ملخص سريع: يُحدث التعلّم الآلي ثورةً في أبحاث الإدراك الاجتماعي، إذ يُتيح تحليل السلوكيات الشخصية المعقدة، والتنبؤ بالنتائج الاجتماعية، والكشف عن أنماط إسناد الحالات الذهنية البشرية. وقد حققت النماذج الحديثة درجات AUC تقارب 0.80 في التنبؤ بالسلوكيات الاجتماعية، وذلك من خلال دمج النظرية النفسية مع الخوارزميات المتقدمة. تُغيّر هذه المناهج طريقة دراسة العلماء لكل شيء، بدءًا من العزلة الاجتماعية وصولًا إلى نظرية العقل.
لطالما دُرست الإدراكات الاجتماعية - أي كيفية إدراك البشر للمعلومات الاجتماعية وتفسيرها والاستجابة لها - من خلال التجارب المضبوطة ومقاييس التقرير الذاتي. لكن هذه الأساليب لا تُسجل سوى لمحات سريعة من السلوك.
التعلم الآلي يغير هذه المعادلة تماماً.
من خلال تحليل آلاف البيانات السلوكية في آن واحد، تستطيع الخوارزميات اكتشاف أنماط قد يغفل عنها الباحثون البشريون. وتمتد آثار ذلك من علم النفس السريري إلى تطوير الذكاء الاصطناعي.
لماذا يُعدّ التعلّم الآلي مهماً لأبحاث الإدراك الاجتماعي؟
تفترض الأساليب الإحصائية التقليدية وجود علاقات خطية، وتتطلب من الباحثين تحديد المتغيرات المهمة مسبقاً. أما الإدراك الاجتماعي فلا يعمل بهذه الطريقة.
ينشأ السلوك الاجتماعي البشري من تفاعلات معقدة بين العمليات المعرفية والحالات العاطفية والسياقات البيئية والتاريخ الفردي. ويتعامل التعلم الآلي مع هذا التعقيد بشكل طبيعي.
بحسب بحث نُشر في مجلة Nature في أغسطس 2025، فإن دمج نظرية التعلم الاجتماعي المعرفي مع التعلم الآلي أنتج نماذج حققت قيمة AUC تقارب 0.80 في التنبؤ بالسلوكيات الاجتماعية المعقدة. وقد تضمن النموذج تسعة متغيرات تنبؤية، تشمل مقاييس الضغط النفسي، وتقدير الذات، والعوامل الديموغرافية، والسياقات السلوكية.
إليكم ما يجعل هذه الأساليب قوية: إنها تتعلم الأنماط الهرمية دون الحاجة إلى أن يحدد الباحثون كل مصطلح تفاعل يدويًا.
استكشف بيانات الإدراك الاجتماعي باستخدام الذكاء الاصطناعي المتفوق
غالباً ما يجمع البحث في مجال الإدراك الاجتماعي بين الملاحظات السلوكية وتحليل اللغة والسجلات التجريبية ومجموعات البيانات الإحصائية. متفوقة الذكاء الاصطناعي يمكن أن يدعم مجموعات البحث والمنظمات التي تطبق التعلم الآلي لتحسين تنظيم وتفسير وتحليل المعلومات المعرفية والسلوكية المعقدة.
بإمكان شركة AI Superior المساعدة في:
- معالجة مجموعات البيانات السلوكية المنظمة وغير المنظمة
- تطوير نماذج التصنيف والتنبؤ
- تطبيق أساليب معالجة اللغة الطبيعية على المواد البحثية النصية
- بناء أنظمة إثبات المفهوم التحليلية
- تقييم جودة النموذج والأداء التحليلي
تواصل مع شركة AI Superior لمناقشة هيكل البحث ومجموعات البيانات المتاحة.
التنبؤ بالعزلة الاجتماعية والشعور بالوحدة
يُسبب الانقطاع الاجتماعي عواقب صحية وخيمة. تُشير الأبحاث إلى ارتباطه باضطراب الجهاز المناعي وزيادة خطر الوفاة.
لكن ما الذي يتنبأ بمن سيختبر العزلة مقابل الشعور بالوحدة؟ طبقت دراسة نُشرت في يوليو 2024 في مجلة Nature التعلم الآلي على هذا السؤال عبر ثلاث مجموعات: الأفراد المصابين بالفصام، والاضطراب ثنائي القطب، وعينات من المجتمع.
كشفت النتائج عن شيء غير متوقع.
تنبأت حالة انعدام المتعة الاجتماعية - أي انخفاض الشعور بالمتعة من التفاعل الاجتماعي - بالعزلة والشعور بالوحدة لدى جميع الفئات. وهذا أمر متسق. لكن الإدراك غير الاجتماعي فسّر تباينًا فريدًا في العزلة فقط لدى مرضى الفصام.
