في زمن يشهد تطورًا غير مسبوق في تقنيات الذكاء الاصطناعي، تبرز دراسة جديدة تركز على كيفية معالجة نماذج اللغة الكبرى (Large Language Models) لمشاعر الغيرة المعقدة. قد تبدو هذه النماذج كصناديق سوداء، لكن الباحثين، عبر استخدام إطار يتمحور حول الهندسة التمثيلية (Representation Engineering)، تمكنوا من فك تشفير العواطف التي تحتفي بها هذه النماذج.

تسعى الدراسة إلى تجاوز الفجوة في فهم كيفية تصوير نماذج الذكاء الاصطناعي للعواطف المعقدة. حيث اعتمد الباحثون على نظرية التقييم (appraisal theory) لتحديد عنصرين نفسيين رئيسيين يقودان شعور الغيرة: التفوق على شخص المقارنة (Superiority of Comparison Person) والأهمية الذاتية للمجال (Domain Self-Definitional Relevance).

من خلال دمج تقنيات مثل الوزن القائم على الانحدار (regression-based weighting) والتوجيه السببي الثنائي الاتجاه (bidirectional causal steering)، تمكن الباحثون من تحديد الآثار السببية لهذه العناصر على أحكام نماذج اللغة. أظهرت التجارب التي أجريت على ثمانية نماذج من عائلات لاما (Llama) وكوين (Qwen) وجيما (Gemma) أن هذه النماذج تستوعب مشاعر الغيرة من خلال تركيبات خطية منظمة، مما يجعل تمثيلها الداخلي متوافقًا بشكل كبير مع البنية النفسية البشرية.

تظهر النتائج أن التفوق يعتبر المحفز الأساسي، في حين تُعتبر الأهمية الذاتية المضاعف النهائي لشدة الغيرة. الأهم من ذلك، أن الإطار الذي تم تقديمه لا يقتصر فقط على تحليل المشاعر، بل يمتد أيضًا لإمكانية الكشف الميكانيكي عن الحالات العاطفية السلبية والقدرة على كبحها بشكل جراحي، مما يفتح الأبواب أمام تحسينات في أمان الذكاء الاصطناعي في البيئات متعددة الوكلاء.