CollectivIQ تسعى إلى جعل الذكاء الاصطناعي أكثر موثوقية عبر استطلاع 14 نموذجًا في آن واحد

لا تزال مشكلة هلوسات النماذج اللغوية من أبرز العقبات أمام الثقة الواسعة بالذكاء الاصطناعي. وكل من تلقّى من ChatGPT معلومات عُرضت بثقة تامة لكنها مختلقة بالكامل يعرف هذا الشعور: التقنية مبهرة، لكن تصديقها دون تحقق محفوف بالمخاطر. وقد قررت شركة CollectivIQ الناشئة معالجة هذه المشكلة من زاوية غير متوقعة: فهي لا تحسّن نموذجًا واحدًا، بل تستطلع أربعة عشر نموذجًا في آن واحد.

الفكرة، التي تناولها موقع TechCrunch، أنيقة في بساطتها. تجمع CollectivIQ إجابات ChatGPT وGemini وClaude وGrok وما يصل إلى عشرة نماذج لغوية أخرى في وقت واحد. يُدخل المستخدم سؤاله مرة واحدة فيحصل على صورة شاملة للإجابات، يستطيع من خلالها مقارنة الصياغات ورصد نقاط الاتفاق، والأهم من ذلك ملاحظة مواضع الاختلاف. فإذا قال ثلاثة عشر نموذجًا من أصل أربعة عشر أمرًا واحدًا وخالفهم نموذج واحد، فهذه إشارة قوية. وإذا انقسمت النماذج بالتساوي، فهذه أيضًا معلومة قيّمة: فالسؤال أعقد مما يبدو، ولا ينبغي الوثوق بأي إجابة منفردة دون تدقيق.

ولفهم سبب إمكانية نجاح هذا النهج، يمكن استحضار ظاهرة تُعرف في نظرية اتخاذ القرار باسم «حكمة الجمهور». فقد اكتشف فرانسيس غالتون في عام 1906 أن التقدير المتوسط لمجموعة كبيرة من الناس أدق من رأي أي خبير منفرد. وتنقل CollectivIQ هذا المبدأ في جوهره إلى عالم النماذج اللغوية الكبيرة. فكل نموذج منها دُرّب على بيانات مختلفة، وبتركيزات وقيود مختلفة. يتميز GPT-4o بقدرته على الاستدلال، ويتميز Claude بالدقة واتباع التعليمات، ويتميز Gemini بالقدرات متعددة الوسائط والتعامل مع المعلومات الحديثة، ويتميز Grok بنبرته غير الرسمية ووصوله إلى بيانات الشبكات الاجتماعية. وحين تُجمع إجاباتها معًا، تُعوَّض نقاط ضعف نموذج بنقاط قوة نموذج آخر.

أما من الناحية التقنية، فإن تنفيذ خدمة كهذه يطرح عدة أسئلة جدية. أولها التكلفة. فكل طلب إلى واجهة API تجارية يُحتسب بالرموز (tokens)، وضرب التكلفة في أربعة عشر يحوّل المبالغ الزهيدة إلى مبالغ ملموسة. بالنسبة لمستخدم عادي يسأل عن وصفة حساء البورش، فهذا إسراف. لكن بالنسبة للمحترفين، من محامين وأطباء ومحللين وصحفيين، ممن تُعدّ الدقة عندهم أمرًا حاسمًا، فقد تستقيم الحسابات الاقتصادية. والسؤال الثاني هو السرعة. فالطلبات المتوازية إلى واجهات API مختلفة تتفاوت في زمن الاستجابة، وسيكون على المستخدم إما انتظار أبطأ نموذج، وإما تلقّي الإجابات بشكل غير متزامن فور وصولها. والسؤال الثالث هو الواجهة. فعرض أربع عشرة إجابة بحيث لا يغرق المستخدم في المعلومات ويستخلص الجوهر بسرعة مهمة تصميمية صعبة.

ولا تظهر CollectivIQ في فراغ. ففي السوق بالفعل محركات بحث وصفية للنماذج، فمنصة Poe التابعة لـ Quora تتيح الوصول إلى عدة نماذج في واجهة واحدة، وخدمات مثل TypingMind وOpenRouter تتيح التبديل بين المزوّدين. لكن أيًّا منها لا يراهن تحديدًا على المقارنة المتزامنة بوصفها أداة تحقق. وتقدّم CollectivIQ تعدد النماذج لا باعتباره وسيلة راحة، بل باعتباره طريقة لرفع الموثوقية، وهذا سرد مختلف جوهريًا. فبدلًا من «اختر أفضل نموذج» يصبح الشعار «لا تثق بأي نموذج، وقارن بينها جميعًا».

وثمة سياق أعمق أيضًا. فصناعة الذكاء الاصطناعي تمر بأزمة ثقة. وتشير الدراسات إلى أن المستخدمين يزدادون تشككًا في إجابات روبوتات الدردشة، لكنهم يواصلون استخدامها لمجرد عدم وجود بدائل. وتقترح CollectivIQ حلًا وسطًا: فهي لا تُجبر أحدًا على التصديق الأعمى، ولا تطلب التخلي عن الذكاء الاصطناعي، بل تمنح أداة للتحليل النقدي. وهي بمعنى ما عودة إلى المبدأ الصحفي القائم على التحقق المتقاطع من المصادر، مع فارق أن المصادر هنا شبكات عصبية.

أما السؤال الرئيسي فهو: هل يمكن توسيع نطاق هذا النموذج؟ فإذا بدأ المزوّدون الكبار في تقييد وصول المجمِّعات إلى واجهات API أو رفع الأسعار، فسيصبح عمل CollectivIQ مهددًا. كذلك، كلما ازدادت النماذج تشابهًا فيما بينها نتيجة التدريب على مجموعات بيانات متداخلة، قد تتراجع قيمة المقارنة بين نماذج متعددة. لكن ما دام التنوع في المقاربات قائمًا، تبدو فكرة العمل الجماعي المفتوح بين نماذج الذكاء الاصطناعي بارعة وعملية في آن واحد. وربما لا يكون مستقبل الذكاء الاصطناعي الموثوق نموذجًا واحدًا مثاليًا، بل جوقة من نماذج غير كاملة تُسمع فيها النغمة النشاز فورًا.