كشف فريق بحثي دولي مشترك بين جامعات بايروث ولودفيغ ماكسيميليان في ميونخ ومركز ميونحن للتعلم الآلي ومعهد فراونهوفر لتقنية المعلومات التطبيقة وجامعة ماريلاند، لأول مرة عن التفضيلات السياسية المخزنة داخل نماذج الذكاء الاصطناعي اللغوية الكبيرة عند التنبؤ بقرارات التصويت. وعُرضت النتائج ونُشرت الدراسة خلال مؤتمر الآلة التعلم الدولي لعام 2026 في سيول، كوريا الجنوبية. واستند البحث إلى منهجية جديدة تركز على تحليل التمثيلات الداخلية للنماذج بدلاً من الاكتفاء بمراقبة مخرجاتها النهائية، مما يكشف عن الآليات الحسابية المعقدة التي يسير فيها الذكاء الاصطناعي. وراجع الفريق أكثر من 24 مليون تكوين مختلف يجمع بين نماذج لغوية وسياقات انتخابية وتوزيعات سكانية على مدار ستة انتخابات وطنية، لتتبع المناطق الداخلية المنشطة داخل كل نموذج وكيفية معالجة السمات الديموغرافية وربطها بالأحزاب. وأظهرت النتائج أن النماذج اللغوية تكتشف علاقات خفية وتفضيلات لا تظهر بالضرورة في الإجابة النهائية، وهو ما يتيح رصد الانحيازات الخوارزمية وتصحيح الأخطاء التنبؤية بدقة أعلى. وأشار الباحث سيميون آلمندينغر إلى أن هذه الأدوات تعمل كمنهج تكميلي يدعم الاستطلاعات التقليدية ولا يحل محلها، خاصة عند تمثيل الفئات غير الممثلة جيداً. وأكد الأستاذ الدكتور نيكلاس كول، رئيس قسم نظم المعلومات والذكاء الاصطناعي المتمحور حول الإنسان في جامعة بايروث، أن إتاحة المعلومات الداخلية للنماذج يرفع من شفافية التنبؤات ويحد من ظاهرة الصندوق الأسود الذي يطال أدوات الذكاء الاصطناعي المتكاملة في الاستشارات السياسية والأكاديمية. ويأتي هذا التطور مع تزايد اعتماد القطاعات البحثية والتجارية والسياسية على التنبؤات المعتمدة على الذكاء الاصطناعي، مما يجعل فهم آليات عملها شرطاً أساسياً لضمان دقة القرارات المستقبلية وشفافيتها. وتفتح المنهجية الجديدة آفاقاً واسعة لتحسين كفاءة نماذج التنبؤ السياسي، مع الحفاظ على المعايير العلمية للاستبيانات البشرية كأدوات أساسية للتحقق والتأكيد.