في عصر الذكاء الاصطناعي التفاعلي، ومع تزايد عدد المستخدمين الذي يتجاوز المليارات، نجد أن معظم البيانات المتاحة تركز فقط على ما يقوله الناس، دون أن تعكس ما يفكرون به. هنا يأتي دور قاعدة بيانات "ثوت تريس" (ThoughtTrace)، التي تُعدّ طفرة نوعية في جمع البيانات، حيث تقدم لنا فرصة فريدة لفهم التفاعلات البشرية مع نماذج الذكاء الاصطناعي.

تتضمن "ثوت تريس" بيانات من 1058 مستخدمًا و2155 محادثة، تغطي 17058 جولة من التفاعلات و10174 ملاحظة تتعلق بأفكار المستخدمين. تم جمع هذه البيانات عبر 20 نموذجًا لغويًا (Language Models)، مما يوفر مصدرًا غنيًا لفهم ديناميكيات التفكير وراء تفاعل البشر مع الآلات.

تكشف التحليلات أن الأفكار المُسجّلة في "ثوت تريس" ليست فقط متعددة المواضيع، بل أيضًا تتميز بكونها جملًا فرعية معقدة يصعب على نماذج الذكاء الاصطناعي الشديدة التطور استنتاجها من السياق. هذا التنوع في المحتوى يرتبط بمراحل مختلفة من المحادثة، مما يسلط الضوء على الحاجة لفهم أعمق لعقول المستخدمين.

علاوة على ذلك، تبين أن استخدام هذه الأفكار يعزز من توقع سلوك المستخدمين أثناء الاستخدام، وذلك عند اعتبارها كجزء من السياق في وقت الاستنتاج. كما يُظهر البحث أن إعادة كتابة العبارات وفقًا للأفكار توفر إشارات دقيقة لتدريب المساعدين الشخصيين بشكل أفضل.

إن "ثوت تريس"، إذًا، لا توفر فقط بيانات جديدة لدراسة التفاعل البشري-الآلي، بل تؤسس أيضًا لأسس بناء مساعدين أكثر قدرة على فهم وتكييف أنفسهم مع الأهداف والتفضيلات الكامنة لدى المستخدمين.