في دراسة حديثة نُشرت في arXiv، استكشف الباحثون ما إذا كانت نماذج اللغات الضخمة (LLMs) قادرة على التنبؤ بالانحيازات في اتخاذ القرار البشري ضمن سياقات المحادثة. اعتمدت الدراسة على عينة من 1,648 مشاركاً قاموا بإجراء ستة مهام تقليدية في اتخاذ القرار عبر دردشة مع روبوت محادثة، حيث تباينت تعقيدات الحوار. وقد أظهرت النتائج وجود انحيازات معرفية معروفة مثل تأثير الإطار (Framing Effect) وانحياز الوضع الراهن (Status Quo Bias).

وتبين أن زيادة تعقيد الحوار أدت إلى زيادة في الحمل العقلي للمشاركين، مما ساهم في تعزيز أثر هذه الانحيازات، مما أظهر تفاعلاً واضحاً بين الحمل والانحياز. كما تم تقييم ما إذا كانت نماذج اللغات الضخمة بما في ذلك نماذج (GPT-4) و(GPT-5) والنماذج المفتوحة المصدر، يمكن أن تتنبأ باتخاذ القرارات الفردية باستخدام المعلومات الديموغرافية وسياق الحوار السابق.

بينما كانت النتائج متفاوتة بين مشكلات الاختيار، كانت تنبؤات نماذج اللغات الضخمة التي أخذت في الاعتبار سياق الحوار أكثر دقة بشكل ملحوظ في العديد من السيناريوهات الرئيسية. الأهم من ذلك، تكرر أنماط الانحياز والتفاعلات بين الحمل والانحياز الملاحظة في البشر. وبشكل عام، أظهرت نماذج GPT-4 صلة وثيقة مع السلوك البشري، متفوقة على GPT-5 والنماذج المفتوحة المصدر من حيث الدقة والتوافق مع أنماط الانحياز الشبيهة بالبشر.

تعد هذه النتائج خطوة مهمة نحو فهم نماذج اللغات الضخمة كأدوات لمحاكاة اتخاذ القرار البشري، وتساعد في تصميم وكلاء المحادثة الذين يمكنهم التكيف مع انحيازات المستخدم.