في عصر يتزايد فيه الاعتماد على نماذج اللغة الكبيرة (Large Language Models) لمحاكاة استجابات الأفراد للمواقف الجديدة، ظهرت الحاجة إلى تحسين فعالية هذه النماذج. يكمن التحدي في أن العديد من النماذج تعتمد على استنتاجات سابقة أو توجيهات فردية ذات تنوع سلوكي محدود.

لكن فريقًا من الباحثين قدم حلولًا جديدة من خلال اتباع نهج يركز على أسواق التنبؤ (Prediction Markets)، حيث تسجل هذه الأسواق كيفية استجابة السكان للأحداث الحقيقية على نطاق واسع.

أنشأ الباحثون نموذجًا يُعرف باسم macro2mind، الذي يستخدم إشارات السوق لتدريب نموذج لغة على استنتاج سلوكيات الأفراد. من خلال تفكيك السلوك الاجتماعي، يقوم النموذج بإنفاذ استنتاجات سلوكية واضحة، مثل توقع كيفية تفسير المجموعات المختلفة للأخبار وتحديث معتقداتهم بشأنها.

تعتمد العملية على أسلوب يسمى منهاج الندم المتأخر (Hindsight-Regret Curriculum)، الذي يركز على تحصيل المعرفة في فترات الانتقال حيث تُظهر المجموعات ذات التحليل المتأخر تحسنًا ملحوظًا في التوقعات. ومن الغريب أن هذا الأسلوب لا يتطلب تدريبًا إضافيًا لتطبيق النتائج على محاكاة المستخدمين.

في اختبارات الأداء، أثبت macro2mind أنه قوي حيث سجل أعلى دقة اتجاهية وارتباط مع منصة Polymarket. وفوق ذلك، أظهر قدرة مدهشة في تحويل المعرفة إلى أربعة معايير لمحاكاة المستخدمين، نوعًا ما يُعرف باسم Humanual وOvertonBench وPRISM وCAD.

عندما طُبق كمولد بيانات، زاد macro2mind دقة النظام المحاكي على المستخدمين غير المرئيين بمقدار 15.5 نقطة، متجاوزًا البيانات التي تم توليدها بواسطة نظامه الأساسي بنسبة 13.2 نقطة.

ما رأيكم في هذا التطور الجديد في محاكاة السلوك البشري؟ هل يبدو لكم أنه سيُحدث ثورة في مجالات الذكاء الاصطناعي؟ شاركونا في التعليقات.