Seldon Vault يحوّل «علم التاريخ النفسي» عند أسيموف إلى خدمة متعددة الوكلاء لتوقعات الذكاء الاصطناعي

Seldon Vault خدمة مجانية متعددة الوكلاء تنشر كل يوم توقعات للأحداث العالمية، ثم تتحقق من مدى دقتها. المشروع مستوحى من «علم التاريخ النفسي» في سلسلة «المؤسسة» لإسحاق أسيموف، لكنه مبني من مكونات واقعية تمامًا: نماذج LLM، وتدفقات الأخبار، والتحديثات البايزية، ومجموعات البيانات المفتوحة.

كيف يعمل Seldon Vault

لا تعمل الخدمة بوصفها «عرّافًا» واحدًا، بل كمكتب تحليلي صغير. تجمع أولًا الإشارات من مصادر مفتوحة، ثم يتولى معالج مستقل تصفية الضجيج ويقرر ما يُعدّ خبرًا عاجلًا وما يُعدّ اتجاهًا بنيويًا طويل الأمد. وتُستخدم في هذه المرحلة الأولى نماذج منخفضة التكلفة، حتى لا تُهدر الموارد على كل شيء ولا يتضخم سيل الفرضيات التي لا معنى لها. والغرض من هذا المرشِّح ألا يحصل الخبر الطازج على الوزن نفسه الذي تحصل عليه معلومة عابرة مضللة.

• وسائل الإعلام العالمية وReddit وTelegram وBluesky
• أسواق التنبؤ Polymarket وMetaculus
• بيانات الاقتصاد الكلي من FRED ومؤشر Fear & Greed
• قواعد بيانات النزاعات والكوارث والأحداث الجيوسياسية

بعد التصفية تُرسل الإشارات إلى سبعة محللين في وقت واحد: يتابع أحدهم الجيوسياسة، وآخر الاقتصاد، وثالث التكنولوجيا، ثم يأتي دور علم الاجتماع والمناخ والتحليل العسكري والأمن السيبراني. ويفسّر كل منهم الحدث نفسه بطريقته، ثم يقدّم توقعاته مع الاحتمالات. وفي النهاية يجمع الحَكَم من هذه المجموعة أبرز خمسة استنتاجات وينشر بطاقات توقع ثنائية اللغة، مع تقدير للاحتمال يتراوح بين 5% و95%.

المشكِّك والتأثيرات المتتالية والمقاييس

أكثر أجزاء البنية إثارة للاهتمام هو وكيل المشكِّك. مهمته ليست مساعدة المحللين، بل تفنيد استنتاجاتهم: البحث عن أمثلة مضادة، والتحقق من الوقائع عبر البحث الخارجي، وكشف مواطن الضعف في الاستدلال. ويصف المؤلف ذلك في مقاله بـ«الشك المؤسسي»، أي الفكرة القائلة إن من الأجدى للنظام أن يثبت خطأه أولًا بدلًا من أن يعلن صوابه قبل أوانه. وهو عمليًا آلية نقد ذاتي مدمجة تقطع الطريق على التحليل الجذاب لكنه الضعيف قبل أن يصل إلى الخلاصة النهائية.

على المحلل أن يبحث عن أسباب خطئه قبل أن يبلّغ رؤساءه بأنه على صواب.

ومن الأفكار الأخرى في Seldon Vault «السرديات المتتالية». فحين يرصد النظام عدة توقعات مترابطة، يبني سلسلة سببية بينها. على سبيل المثال، قد تؤدي عقوبات تصدير جديدة إلى نقص في الرقائق، ثم إلى تأخر في خطوط الإنتاج، ثم إلى تراجع في الأسواق المرتبطة. وعندما يتحقق الحدث الأول في السلسلة، تُعاد احتسابات الأحداث الأخرى تلقائيًا. ولكي لا يهزّ محفّز واحد النموذج بأكمله، يتضاءل التأثير عند كل خطوة ويقتصر على بضعة مستويات من العمق.

ولا تُجمَّد التوقعات التي تجتاز هذا الاختبار إلى الأبد. فكل ست ساعات تُجري الخدمة دورة جديدة، وتراجع الاحتمالات بمنطق بايزي، وتحدّ من التغير اليومي حتى لا تبالغ في ردة فعلها تجاه كل عنوان صاخب. وبالتوازي يحتسب النظام Brier Score، وهو المقياس الأساسي لدقة التوقعات الاحتمالية، ويراكم إحصاءات لكل وكيل. وتعود هذه التغذية الراجعة إلى التعليمات الموجِّهة (prompts) كي تعاير النماذج ثقتها بشكل أفضل مع مرور الوقت.

أين يتعثر النظام

يكتب مؤلف المشروع صراحةً أن نقاط الضعف كثيرة. المشكلة الأولى هي هلوسات LLM: فقد يستشهد النموذج بثقة بحدث لم يقع، وإذا لم يلتقط البحث الخارجي الخطأ، فسيصل إلى التوقع النهائي. والثانية هي ميل النماذج والبشر إلى الاحتماء بالمنطقة «الآمنة» بين 45% و55%. شكليًا يبدو ذلك منضبطًا، لكنه عمليًا يحوّل التنبؤ، حين تكثر قيم «50%»، إلى صيغة مهذبة لعبارة «لا أعرف».

وثمة قيود أكثر جوهرية. فأحداث «البجعة السوداء» يصعب بحكم تعريفها التنبؤ بها استنادًا إلى الأنماط التاريخية، كما أن الأخبار وReddit وTelegram لا تعرض الواقع نفسه، بل نسخة مفلترة منه من وجهة نظر ما. ولذلك فإن حتى مجموعة المصادر الغنية لا تضمن الموضوعية. ويقرّ المؤلف نفسه بصراحة بأن الخدمة أُطلقت حديثًا جدًا، وأن Brier Score المتراكم لن يُظهر إلا بعد بضعة أشهر ما إذا كانت هذه البنية قادرة على التقاط الاتجاهات بشكل أفضل من الصدفة.

ماذا يعني ذلك

لا تكمن أهمية Seldon Vault في وعدٍ بـ«التنبؤ بالمستقبل»، بل في محاولة تحويل توقعات LLM إلى منظومة قابلة للتحقق، فيها أدوار وتضارب آراء ومقياس للجودة. وإذا صمد هذا النهج في الأشهر الأولى وحافظ على دقة معقولة، فسيحصل فريق التحليل على أداة مفيدة لمراقبة المخاطر والإشارات الضعيفة. وهذا أهم للسوق من روبوت محادثة آخر يقدّم إجابات واثقة لكن لا يمكن التحقق منها، في التحليلات المؤسسية والإعلام.