في عالم الذكاء الاصطناعي المتقدم، تقدمت الأبحاث بشكل ملحوظ لفهم كيفية تقليد الأنظمة الذكية للسلوكيات البشرية. إحدى الدراسات الجديدة تسلط الضوء على قدرة نماذج اللغة الكبيرة (Large Language Models) على إعادة إنتاج التحيزات البشرية في اختيارات الطرق، مما يفتح آفاقًا جديدة في نمذجة السلوك البشري.

تشير الأدلة إلى أن سلوك اختيارات البشر، بما في ذلك اختيار الطرق، يظهر تحيزات سلوكية منهجية تختلف عن الافتراضات التقليدية للعقلانية الكاملة. وقد تم الاعتراف بنظرية الاحتمالات التراكمية (Cumulative Prospect Theory - CPT) كإطار فعال لتوصيف مثل هذه الأنماط السلوكية.

ومع ذلك، تواجه التطبيقات الواسعة لنظرية CPT تحديًا كبيرًا حيث تعتمد بشكل حاسم على تحديد معايير شخصية لهذه النظرية، مما يمثل عقبة رئيسية. الطرق التقليدية لاستخراج هذه المعايير تعتمد غالبًا على الاستطلاعات والتجارب الخاضعة للرقابة، والتي تكون صعبة التعميم وغالبًا ما تفشل في التقاط التنوع الكامل لصنع القرارات البشرية.

لمعالجة هذه القضية، قامت هذه الدراسة بالتحقيق في ما إذا كانت نماذج اللغة الكبيرة (LLMs) يمكنها إعادة إنتاج التحيزات السلوكية البشرية في عملية اتخاذ القرار بدون الحاجة إلى تحديد مسبق لمعايير نظرية الاحتمالات. من خلال تصميم إطار تقييم سلوكي، تمت مقارنة القرارات الناتجة عن LLMs مع الأنماط السلوكية البشرية المعروفة المتوقعة من قبل CPT.

أظهرت النتائج التجريبية أن نماذج LLMs قادرة على إعادة إنتاج التحيزات غير العقلانية في اختيارات البشر، مما يشير إلى أن هذه النماذج يمكن أن تعرض سلوكيات قرارية تتماشى مع آثار نظرية الاحتمالات في ظل عدم اليقين.

تشير هذه الاكتشافات إلى أن نماذج الذكاء الاصطناعي التوليدية قد توفر بديلًا قابلًا للتطوير لنمذجة عمليات اتخاذ القرار البشرية، مما يفتح الطريق نحو تجارب ومحاكاة مدفوعة بالذكاء الاصطناعي من الجيل القادم.