في عالم مليء بالتحديات الجيوسياسية، تبرز أزمة سيادة غرينلاند كاختبار شديد الأهمية لتطبيقات الذكاء الاصطناعي في تحليل العلاقات بين الدول. يكشف السيناريو المتعلق بمحاولة الولايات المتحدة الاستحواذ على غرينلاند من المملكة الدنماركية (2019-2026) عن دور نماذج اللغات الضخمة (Large Language Models) في فهم ديناميكيات القوة.

تعتبر هذه الأزمة نقطة محورية تتداخل فيها مشكلتان رئيسيتان: السيطرة الاستراتيجية على منطقة القطب الشمالي، وقدرة الناتو (NATO) على فرض معاييره ضد الأعضاء الأقوى. من خلال تطوير ثلاث ألعاب متداخلة - الضغط غير المتكافئ، لعبة ضمان الناتو مع نقطة تحول حاسمة، ولعبة ثلاثية مستندة إلى تفضيلات اجتماعية - أجرى الباحثون تجربة متعددة الوكلاء باستخدام ثمانية نماذج متقدمة تلعب ستة أدوار جيوسياسية (الولايات المتحدة، الدنمارك، غرينلاند، الناتو، روسيا، كندا) عبر 3,604 لعبة مكتملة و108,120 ملاحظة عمل.

تستخدم الدراسة نظرية الألعاب العكسية لاستعادة معلمات الفائدة الهيكلية لكل نموذج، حيث تُظهر النتائج ثلاث ملاحظات بارزة. أولاً، تتزايد تصاعدية التوترات عندما يتم إطار الصراع حول الضغط الاستراتيجي، حيث ترتفع نسبة تصعيد الأفعال الأربعة من 10.7% إلى 28.6%. ثانياً، تبين أن النماذج ذات الأصل الصيني تحمل بشكل منهجي ملفات قوة مختلفة مقارنة بالنماذج الغربية عند تمثيل الدور الأمريكي. ثالثاً، يظهر الاستحواذ السلمي للولايات المتحدة في 1.9% فقط من الألعاب النظيفة، ولا يحقق ذلك سوى ثلاثة من بين ثمانية نماذج متقدمة، أبرزها DeepSeek V3.2، الذي يطبق خطة مستقرة عبر خمسة جولات.

تؤكد هذه الدراسة على أهمية فهم سلوك نماذج الذكاء الاصطناعي في السياقات الجيوسياسية، حيث يأتي هذا كمعيار هيكلي يكمل معايير تواتر الأفعال. فكيف يمكن لنماذج الذكاء الاصطناعي أن تساعدنا في فهم صراعات جديدة في المستقبل؟ شاركونا آرائكم.