في عالم يواجه فيه الأراضي موجات من الأوبئة، يصبح فهم سلوكيات البشر خلال هذه الأوقات الحرجة ضرورة قصوى. ظهر مؤخراً إطار Epi-LLM (Epidemiological Large Language Models) كحل مبتكر يجمع بين نمذجة السلوك البشري المستندة إلى وكيل (Agent-Based Modeling) ونماذج اللغة الضخمة (Large Language Models) ليتسنى لمحاكاة سلوكيات المجتمع خلال التفشي الوبائي.

يعمل النظام على إنشاء مجتمع اصطناعي من الوكلاء الذين يتفاعلون ويتكيفون ديناميكياً مع الشبكة الوبائية. في دراسة مقارنة مع بيانات حقيقية من لعبة AUIB لتفشي الأمراض، أظهرت النتائج أن استخدام نماذج LLM أدى إلى تقليل ذروة الإصابات النشطة، حيث بلغ ارتفاع الامتثال للحجر الصحي 58-65% في اليوم السادس من عملية محاكاة دامت 15 يوماً.

وبالإضافة إلى ذلك، بينت دراسة تحليلية أن شدة الصحة المدركة كانت أبرز عامل مؤثر على سلوك الحجر الصحي، ما يسجل نتائج مشابهة لتجارب الأفراد، مما يفتح آفاق جديدة لفهم كيفية استجابة الأفراد خلال الأزمات الصحية.

ومن المثير للاهتمام أن العمارة المستخدمة في نماذج LLM تتضح كعامل رئيسي في تحديد ديناميكيات الوباء. النماذج ذات التباين المنخفض تقدم موثوقية أعلى لاختبار القواعد السلوكية، بينما النماذج ذات التباين العالي قد تمثل بدقة أكبر سلوكيات اتخاذ القرار في العالم الواقعي.

هذا البحث ليس مجرد إنجاز أكاديمي بل يمثل خطوة جادة نحو تجهيز إطار Epi-LLM ليكون بيئة محاكاة قابلة للتوسع وخالية من المخاطر لأبحاث الاستعداد للجائحة. هل يمكن أن تكون هذه التقنيات هي المستقبل في مواجهة الأوبئة؟