حوّل Seldon Vault السيكوتاريخ لدى أسيموف إلى خدمة متعددة الوكلاء لتوقعات AI

Seldon Vault — خدمة متعددة الوكلاء مجانية تنشر توقعات للأحداث العالمية يومياً ثم تتحقق من مدى دقتها. يستلهم المشروع من علم تاريخ النفس في "الأساس" لإسحاق أزيموف، لكنه مبني من مكونات حقيقية تماماً: LLM وتدفقات الأخبار والتحديثات البايزية ومجموعات البيانات المفتوحة.

كيف يعمل Seldon Vault

تعمل الخدمة ليس كـ "نبي" واحد، بل كمكتب تحليلي صغير. أولاً، تجمع الإشارات من مصادر مفتوحة، ثم يقوم معالج منفصل بتصفية الضوضاء ويقرر ما يُعتبر خبراً عاجلاً مقابل اتجاه هيكلي طويل الأجل. في هذه المرحلة الأولى، يتم استخدام نموذج أرخص حتى لا تُهدر الموارد على كل شيء بلا تمييز ولا ينتفخ تدفق الفرضيات التي لا معنى لها. يُحتاج هذا المرشح حتى لا تحصل الأخبار الطازجة على نفس الوزن الذي يحصل عليه الإرسال العشوائي.

• وسائل الإعلام العالمية و Reddit و Telegram و Bluesky
• أسواق التنبؤ Polymarket و Metaculus
• البيانات الكلية من FRED ومؤشر Fear & Greed
• قواعد بيانات النزاعات والكوارث والأحداث الجيوسياسية

بعد التصفية، تذهب الإشارات مباشرة إلى سبعة محللين: يراقب أحدهم الجيوسياسة، والآخر الاقتصاد، والثالث التكنولوجيا، ثم ينضم علماء الاجتماع والمناخ والتحليل العسكري والأمن السيبراني. يفسرون نفس القصة الإخبارية بطرق مختلفة ثم يقدمون توقعاتهم مع احتمالات. يجمع الحكم النهائي أفضل 5 استنتاجات من هذه المجموعة وينشر بطاقات توقعات ثنائية اللغة مع تقديرات احتمالية تتراوح من 5% إلى 95%.

الشكاك والتسلسلات والمقاييس

الجزء الأكثر إثارة للاهتمام في الهندسة المعمارية هو وكيل متشكك منفصل. تتمثل مهمته ليس في مساعدة المحللين بل في تحطيم استنتاجاتهم: إيجاد نقاض، التحقق من الحقائق من خلال البحث الخارجي والعثور على نقاط الضعف في المنطق. في المقالة، يسمي المؤلف هذا "الشك المؤسسي" — الفكرة بأن من الأكثر فائدة للنظام أن يثبت خطأه أولاً بدلاً من الإعلان عن صحته مبكراً. فعلياً، إنه آلية نقد ذاتي مدمجة تقطع التحليل الجميل لكن الضعيف قبل أن يصل إلى الخط الزمني النهائي.

يجب على المحلل أن يبحث عن أسباب تجعله مخطئاً قبل الإبلاغ للإدارة أنه محق.

فكرة أخرى في Seldon Vault هي السرديات المتسلسلة. إذا رأى النظام عدة توقعات مترابطة، فإنه ينشئ سلسلة سبب ونتيجة: على سبيل المثال، قد تؤدي العقوبات التصديرية الجديدة إلى نقص الشرائح وتأخيرات الإنتاج وتبريد الأسواق المجاورة. عندما يتحقق الحدث الأول في مثل هذه السلسلة، تُعاد حساب احتمالات الباقي تلقائياً. لمنع تحفيز واحد من زعزعة النموذج بأكمله، تتناقص التأثيرات في كل خطوة وتقتصر على عدة مستويات من العمق.

التوقعات التي تنجو من هذا الفحص لا تُجمد للأبد. كل ست ساعات، تشغل الخدمة دورة جديدة وتعيد فحص الاحتمالات باستخدام المنطق البايزي وتحد من التحولات اليومية حتى لا تتفاعل بهستيريا مع كل عنوان. بالموازاة، يحسب النظام Brier Score — المقياس الأساسي لدقة التنبؤات الاحتمالية — ويجمع الإحصائيات لكل وكيل. يعود هذا التغذية الراجعة إلى الأوامر بحيث يعايير النموذج الثقة بشكل أفضل بمرور الوقت.

حيث يتعثر النظام

يكتب مؤلف المشروع مباشرة أن هناك الكثير من نقاط الضعف. المشكلة الأولى هي هلوسات LLM: قد يستشهد النموذج بثقة بحدث لم يحدث أبداً، وإذا لم تكتشف البحث الخارجي الخطأ، ينتهي به الحال في التنبؤ النهائي. الثانية هي عادة النماذج والأشخاص بالانجراف نحو المنطقة الآمنة 45–55%. رسمياً يبدو أنيقاً، لكن عملياً عدد كبير جداً من "50%" يحول التنبؤ إلى طريقة مهذبة للقول "لا أعرف".

هناك أيضاً قيود أساسية أكثر. البجعات السوداء بطبيعتها غير مناسبة للتنبؤ بناءً على الأنماط التاريخية، والأخبار من Reddit أو Telegram تظهر ليس الواقع نفسه بل نسخة مصفاة بالفعل من قبل شخص ما لما يحدث. لذا حتى مجموعة غنية من المصادر لا تضمن الموضوعية. يعترف المؤلف نفسه بصراحة: تم إطلاق الخدمة للتو، وفقط بعد عدة أشهر ستظهر درجة Brier Score المتراكمة ما إذا كان هذا المخطط يمكنه اكتشاف الاتجاهات بشكل أفضل من المصادفة.

ماذا يعني هذا

Seldon Vault مثير للاهتمام ليس بوعد "التنبؤ بالمستقبل" بل محاولة تحويل التنبؤات باستخدام LLM إلى نظام قابل للتحقق مع أدوار وتضارب آراء ومقياس جودة. إذا نجا هذا النهج الأشهر الأولى والحفاظ على دقة كافية، ستحصل الفرق التحليلية على أداة مفيدة لمراقبة المخاطر والإشارات الضعيفة. بالنسبة للسوق، هذا أهم من روبوت محادثة آخر برد واثق لكن غير قابل للتحقق في التحليل والإعلام.