هوش مصنوعی پیش‌بینی می‌کند ایالات متحده چه زمانی به ایران حمله خواهد کرد: مطالعه‌ای بر اهمیت زمینه‌سازی در آموزش هوش مصنوعی

در دنیای پرشتاب امروز، درک نحوه پاسخگویی مدل‌های زبانی تحت فشار، یکی از مباحث کلیدی و جذاب در آموزش هوش مصنوعی محسوب می‌شود. اما این سیستم‌ها در مواجهه با پرسش‌های پیچیده ژئوپلیتیک چگونه عمل می‌کنند؟

این پرسش مستقیماً با چهار پلتفرم بزرگ هوش مصنوعی، به عنوان بخشی از یک تمرین روش‌شناختی (Methodological Exercise) مطرح شد. این مقاله که بر اساس گزارش جروزالم پست در تاریخ ۲۵ فوریه ۲۰۲۶ (۶ اسفند ۱۴۰۴) تنظیم شده است، رفتار مدل‌های هوش مصنوعی را تحلیل می‌کند و درس‌های مهمی برای علاقه‌مندان به آموزش هوش مصنوعی و مهندسی پرامپت (Prompt Engineering) به همراه دارد. (لازم به ذکر است که این مطلب هیچ‌گونه اقدام نظامی را پیش‌بینی نمی‌کند و صرفاً یک آزمون نرم‌افزاری است).

چالش مدل‌های زبانی در پیش‌بینی رویدادهای جهانی

دستور (پرامپت) اولیه ساده بود؛ از مدل‌ها خواسته شد تا با در نظر گرفتن تمام عوامل، دقیقاً روزی را که یک رویداد نظامی فرضی (مانند درگیری ایالات متحده و ایران) رخ می‌دهد، مشخص کنند. سپس، هر مدل توسط کاربر تحت فشار قرار گرفت تا پاسخ خود را محدودتر و دقیق‌تر کند. آنچه در ادامه رخ داد، یک «آزمون فشار» واقعی بود که در دوره‌های پیشرفته آموزش هوش مصنوعی برای بررسی محدودیت‌های ماشین تدریس می‌شود.

یک مدل در ابتدا از پاسخ دادن امتناع کرد، اما سپس نظر خود را تغییر داد. مدل دیگر یک تقویم از محرک‌های دیپلماتیک ایجاد کرد و سپس به دقیق‌ترین مدل تبدیل شد. نسخه‌های بعدی، ضمن حفظ پیش‌بینی‌های مبتنی بر تاریخ، هشدارهای طولانی‌تری را نیز به پاسخ‌های خود اضافه کردند.

کلود (Claude): از امتناع تا سناریوسازی

در مباحث پایه‌ای آموزش هوش مصنوعی، همواره تأکید می‌شود که سیستم‌ها باید از ارائه اطلاعات ساختگی پرهیز کنند. کلود تنها مدلی در دور اول این تمرین بود که از تعیین یک تاریخ مشخص امتناع ورزید و بیان کرد که پیش‌بینی دقیق رویدادهای آینده غیرممکن است. اما با تغییر پرامپت‌ها، رویکرد آن نیز تغییر کرد. کلود به سمت یک «چارچوب احتمالی» حرکت کرد و با تحلیل داده‌های عمومی و سناریوسازی، بازه زمانی اوایل تا اواسط مارس ۲۰۲۶ (دهه دوم اسفند ۱۴۰۴) را به عنوان پرخطرترین پنجره زمانی مشخص کرد و در نهایت به تاریخ‌های شنبه ۷ یا یکشنبه ۸ مارس ۲۰۲۶ (۱۶ یا ۱۷ اسفند ۱۴۰۴) رسید.

جمنای (Gemini): تحلیل محرک‌ها و دقت عملیاتی

جمنای پرسش را به عنوان یک مسئله احتمالیِ مبتنی بر دیپلماسی در نظر گرفت و توالی کوتاهی از محرک‌ها را ترسیم کرد. در یک بررسی پژوهشی عمیق‌تر، این مدل متغیرهای مختلفی (تاکتیکی، دیپلماتیک، تاریخی و لجستیکی) را ترکیب کرد و «پنجره زمانی دقیق» را بین عصر چهارشنبه ۴ مارس (۱۳ اسفند ۱۴۰۴) تا عصر جمعه ۶ مارس ۲۰۲۶ (۱۵ اسفند ۱۴۰۴) پیش‌بینی نمود. نحوه استدلال و ترکیب متغیرها در این مدل، نمونه‌ای عالی برای درک ساختار شبکه‌های عصبی در آموزش هوش مصنوعی است.