حددت نماذج التعلم الآلي انعدام المتعة الاجتماعية والإدراك غير الاجتماعي كعوامل تنبؤ رئيسية بالعزلة في عينات مرضى الفصام، حيث أظهرت الوحدة أنماطًا متشابهة عبر المجموعات.
وهذا يوضح قدرة التعلم الآلي على تحديد المؤشرات الخاصة بالسكان مقابل المؤشرات العامة - وهو أمر تكافح الأساليب التقليدية لتحقيقه بكفاءة.
نظرية العقل والذكاء الاصطناعي
تشير نظرية العقل إلى فهم أن للآخرين حالات ذهنية - معتقدات ورغبات ونوايا - تختلف عن حالتك. وهي أساسية للتفاعل الاجتماعي.
هل يمكن لنماذج التعلم الآلي تطوير قدرات نظرية العقل؟ تشير الدراسات الحديثة إلى ذلك، مع بعض التحفظات.
تُظهر الأبحاث المتعلقة بالنماذج المعززة بنظرية العقل تحسينات في الأداء مقارنة بالنماذج الأساسية، مع اختلاف تحسينات النتائج حسب حجم النموذج.
لكن الأمر المهم هو أن هذه النماذج لا "تفهم" الحالات الذهنية بالطريقة التي يفهمها بها البشر. إنها تقوم بمطابقة الأنماط على نطاق واسع للغاية.
المسارات المعرفية بعد إصابة الدماغ
لا تزال عملية التنبؤ بأنماط التعافي بعد إصابات الدماغ الرضية غير دقيقة بشكل محبط. فالعديد من المتغيرات تتفاعل بطرق غير خطية.
قامت دراسة نُشرت في يناير 2026 في مجلة Nature بتحليل أساليب التعلم الآلي عبر 30 دراسة منشورة شملت 2364 مشاركًا، غالبيتهم من الذكور، ومزيج من إصابات الدماغ الرضحية الخفيفة والمتوسطة إلى الشديدة.
استخدم الباحثون نماذج الغابات العشوائية، والتعزيز التدرجي، والتعزيز التدرجي المتطرف باستخدام إطار عمل PROGRESS-Plus للمحددات الاجتماعية. وتنبأوا بمعدل التغير المعرفي، وليس فقط بالحالة الأساسية.
برزت مؤشرات تنبؤية رئيسية، هي: الفترات الزمنية، والمؤشرات الهيكلية على مستوى الدولة، والعمر، والتفاوت في مستوى التعليم. وكشف تحليل تفسيرات شابلي الإضافية عن العوامل التي أدت إلى التنبؤات في الحالات الفردية.
يُعالج هذا النهج ثغرةً بالغة الأهمية، إذ لم تحظَ العوامل الاجتماعية المؤثرة على نتائج إصابات الدماغ الرضية بالدراسة الكافية، مما أدى إلى فجوات معرفية في الممارسة السريرية. ويُسهم التعلّم الآلي في تحديد هذه التأثيرات التي كانت غامضةً في السابق كمياً.
الوضع الاجتماعي والاقتصادي ونمو الدماغ
هل يترك الوضع الاجتماعي والاقتصادي بصمات عصبية؟ بحث نُشر في أكتوبر 2025 طبق نماذج الشبكة المرنة على بيانات التصوير العصبي متعدد الوسائط من المراهقين.
تنبأت النماذج بالدخل من خلال فحوصات الدماغ فقط - دون تضمين أي معلومات ديموغرافية في البداية. وقد استُخدمت بيانات التصوير بالرنين المغناطيسي الموزون بالانتشار، والتصوير بالرنين المغناطيسي الهيكلي، وبيانات الاتصال الوظيفي في حالة الراحة كمدخلات.
حقق النموذج متعدد الوسائط الأفضل أداءً قيمة AUC تبلغ 0.75 على بيانات الاختبار بدون معلومات ديموغرافية وحوالي 0.779 مع المعلومات الديموغرافية.
أظهرت النماذج التي تميز الأطفال من شرائح الدخل المتطرفة أداءً قويًا، حيث بلغ AUC = 0.81 بدون بيانات ديموغرافية و 0.863 مع البيانات الديموغرافية.
أثبت التصوير بالرنين المغناطيسي الموزون بالانتشار أنه الأكثر تمييزًا، يليه التصوير بالرنين المغناطيسي الهيكلي. وكانت السمات الأكثر تنبؤًا موزعة بشكل عام بدلاً من أن تكون موضعية، لا سيما في المناطق المرتبطة بالوظائف التنفيذية واللغة.
