في مؤتمر الجمعية الدولية للعلوم المعرفية CogSci2025 الذي يُعد من أبرز المحافل العلمية في مجال المعرفة، حقق فريق بحثي صيني إنجازاً تاريخياً بفوز بحثه بجائزة "التنوع والتمايز الاجتماعي" التي تعد الأهم في المؤتمر، وهي الجائزة الوحيدة التي تُمنح سنوياً لبحث يتناول قضايا التعددية النفسية أو التفاوت الاجتماعي في مجال العلوم المعرفية. جاء هذا الإنجاز بفضل بحث بعنوان "AIPsychoBench: Understanding the Psychometric Differences between LLM and Humans" الذي قدمه فريق من جامعة الدفاع التقني الصينية و研究所 المعلوماتي الصيني بالتعاون مع جامعة تكنولوجيا سنغافورة. هذا البحث يمثل أول مرة يفوز فيها باحثون صينيون بهذه الجائزة المرموقة التي كانت حصراً لباحثين من جامعات أمريكية بارزة مثل يال وستانفورد. تُعد الجمعية الدولية للعلوم المعرفية التي تأسست عام 1979 من أبرز الهيئات العلمية العالمية في هذا المجال، حيث تجمع خبراء من تخصصات متعددة مثل الذكاء الاصطناعي واللغويات والعلوم العصبية والفلسفة والتعليم، وتُعتبر الجائزة المذكورة مؤشراً مهماً على التزام المجتمع العلمي بالتنوع والشمولية. يتمحور البحث حول تحديات قياس الخصائص النفسية للنماذج اللغوية الكبيرة LLM، حيث تبرز مشكلتان رئيسيتان: أولهما هو تأثير "المحاذاة" التي تخضع لها النماذج، ما يؤدي إلى إجابات محايدة أو غير محددة لا تعكس الانحياز الفعلي، مما يفشل في تحقيق هدف القياس النفسي. والثانية هي التأثير الكبير للغة على استجابات النموذج، حيث تظهر نماذج LLM تناقضات في الإجابات حسب اللغة المستخدمة، حتى في نفس السؤال، مما يشير إلى تأثير الثقافة واللغة في تكوين "الشخصية الافتراضية" للنموذج. لمعالجة هذه التحديات، طوّر الفريق منهجية متكاملة تتضمن اختيار 21 مقياساً نفسيًا معتمداً على مقياس ليكرت، وتصميم نصوص دورية خفيفة لتمكين النموذج من التصرف كمُستجيب حقيقي دون إدخال انحيازات شخصية، إلى جانب ترجمة الأسئلة إلى سبع لغات شائعة لاختبار التأثير اللغوي، واستخدام نموذج GPT-4o لفحص التوافق بين التقييم والشرح. النتائج أظهرت أن النهج الجديد يزيد من كفاءة الإجابات بنسبة 41% مع الحد من الانحياز إلى 3% فقط، بينما كشفت الدراسات أن اللغة تؤثر بشكل كبير على النتائج، خاصة في السياقات الثقافية الحساسة مثل الدين والهوية. في سياق متصل، طوّر الباحث لين تشياكا من جامعة سنغافورة الوطنية نموذجاً طبياً جديداً يُسمى DeepMedix-R1، مصمماً لتحليل صور الأشعة الصدرية. يتميز النموذج بقدرته على إنتاج تفكير منطقي مُهيكل وربط كل خطوة في الاستنتاج بمنطقة محددة في الصورة، مما يعزز الشفافية والموثوقية. تم تحقيق ذلك من خلال دمج بيانات مُصطنعة عالية الجودة مع تعلم مُعزّز مباشر، ما ساهم في تحسين الأداء في المهام النصية والتصنيف البصري. النموذج يُعد خطوة مهمة نحو نماذج طبية ذكية قابلة للتطبيق السريري، خاصة في المناطق ذات الموارد الصحية المحدودة، حيث يمكنه دعم التشخيص المبكر وتحسين كفاءة الفحوصات الجماعية. كما يخطط الفريق لتوسيع النموذج ليدعم صور التصوير المقطعي والرنين المغناطيسي، والعمل مع مستشفيات لاختبار الأداء في السياقات الحقيقية، مع التطلع إلى إطلاق مشروع تجاري مستقبلي بالتعاون مع أطباء ممارسين. هذه الإنجازات تُظهر تقدماً ملحوظاً في مجالات الذكاء الاصطناعي والعلوم المعرفية، وتعكس قدرة الباحثين الصينيين والآسيويين على المساهمة في تشكيل مستقبل التكنولوجيا والعلوم على المستوى العالمي.