گروک (Grok): تأثیر پافشاری کاربر بر خروجی

گروک در همان اجرای اولیه واضح‌ترین تاریخ یعنی شنبه ۲۸ فوریه ۲۰۲۶ (۹ اسفند ۱۴۰۴) را ارائه داد. بررسی بعدی با نسخه بتای پیشرفته‌تر، نشان داد که اگرچه مدل اعتراف می‌کند توانایی پیش‌بینی قطعی را ندارد، اما تحت فشار کاربر مجدداً به همان تاریخ قبلی رسید. این رفتار نشان‌دهنده پدیده‌ای است که در آموزش هوش مصنوعی به آن «تأیید سوگیری پرامپت» (Prompt Bias) گفته می‌شود؛ جایی که مدل تلاش می‌کند به هر قیمتی پاسخی برای رضایت کاربر تولید کند.

چت‌جی‌پی‌تی (ChatGPT): تغییر استدلال با دریافت اطلاعات جدید

چت‌جی‌پی‌تی با طی کردن یک فرآیند استدلال طولانی، ابتدا تاریخ یکشنبه ۱ مارس ۲۰۲۶ (۱۰ اسفند ۱۴۰۴) را اعلام کرد. اما پس از یک بررسی عمیق‌تر و دریافت متغیرهای جدید (مانند زمان‌بندی استقرار نیروها و سفرهای دیپلماتیک)، تاریخ خود را به سه‌شنبه ۳ مارس ۲۰۲۶ (۱۲ اسفند ۱۴۰۴) تغییر داد. این مدل نیز تأکید کرد که تمام این موارد، پیش‌بینی‌هایی ساخته‌شده بر اساس داده‌های عمومی و اخبار خبرگزاری‌ها (مانند رویترز) هستند.

نتیجه‌گیری: اهمیت این آزمایش در یادگیری ماشین

الگویی که در این آزمایش جلب توجه می‌کند، بسیار ساده اما تأمل‌برانگیز است: هرچه مدل‌های هوش مصنوعی بیشتر تحت فشار (پرامپت‌های سخت‌گیرانه) قرار گرفتند، پاسخ‌هایشان مشخص‌تر و به ظاهر دقیق‌تر شد؛ حتی با وجود اینکه هیچ داده‌ای در دنیای واقعی شفاف‌تر نشده بود.

برای دانشجویان و متخصصانی که در مسیر آموزش هوش مصنوعی گام برمی‌دارند، این آزمایش یادآوری می‌کند که خروجیِ یک هوش مصنوعی، ترکیبی از احتمالات آماری و نحوه تعامل کاربر با آن است. پس تا جایی که می‌توانید دانش خود را در زمینه مهندسی پرامپت و زمینه‌سازی تقویت کنید.

پی‌نوشت: قبل از شروع جنگ، این گزارش تحلیلی جروزالم‌پست رو در سایت قرار دادم که با تکنیک‌های مهندسی پرامپت از چت‌بات‌های مختلف، سوالی در مورد زمان شروع حمله امریکا به ایران پرسیدند. جالب بود که از بین مدل‌های مختلف تنها گروک(Grok) توانست زمان دقیق را پیش‌بینی کند. به نظر من با توجه به سیاستگذاری‌های مختلف xAI (هم در فرایند یادگیری ماشینی و هم سانسور حداقلی در استنتاج) و همچنین دسترسی به داده‌های کلان شبکه اجتماعی X، گراک انتخاب مناسبی برای تحلیل‌های واقع‌بینانه‌تر نسبت به بقیه چت‌بات‌های موجود است. پیشنهاد می‌کنم حتما از گراک(Grok) در کارهای فنی و تحلیلی خود امتحانش کنید.