أدى إدراج البيانات الديموغرافية إلى تحسين أداء النموذج، مع ملاحظة تحسينات أكبر لبيانات الاتصال الوظيفي في حالة الراحة.
| نوع النموذج | AUC (اختبار، بدون بيانات ديموغرافية) | مساحة تحت المنحنى (اختبار، مع البيانات الديموغرافية) | أبرز السمات المميزة |
|---|---|---|---|
| الدخل متعدد الوسائط | 0.75 | 0.779 | سلامة المادة البيضاء، التوزيع العالمي |
| مستويات الدخل المتطرفة | 0.81 | 0.863 | الوظائف التنفيذية، المناطق اللغوية |
| وزارة التجارة والصناعة فقط | أعلى مستوى من جودة العلاج الفردي | +2-4% مع البيانات الديموغرافية | تنظيم المادة البيضاء |
| RSFC فقط | أقل نمط أحادي | +10% مع البيانات الديموغرافية | أنماط الاتصال الوظيفي |
بناء نظريات موحدة للإدراك
يواجه علم الإدراك مشكلة التجزئة. توجد نظريات لمجالات محددة - اللغة الطبيعية على المستويات الجبرية، وخوارزميات التعلم، وآليات مرونة الدماغ - لكن الربط بينها لا يزال يمثل تحديًا.
هل يمكن أن يوفر التعلم الآلي الرابط الحسابي؟ تناقش مقالة نُشرت في مجلة Nature في مايو 2026 هذا الاحتمال.
يُبشّر نهجان حسابيان بالخير: الأنظمة الرمزية التي تعالج التمثيلات المنفصلة، والشبكات الترابطية التي تتعلم الأنماط الموزعة. تاريخياً، لم يكن هناك تواصل يُذكر بين هذين النهجين.
يُظهر التعلّم الآلي، ولا سيما التعلّم العميق، كيف يمكن لهذين النهجين أن يُكمّل أحدهما الآخر بدلاً من أن يتنافسا. تتعلم الشبكات العصبية تمثيلات هرمية يُمكن تفسيرها رمزياً. ويمكن للقيود الرمزية أن تُوجّه بنى الشبكات.
قد يُمكّن هذا التركيب من التكامل عبر مستويات التحليل - من النظريات الحسابية المجردة وصولاً إلى تفاصيل التنفيذ العصبي.
التطبيقات العملية والتوجهات المستقبلية
إلى أين يقودنا هذا البحث عملياً؟
تستفيد البيئات السريرية بشكل فوري. إذ يمكن للنماذج التي تتنبأ بالعزلة الاجتماعية تحديد الأفراد المعرضين للخطر قبل أن يصبح الانعزال متأصلاً. كما يمكن لتقييمات نظرية العقل أن تُسهم في تطوير التدخلات العلاجية لاضطراب طيف التوحد.
تُقدّم أبحاث الإدراك الاجتماعي مخططات أساسية لتطوير الذكاء الاصطناعي. فإذا كان الهدف هو آلات تتعاون بشكل طبيعي مع البشر، فإن فهم كيفية تعامل الذكاء البيولوجي مع المعلومات الاجتماعية أمر بالغ الأهمية.
استخدم الباحثون تقنيات التعلم الآلي مع بيانات تخطيط الدماغ الكهربائي لفهم الانجذاب الذاتي، مما أدى إلى إنشاء صور شخصية تتطابق مع التفضيلات الفردية بدقة تزيد عن 80% في الاختبارات. وهذا يدل على تطبيقات تتجاوز علم النفس التقليدي.
لكن التحديات لا تزال قائمة. فنماذج التعلم الآلي تستهلك كميات هائلة من البيانات. أما الإدراك الاجتماعي فيتضمن عمليات دقيقة تعتمد على السياق، وقد لا يكون من السهل توسيع نطاقها. كما أن الاعتبارات الأخلاقية المتعلقة بالتنبؤ بالسلوك الاجتماعي تتطلب دراسة متأنية.
التعليمات
ما هو التعلم الآلي في الإدراك الاجتماعي؟
يستخدم التعلم الآلي في مجال الإدراك الاجتماعي خوارزميات مثل الغابات العشوائية، وتعزيز التدرج، والشبكات العصبية للتنبؤ بكيفية إدراك الناس للمعلومات الاجتماعية وتفسيرها والاستجابة لها، وشرح هذه الخوارزميات. تحلل هذه النماذج الأنماط في البيانات السلوكية، وبيانات التصوير العصبي، والبيانات النفسية للكشف عن العلاقات التي قد تغفلها الإحصاءات التقليدية.
ما مدى دقة نماذج التعلم الآلي في التنبؤ بالسلوك الاجتماعي؟
أظهرت الدراسات الحديثة أداءً متميزًا. فقد حققت النماذج الموجهة نظريًا قيمة AUC تساوي 0.80 في التنبؤ بالسلوكيات الاجتماعية، مع حساسية 0.72 وخصوصية 0.77 عند العتبات المثلى. وتعتمد دقة النموذج بشكل كبير على حجم العينة وجودة الخصائص، وما إذا كانت النظرية النفسية توجه اختيار المتغيرات.
