في عالم الذكاء الاصطناعي المفعم بالتطور، تتسارع العديد من التقنيات نحو دمج النماذج اللغوية الضخمة (LLMs) في حياتنا اليومية. سواء كنت تستعين بها في اتخاذ قرارات مهمة أو كرفيق افتراضي، تظل فهم سلوكيات هذه النماذج أمرًا بالغ الأهمية.

في الآونة الأخيرة، أظهرت دراسة جديدة، نشرت في arXiv، جملة من النتائج المثيرة فيما يتعلق بسلوك النماذج اللغوية. رغم الاستخدام المتزايد لاستبيانات نفسيّة ونماذج معرفية لتوصيف هذه السلوكيات، إلا أن القدرة على التمييز بين الفروق السلوكية المستقرة والناجمة عن الانحياز في الاستجابة لا تزال تحديًا.

ولمعالجة هذا التحدي، تم تطبيق نماذج التأثير العشوائي المتقاطع، وهي أدوات شائعة في علم النفس، لتحليل 74.9 مليون تقييمات قدمها 10 نماذج مفتوحة الوزن على أكثر من 100,000 كلمة عبر 14 معيارًا نفسيًا.

نتائج الدراسة كشفت أن متوسط 16.9% من التباين يُنسب إلى الخصوصية الفردية المرتبطة بالمثيرات، مما يتجاوز بكثير نموذج الصفر الإحصائي. وعبر التحليلات التنبؤية المتقاطعة، تبين أن هذه الخصوصية تشكل بصمة واضحة، فريدة لكل نموذج.

تُسجل هذه النتائج الفروقات الفردية بين النماذج اللغوية الضخمة، التي لا يمكن نسبتها إلى انحيازات استجابية أو ضوضاء عشوائية. ونطلق على هذه الفروقات مصطلح "التفرُّد الآلي". هذا الاكتشاف يشير إلى أن كل نموذج له سماته الخاصة في الاستجابة، مما يعزز أهمية فحص سلوكيات الذكاء الاصطناعي وتأثيرها على المجتمع.

كيف يمكن أن تغير نتائج هذه الدراسة طريقة تعاملنا مع تقنيات الذكاء الاصطناعي؟ نود أن نسمع آرائكم في التعليقات.