فهم الذكاء الخارق: طريق نحو الذكاء الجماعي
يستخدم مصطلح "الذكاء الخارق" بشكل متزايد لوصف أنظمة الذكاء الاصطناعي التي يُتوقع أن تتجاوز القدرات الإدراكية البشرية في مهام متنوعة، بدءًا من المنطق والتفكير وصولًا إلى الإبداع والحدس. ما كان يُعتبر في يوم من الأيام إمكانية بعيدة أصبح الآن يُعتقد أنه على بُعد أقل من عقد، مما يثير مخاوف كبيرة بين صانعي السياسات والباحثين. من القضايا الرئيسية هي إمكانية خلق ذكاء خارق اصطناعي يفتقر إلى القيم والأخلاق والأهداف الإنسانية.
للتخفيف من هذه المخاطر، يسعى بعض الباحثين إلى تصميم أنظمة ذكاء اصطناعي تتماشى مع القيم الإنسانية. على سبيل المثال، تعمل شركة Anthropic على طريقة تُسمى الذكاء الدستوري، والتي تضع إطارًا من المبادئ لتنظيم سلوك الذكاء الاصطناعي. في غضون ذلك، تسعى OpenAI إلى استراتيجية تُعرف بالتوافق الفائق، موفرة 20% من طاقتها الحاسوبية لهذه القضية الحيوية.
ومع ذلك، تثار تساؤلات ملحة: هل هناك طريق أكثر أمانًا لتحقيق الذكاء الخارق؟
أعتقد أن هناك مفهومًا يعرف باسم الذكاء الخارق الجماعي (CSi). لقد كان تركيزي كباحث في الذكاء الاصطناعي على هذا النهج على مدار العقد الماضي. يهدف CSi إلى تعزيز الذكاء البشري من خلال ربط مجموعات كبيرة لتكوين أنظمة قادرة على حل المشكلات المعقدة بشكل تعاوني. تضمن هذه الطريقة دمج القيم الإنسانية والاعتبارات الأخلاقية في جميع مراحل صنع القرار.
رغم أن هذا قد يبدو غير تقليدي، إلا أنه يتماشى مع خطوة تطورية طبيعية لوحظت في العديد من الأنواع الاجتماعية، المعروفة باسم الذكاء الجماعي. هذه الظاهرة تمكّن أسراب السمك، والنحل، وقطيع الطيور من التنقل في بيئاتها بكفاءة دون إدراة مركزية. بدلًا من الاعتماد على التصويت أو استطلاعات الرأي، تشكل هذه الكائنات أنظمة تفاعلية في الوقت الحقيقي (سرب) تتوصل إلى حلول مثلى.
إذا كان هذا النموذج يعمل للسمك والطيور، فلماذا لا يعمل للناس؟
هذا السؤال دفعني للبحث في ما إذا كانت المجموعات البشرية يمكن أن تعمل كأنظمة ذكاء خارق. في عام 2014، أسست Unanimous AI لمحاكاة أسراب الكائنات الحية. استخدمنا في البداية طرقًا غير لفظية، مما سمح لمئات المستخدمين بالإجابة عن الأسئلة بشكل جماعي من خلال التحكم في قرص بياني بينما كانت الخوارزميات الذكاء الاصطناعي تحلل تفاعلاتهم لتحديد مستويات اقتناعهم.
نجح نظامنا في توليد توقعات جماعية حول أحداث متنوعة، مدهشًا حتى المشككين. على سبيل المثال، في عام 2016، طلبت صحفية من CBS توقعات لسباق كنتاكي ديربي، وبعد وضع رهان على توقعات مجموعتنا، فازت بشكل كبير— مما يظهر إمكانيات الذكاء الخارق الجماعي. أكدت الدراسات الأكاديمية اللاحقة تطبيقات الذكاء الجماعي في مجالات متنوعة، من التوقعات المالية إلى التشخيص الطبي.
على الرغم من هذه التقدمات، إلا أن تحقيق الذكاء الخارق الحقيقي ظل بعيد التحقيق، حيث كانت الطرق السابقة تعالج مشكلات ضيقة. لإنشاء ذكاء خارق شامل يعتمد على الإنسان، يجب أن تكون التكنولوجيا قابلة للتكيف لتسهيل المناقشات حول القضايا المعقدة— باستخدام أقوى أداة بشرية: اللغة.
ومع ذلك، فإن السماح لمجموعات كبيرة بالمشاركة في محادثات متماسكة في الوقت الحقيقي يمثل تحديات. تُظهر الأبحاث أن الأحجام المثلى للمجموعات للنقاشات الإنتاجية تتراوح من أربعة إلى سبعة أعضاء. بعد هذا العدد، غالبًا ما تتغير ديناميات المحادثة من حوار نشط إلى مونولوجات مجزأة. بدت هذه القيود غير قابلة للتجاوز حتى فتحت التطورات الأخيرة في الذكاء الاصطناعي، وخصوصًا نماذج اللغة الكبيرة (LLMs)، آفاقًا جديدة لبناء أسراب بشرية.
التقنية الجديدة المسماة "ذكاء السرب الحواري" (CSI) قد تُحدث تحولًا في كيفية مناقشة المجموعات لقضايا معقدة من خلال السماح لأي مجموعة تقريبًا (من 200 إلى مليوني شخص) بالتحدث في الوقت الفعلي، مما يفتح مجال التمكين الطبيعي الذي يتميز به الذكاء الجماعي.
مستوحًى من آلية التواصل في أسراب السمك، التي تجري "محادثات" في الوقت الحقيقي بين آلاف الأفراد دون قيادة، قمنا بتكييف هذه الفكرة للبشر. من خلال استخدام مفهوم يُعرف باسم "هايبرسربات"، يتم تقسيم المجموعات الكبيرة إلى مجموعات فرعية متداخلة. على سبيل المثال، يمكن تقسيم شبكة من 1000 فرد إلى مجموعات أصغر، مما يسهل محادثات متوازية تعزز الت deliberation المدروس.
ومع ذلك، فإن إنشاء مجموعات متوازية وحده ليس كافيًا لتحقيق الذكاء الجماعي؛ يجب أن تتدفق المعلومات بين هذه المجموعات الفرعية. ويتم ذلك من خلال دمج وكالات الذكاء الاصطناعي، التي تحاكي العضو الجانبي الموجود في السمك. مدعومًا بواسطة LLMs، تقوم هذه الوكالات بالتقطير ونقل الرؤى عبر الكل، مما يضمن نقل المعرفة.
اختبرت الدراسات الأخيرة هذا المفهوم من خلال مهمة تقدير مقتبسة من تجربة السير فرانسيس جالتون عام 1906. في اختبارنا، قدّر 240 مشاركًا عدد كرات المطاط في جرة. انحرفت تقديراتهم الفردية، مما أدى إلى خطأ متوسط قدره 55%. ومن ناحية أخرى، أدى المتوسط الإحصائي المجمع إلى تحسين الدقة إلى 25%، بينما كان تقدير ChatGPT أقرب بخطأ بنسبة 42%.
الأكثر إثارة للإعجاب، أن طريقة السرب الحواري تفوقت على كلاً من الأفراد وChatGPT، محققة معدل خطأ مذهل بلغ 12%.
قائمة الترتيب
