بررسی مدل های هوش مصنوعی مولد برای شبیه سازی و پیش بینی رفتار کاربران در تعامل با رابط های کاربری بصری جدید و نوآورانه از نظر قانون

با گسترش سریع فناوری های مبتنی بر هوش مصنوعی مولد (Generative AI) نظیر شبکه های متخاصم مولد (GANs)، مدل های تبدیل کننده (Transformers) و معماری های دیفیوژن، مرزهای تعامل انسان و رایانه دستخوش تحولی بنیادین شده است. مقاله مروری حاضر با هدف بررسی نظام مند مدل های هوش مصنوعی مولد برای شبیه سازی و پیش بینی رفتار کاربران در مواجهه با رابط های کاربری بصری جدید و نوآورانه، با تاکید ویژه بر جنبه های قانونی و نظارتی نگاشته شده است. در این تحقیق، پس از مرور ۱۲۸ منبع معتبر از پایگاه های Scopus، Web of Science و IEEE Xplore در بازه زمانی ۲۰۱۸ تا ۲۰۲۵، مدل های مولد به چهار دسته اصلی مبتنی بر شبکه های بازگشتی، مبتنی بر توجه، مبتنی بر دیفیوژن و ترکیبی (هیبرید) طبقه بندی شدند. یافته ها نشان می دهد که مدل هایی مانند GPT-۴o، Gemini Ultra و DALL-E ۳ به همراه معماری های شبیه ساز عامل محور (Agent-based simulators) توانسته اند تا ۸۷ درصد دقت در پیش بینی مسیر حرکتی چشم (Gaze path) و ۷۹ درصد دقت در پیش بینی زمان واکنش به رابط های تطبیقی (Adaptive Interfaces) دست یابند. از نظر قانونی، چالش های اساسی شامل مسئولیت مدنی در قبال خطای پیش بینی، نقض حریم خصوصی داده های رفتاری، تبعیض الگوریتمی در شبیه سازی گروه های مختلف کاربری و رعایت اصول نظارتی چون GDPR و مقررات پیشنهادی AI Act اتحادیه اروپا است. این مقاله نتیجه می گیرد که برای استفاده مسئولانه از مدل های مولد در طراحی رابط های کاربری بصری، نیاز به چارچوب قانونی چندلایه ای شامل حق توضیح خواهی پیش بینی (Right to explanation of prediction)، ارزیابی اثرگذاری رفتاری (Behavioral Impact Assessment) و نظارت مستقل بر مدل های شبیه ساز احساس می شود.

کلیدواژه ها:

هوش مصنوعی مولد ، شبیه سازی رفتار کاربر ، پیش بینی تعامل ، رابط کاربری بصری ، قانون هوش مصنوعی ، مسئولیت مدنی ، حریم خصوصی داده های رفتاری