في عالم الذكاء الاصطناعي، لا تتوقف الابتكارات عند حدود معينة. فعلى الرغم من الأداء الجيد للنماذج اللغوية الكبيرة (LLMs) في العديد من المهام اللغوية، إلا أن قدرتها على استيعاب مفهوم "نظرية العقل" (Theory of Mind - ToM) لا تزال بحاجة إلى تحسين خاص في البيئات الاجتماعية المعقدة. ومن هنا، يأتي دور البحث الجديد الذي يحمل عنوان OSCToM.

تستعرض هذه الورقة البحثية طريقة OSCToM (نظرية عقل الصدام الذاتي - Observer-Self Conflict Theory of Mind)، التي تسلط الضوء على كيفية نمذجة النزاعات المعقدة بين معتقدات المراقب ومعتقداته الشخصية. تتجاوز هذه الطريقة مجرد تبني وجهات نظر مختلفة، وتستدعي من النماذج التفكير المتكرر والمعقد.

تعتبر العلاقة بين المراقب ووجهات نظر الآخرين أمرًا بالغ الأهمية لفهم الديناميكيات الاجتماعية. من خلال الجمع بين التعلم المعزز (Reinforcement Learning - RL)، ولغة خاصة بالنطاق الموسع، والنماذج البديلة التراكيبية، تحقق OSCToM تقدمًا ملحوظًا.

وفي التجارب التي أُجريت، أثبت نموذج OSCToM-8B أنه الأفضل في تحقيق النتائج بين الأنظمة التي تم اختبارها، حيث حقق 76% دقة في مجال معلومات غير مواتية (FANToM)، مقارنةً بـ 0.2% فقط التي سجلها نظام ExploreToM.

كما أن العملية القابلة للتوليد للبيانات تعتبر أكثر كفاءة بستة أضعاف، مما يدل على أن تدريب النموذج بشكل مستهدف يمكن أن يساعد النماذج الأصغر في التعامل مع التفكير المتقدم.

لمزيد من المعلومات، يمكنكم الاطلاع على الكود الخاص بالمشروع على GitHub. إن هذه الخطوة تشكل بداية إمكانيات جديدة لنماذج الذكاء الاصطناعي، مما يُفتح المجال لفهم أعمق للعلاقات الاجتماعية واستجابات أكثر دقة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.