هل يمكن للذكاء الاصطناعي تطوير نظرية العقل؟
تستطيع نماذج الذكاء الاصطناعي تعلم محاكاة التفكير القائم على نظرية العقل. وتشير الأبحاث إلى أن نماذج اللغة المعززة بنظرية العقل قد حسّنت الأداء، مع تحسن ملحوظ في النماذج الأصغر حجمًا وتحسن أقل في النماذج الأكبر. ومع ذلك، فإن هذه الأنظمة تعتمد على مطابقة الأنماط بدلًا من فهم الحالات الذهنية فهمًا حقيقيًا كما يفعل البشر، إذ تختلف الآليات اختلافًا جوهريًا.
ما الذي يتنبأ بالعزلة الاجتماعية مقابل الشعور بالوحدة؟
أظهرت دراسات التعلّم الآلي أن انعدام المتعة الاجتماعية يتنبأ بالعزلة والشعور بالوحدة لدى مختلف الفئات السكانية. إلا أن الإدراك غير الاجتماعي يتنبأ بالعزلة تحديدًا لدى مرضى الفصام. يشير هذا إلى أن عوامل عامة (انخفاض المتعة الاجتماعية) وآليات خاصة بكل فئة سكانية تساهم في الانفصال الاجتماعي.
كيف يؤثر الوضع الاجتماعي والاقتصادي على نمو الدماغ؟
يُظهر التصوير العصبي متعدد الوسائط، بالاقتران مع التعلم الآلي، أن الدخل يتنبأ ببنية ووظيفة دماغ المراهقين بدقة تتراوح بين 0.75 و0.81. وتُعد سلامة المادة البيضاء والخصائص الموزعة عالميًا والمرتبطة بالوظائف التنفيذية واللغة من أكثر العوامل تمييزًا. وتبرز الاختلافات بشكل أوضح عند مقارنة شرائح الدخل المتطرفة.
ما هي أفضل أساليب التعلم الآلي لدراسة الإدراك الاجتماعي؟
تظهر تقنيات الغابات العشوائية، وتعزيز التدرج، وانحدار الشبكة المرنة بشكل متكرر في الدراسات الناجحة. وتعتمد الطريقة المثلى على السؤال المطروح تحديداً؛ فالغابات العشوائية تتعامل بكفاءة مع التفاعلات غير الخطية، بينما تعالج الشبكات المرنة مشكلة الارتباط الخطي المتعدد في بيانات الدماغ، وغالباً ما يحقق تعزيز التدرج أعلى أداء تنبؤي عند ضبطه بشكل صحيح.
ما هي المخاوف الأخلاقية؟
يثير التنبؤ بالسلوك الاجتماعي قضايا تتعلق بالخصوصية، واحتمالية التمييز، وتساؤلات حول الموافقة. ويمكن للنماذج المدربة على بيانات متحيزة أن تُرسّخ الصور النمطية. كما أن استخدام التنبؤات القائمة على الدماغ بشأن الوضع الاجتماعي والاقتصادي قد يُلحق وصمة عار بالفئات المهمشة. لذا، يجب على الباحثين ضمان أن تُحسّن النماذج حياة الناس دون تمكين المراقبة أو تعزيز عدم المساواة.
خاتمة
يُعيد التعلّم الآلي تشكيل أبحاث الإدراك الاجتماعي بشكل جذري. تتنبأ النماذج الآن بالسلوكيات الاجتماعية المعقدة بدقة تمييز تبلغ 80%، وتحدد عوامل الخطر الخاصة بالسكان للعزلة، وتكشف عن البصمات العصبية للحرمان الاجتماعي.
تتجاوز هذه التطورات مجرد وصف ما يحدث لتشمل التنبؤ بالنتائج وشرح الآليات. وتحقق المناهج القائمة على النظرية، والتي تدمج الأطر النفسية مع القدرات الخوارزمية، أداءً أفضل من أي منهما على حدة.
يُتيح التقارب بين العلوم المعرفية والتعلم الآلي إمكانية وضع نظريات موحدة تشمل مستويات تحليلية متعددة. ومع تحسن جودة البيانات وتطور الأساليب، يُتوقع تسارع التقدم في فهم الأسس الحسابية للذكاء الاجتماعي.
بالنسبة للباحثين والأطباء ومطوري الذكاء الاصطناعي، فإن الرسالة واضحة: التعلم الآلي ليس مجرد أداة لأبحاث الإدراك الاجتماعي، بل أصبح بنية تحتية أساسية للجيل القادم من الاكتشافات.
Arabic 
English 
German 
French 
Dutch 
Spanish