الذكي أم الخاطئ؟ كيف يؤثر اسم الخيار على قرارات النماذج المدروسة!

في عالم الذكاء الاصطناعي، يعتمد النجاح في اتخاذ القرارات على دقة النماذج التي تقود تلك القرارات. ومن المسلّم به أن النماذج ذات النوع المحدد (Typed Decision Models) مصممة لتقديم نتائج واضحة والسماح للبرمجيات باستخدام هذه النتائج مباشرة. لكن ماذا لو كان للاسم الذي نعطيه للخيارات تأثير أكبر مما نتخيل؟

أجرينا دراسة مقارنة على نماذج متعددة، تتميز بإمكانية تغيير أسماء الخيارات دون تغيير طبيعة المهام أو صيغ الأسئلة. في هذه الممارسة، قمنا بتبديل الأسماء من 0 و 1 إلى "لا" و "نعم"، ووجدنا تأثيراً ملحوظاً، حيث تغيرت 70.4% من الإجابات على مئة عينة، وتراجعت درجة AUC من 0.94 إلى 0.23.

هذا التغيير لا يعكس فقط تردداً بسيطاً في الإجابات، بل يكشف عن انقلاب منهجي في ترتيب القرارات. تم ملاحظة نمط متشابه عند تغيير الأسماء عبر أربع معايير منفصلة، حيث كان التأثير أقوى بسبع مرات مقارنة مع الأسماء المحايدة. وزادت قوة التأثير مع ارتفاع عدد الخيارات.

على الجانب الآخر، النماذج التي تستخدم أسلوب التجميع المتوسط على جميع الخيارات أظهرت تقلباً بمعدل أقل يصل إلى 4.1 مرات.

هذا البحث يعكس فعلياً أن دقة النموذج في اتخاذ القرارات تظل ثابتة عند 0% معدل خطأ نوعي، حتى حين تدهور دقة القرار. إذًا، هل يمكننا القول إن الاسم قد يصنع الفارق في قرارات الذكاء الاصطناعي؟

اختبار النتائج والسياقات التي نستخدمها سيكون له دور حاسم في تحسين كيفية استخدام هذه النماذج في المستقبل.