إطار عمل HALE يجمع بين نماذج اللغة الكبيرة والمحاكاة الوبائية واسعة النطاق

قدم الباحثون إطار HALE (Hybrid Agent-based and Language-driven Epidemic)، الذي يجمع بين النمذجة الكلاسيكية القائمة على الوكلاء مع نماذج اللغة الكبيرة. يسمح النظام لـ LLMs بالتنبؤ بقرارات ملايين الأشخاص المحاكى في الوقت الفعلي، مع التكيف مع التغييرات الحقيقية. باستخدام COVID-19 في مقاطعة سولت ليك كمثال، أظهر العلماء أن النهج الهجين يمكن أن يصبح أداة للتنبؤ السياسي أكثر دقة.

المشكلة: النماذج الثابتة

تستطيع نماذج الوكلاء التقليدية (ABM) محاكاة سلوك ملايين الأشخاص وتفاعلاتهم—ذات قيمة لا تُقدّر بثمن لتطوير السياسات. ومع ذلك، فإنها تعتمد على افتراضات ثابتة: قواعد سلوك الوكلاء محددة مسبقاً ولا تتغير.

أثناء الوباء، يتغير السلوك البشري بشكل جذري. يبدأ الناس في ارتداء الأقنعة، يتجنبون الحشود، يغيرون جداول العمل. لا يمكن للنموذج الثابت حساب هذه التحولات في الوقت الفعلي—فهو محاصر في السيناريو الأولي ولا يمكنه التعلم من بيانات جديدة.

كيفية حل HALE للمشكلة

يدرج HALE LLM في دورة نمذجة الوكلاء. بدلاً من ترميز قواعد السلوك، يستخدم النظام شبكة عصبية للتنبؤ ديناميكياً بقرارات كل وكيل. في كل خطوة محاكاة، يحلل LLM السياق الحالي—عدد المصابين في المنطقة، مستوى الخوف العام، توفر اللقاحات—ويتنبأ بقرار الشخص: هل سيذهب إلى المتجر، هل سيحافظ على المسافة، هل سيوافق على التطعيم.

• يستخدم الإطار LLM للتنبؤ بالسلوك في كل خطوة محاكاة
• تم اختبار HALE على مثال COVID-19 في مقاطعة سولت ليك، يوتا
• يتكيف النظام مع البيانات الحقيقية بدلاً من اتباع سيناريو محدد مسبقاً
• مقياس للملايين من الوكلاء

لماذا يهم هذا للسياسة

تستخدم الحكومات نماذج وبائية لاتخاذ قرارات حول الحجر الصحي والتطعيم والتدخل. إذا كان النموذج غير دقيق، يمكن أن تسبب السياسة ضررًا غير ضروري أو تثبت عدم فعاليتها.

يزيد HALE من الدقة من خلال القابلية للتكيف. لا يقتصر النظام على اتباع خطة، بل يتغير مع ظهور بيانات جديدة واستجابة السكان. أظهر الباحثون باستخدام COVID-19 في مقاطعة سولت ليك أن HALE يعكس الديناميكيات الحقيقية للعدوى والتحولات السلوكية بشكل أفضل من النماذج الثابتة.

هذا مهم بشكل خاص للاستجابة السريعة: إذا حصل صانعو السياسات على تنبؤات أكثر دقة، يمكنهم تعديل التدابير قبل انتشار موجة العدوى.

ما يعنيه هذا

يُظهر النهج الهجين أن LLMs يمكن أن تكون ليس فقط أداة للتحليل، بل مكوناً نشطاً من المحاكاة نفسها. إذا كانت HALE تعمل على الأوبئة، فيمكن تطبيقها على أزمات أخرى: الصدمات الاقتصادية، الصراعات الاجتماعية، الكوارث الطبيعية. هذا سيفتح فئة جديدة من النماذج—حية وتكيفية ومدفوعة بالشبكات العصبية.