في عالم الذكاء الاصطناعي، يكمن التحدي الحقيقي في فهم كيف يمكن لنماذج اللغة الكبيرة (Large Language Models) التأثير على تصورات البشر، خاصة في السياقات الحساسة. قدم الباحثون مؤخرًا إطارًا جديدًا يُدعى PERSUASIONTRACE، والذي لم يُصمم فقط لتحديد ما إذا كان الإقناع قد حدث، بل يكشف أيضًا كيف ومتى تتغير التصورات خلال الحوار.

يعتمد هذا الإطار على منصة تجريبية عبر الإنترنت تسجل تقارير التصورات متعددة الجولات من مستهدفين بشريين أو محاكيين. كما يصنف أطراف الحوار بناءً على أبعاد البلاغة (logos/pathos/ethos) ويقيم المحاكيين بناءً على دقة تمثيل ديناميات التصورات البشرية الحقيقية.

نتائج مثيرة أثبتت أن الأهداف البشرية تتجمع في فئتين متجاورتين من التحديثات التصورية متعددة الجولات، مما يظهر وعيهم بالإستراتيجيات البلاغية. ولعل الأهم هو أن نماذج اللغة الكبيرة أثبتت فعاليتها في التأثير على مواضيع عامة وشخصية، باستخدام النصوص والوسائط الصوتية، مما يشير إلى إمكانات هائلة في تطبيقات الإقناع.

التجارب السابقة اعتمدت غالبًا على نماذج بسيطة لمحاكاة المستهدفين البشر، لكنها أخفقت في تقليد ديناميات التصورات البشرية بدقة. ولكن مع تقديمنا لمستهدفين منذجين باستخدام الشبكات البيانية (Bayesian-network)، نحافظ على حالة تصورية كامنة واضحة مع مرور الزمن، مما يتيح تحديثات تصورية واقعية لكل رسالة من المرسل.

في تقييم الشبه البشري، حصل مستهدف الشبكة البيانية على درجات قريبة من الأفراد الحقيقيين (81 مقابل 80)، بينما حصلت النماذج البديلة على درجات منخفضة تقدر بـ 64. تقدم PERSUASIONTRACE منظورًا جديدًا لتقييم الإقناع من خلال التركيز على دقة العملية، وهو ما يوفر قاعدة أقوى للتحليل العلمي وضمان أمان أنظمة الإقناع.

فما رأيكم في هذا التطور الثوري الذي يعيد تشكيل الطريقة التي نفهم بها الإقناع في زمن الذكاء الاصطناعي؟ شاركونا أفكاركم في التعليقات!