في عالم يتطور بسرعة بفعل الذكاء الاصطناعي، تبرز أهمية التعاون بين البشر والآلات كركيزة أساسية لتحقيق النجاح. ولتحقيق هذا التعاون الفعال، يجب على الآلات أن تتمكن من فهم التعليمات التي تُعطى لها، حتى لو كانت ناقصة أو غامضة. هنا تأتي أهمية ما يُعرف بنظرية العقل (Theory of Mind - ToM)، حيث يُفترض أن الآلة تستنتج ما لا يُقال من خلال فهم السياق المشترك بينها وبين الإنسان.

في دراسة جديدة أُجريت، تم تقديم مهمة جديدة تُعرف بإسم "مهمة استنتاج التعليمات" (Instruction Inference Task)، حيث يقوم وكيل (Agent) مستند إلى نماذج لغوية ضخمة (Large Language Models - LLMs) بمساعدة إنسان في الوصول إلى أهداف معينة عبر تفسير تعليمات غير مكتملة.

تم تطوير وكيل يحمل اسم "Tomcat"، مصمم خصيصًا لإظهار قدرة على استنتاج نوايا البشر عبر تحليل التعليمات. وقد تم تنفيذ نسختين من "Tomcat"، الأولى تُعرف بـ "Fs-CoT" التي تعتمد على عدد قليل من الأمثلة، والثانية تُعرف بـ "CP" التي تُستخدم المعرفة العامة.

تجري الدراسة باستخدام ثلاثة نماذج لغوية رائدة: GPT-4o وDeepSeek-R1 وGemma-3-27B، حيث تم تقييم أداء الوكيل "Tomcat" مقارنةً بـ 52 مشاركًا بشريًا. النتائج أظهرت أن "Tomcat"، ومع استخدام نموذج "Fs-CoT"، حقق أداءً يُعادل تقريبًا أداء المشاركين البشر، مما يبرز الإمكانيات الفائقة لنظرية العقل في دعم التعاون بين البشر والآلات.