خب بذارید یه موضوع جالب رو باهاتون درمیون بذارم که تو علوم اجتماعی خیلی مهمه: چجوری میتونیم حدس بزنیم آدمهای مختلف اطلاعات جدید رو چطور برداشت میکنن؟ یعنی مثلاً اگه یه خبر یا پیام جدید ببینن، هر گروه اجتماعی چجوری ممکنه واکنش نشون بده؟
حالا یه مقالهی جدید اومده که یک روش حسابی باحال رو معرفی کرده: استفاده از هوش مصنوعیهای پیشرفته، اونایی که بهشون میگن “مدلهای زبانی بزرگ” یا همون Large Language Models (LLMs). این مدلها همونایی هستن که میتونن مثلاً براتون متن تولید کنن یا نقش یه آدم رو بازی کنن و باهاتون حرف بزنن. مثلاً ChatGPT یا مدلهای مشابه.
توی این روش که اسم باحالش رو گذاشتن “آزمایشگاه کیفی” یا Qualitative Laboratory، دانشمندای علوم اجتماعی اومدن و با کمک این مدلها، آدمهای خیالی یا همون “پرسونا” (Persona یعنی یه شخصیت خیالی که ویژگیهای خاص خودش رو داره) ساختن و بهشون گفتن که نسبت به یه موضوع اجتماعی واکنش نشون بدن.
حالا چرا این ایده انقدر جذابه؟ واقعیتش اینه که تو روشهای قبلی مثلاً پرسشنامههای کوتاه یا آزمایشهای محدود، معمولاً نمیشه عمق واقعی حرفهای آدمارو گرفت. یعنی حرفها بیشتر سطحی یا کلیشهای درمیاد، مخصوصاً وقتی درباره موضوعات پیچیده مثل سیاست یا تغییرات آب و هوا باشه. ولی این مدل وقتی تو نقش یه آدم خاص درمیاد، دیگه مثل واقعیت شروع میکنه به تحلیل و بحث کردن، انگار واقعاً داره استدلال میکنه و عقایدش پیچیدهست.
یه چالش دیگه هم تو مدلهای قدیمی این بود که باید برای رفتار تکتک شخصیتها کلی قوانین بسازی (مثلاً تو Agent-based Models یا ABMها که یعنی مدلهایی که هر عاملش مثل یه آدم رفتار میکنه و همه چیز باید براشون دقیق تعریف بشه)، اما اینجا چون مدل زبان طبیعی داره، دیگه لازم نیست اون همه قانون خشک بنویسی. خودش طبیعی حرف میزنه!
برای نشون دادن این ایده، نویسندهها اومدن پرسوناهایی رو بر اساس تئوری اجتماعی درباره واکنش مردم به پیامهای آب و هوایی ساختن و ازشون خواستن نسبت به پیامهای سیاستی، عکسالعمل نشون بدن. نتیجه خیلی جالب بود! مثلاً یه کاراکتر محافظهکار (conservative persona: یعنی کسی که معمولاً به ارزشهای سنتی یا محافظهکارانه پایبنده) اصلاً با این پیام که تغییرات آب و هوا خطر امنیت ملیه حال نکرد، درحالی که معمولاً فکر میکردیم اینجوریها جذب این حرفا میشن. این نشونه میده که با این روش، میتونیم به فرضیههایی برسیم که شاید خودمونو غافلگیر کنه و حتی نگاه مرسوم ما رو به چالش بکشه.
در آخر هم مقاله تاکید کرده که این روش بهترین استفادهش اینه که اول با هوش مصنوعی یه شبیهسازی انجام بدیم (Simulation یعنی بازسازی شرایط واقعی یا فرضی به طور مصنوعی)، بعدش هم ایدههایی که دراومده رو بفرستیم برای آزمونهای دنیای واقعی؛ اینطوری میشه فرضیههایی ساخت که واقعاً عمیق باشن و بعداً تو تحقیقات تجربی بررسیشون کنیم.
خلاصه اگه دوست داری تو علوم اجتماعی فرضیههای جذاب، خلاق و غیرمنتظره بسازی، این روش باحال استفاده از هوش مصنوعی و آزمایشگاه کیفی رو از دست نده!
منبع: +
