التنبؤية: أولاً، مواقف الفاعلين التي تعكس تفضيلات محددة للمواضيع، وثانياً، الإشارات الهيكلية عالية الترتيب التي تجسد الاعتماد غير المباشر بين الفاعلين السياسيين.

نتيجة لذلك، تم اقتراح إطار عمل جديد يسمى PSL، الذي يقوم بتحويل السجلات السياسية شبه المنظمة إلى أدلة تستهدف الاستدلال من أجل نماذج اللغة الكبيرة. يقوم PSL باستخراج إشارات المواقف من سجلات الفاعلين المعنية بالأسئلة من منظور دلالي، ويتعلم تمثيلات للفاعلين مدركة للبنية من خلال رسم تفاعل الفاعلين.

عبر ثلاثة مجموعات بيانات حقيقية وعدد من نماذج اللغة الكبيرة، أظهر PSL تفوقاً مستمراً على الأساليب التقليدية، حيث أكدت تحليل الإشارات المبنية على المواقف والبنية على القوة التكميلية لهذا الابتكار.

إن تطبيق هذه الأساليب الجديدة يمكن أن يحدث ثورة في طريقة فهمنا وتحليلنا للأحداث السياسية، مما يفتح آفاقاً جديدة للبحث والتطبيقات العملية في هذا المجال.