سبيربنك وفريق أندريه كوربatov يبنيان بنية معمارية لمواجهة هلوسات الذكاء الاصطناعي

كشف سبيربنك عن عمله على بحث بعنوان «نموذج ذكاء اصطناعي للواقع النفسي للإنسان». يشارك في المشروع مختبر علوم الأعصاب والسلوك البشري بقيادة أندريه كوربatov، والهدف طموح: منح وكلاء AI وسيلة لمناقشة نفسية الإنسان دون هلوسات.

ما موضوع البحث

وفق الوصف المنشور، لا يتعلق الأمر بميزة جديدة في روبوتات الدردشة، بل بمحاولة وصف الواقع النفسي للإنسان بصيغة يفهمها الحاسوب. يتحدث سبير عن نموذج تستطيع أنظمة AI التعامل معه بوصفه خريطة داخلية للمفاهيم والعلاقات والحالات. وتزداد أهمية ذلك في المهام التي لا يكفي فيها اختيار إجابة معقولة إحصائيا، إذ يجب الحفاظ على السياق والمنطق والعلاقات السببية المحيطة بسلوك الإنسان ودوافعه وإدراكه.

وحقيقة أن المشروع يتولاه مختبر يقع عند تقاطع علوم الأعصاب والدراسات السلوكية وAI تكشف اتجاه العمل. فالمطلوب هنا ليس مجرد إعادة تدريب الشبكة العصبية على مجموعة نصوص في علم النفس، بل الاستناد إلى بنية أكثر رسمية. بعبارة أخرى، لا تكمن المهمة في أن يتحدث النموذج عن الإنسان بأسلوب جميل، بل في أن يقل اختلاقه للمعلومات ولا يستبدل العلاقات الحقيقية بتفسيرات مريحة لكنها خاطئة. وفي المواضيع المرتبطة بالنفس، يعد ذلك أمرا حاسما: فالخطأ في الصياغة يتحول بسهولة إلى خطأ في الاستنتاج.

كيف يريدون خفض الأخطاء

التفصيل الجوهري هو البنية المعمارية القائمة على الرسوم البيانية. يقصد بهذا النهج عادة نظام تُمثَّل فيه المعرفة لا كنص متصل، بل كعقد وروابط بينها. وبالنسبة لوكلاء AI، قد يصبح ذلك وسيلة للتحقق من الإجابات لا باحتمال الكلمة التالية فحسب، بل أيضا ببنية صريحة للمفاهيم. فإذا تناول النموذج الخوف أو الدافعية أو الانتباه أو تشوهات الإدراك، يمكنه الاعتماد على خريطة العلاقات بين هذه الكيانات بدلا من تداعيات عشوائية من بيانات التدريب.

• تثبيت المفاهيم وعلاقاتها بشكل صريح
• التحقق من أن الاستنتاج الجديد لا يتعارض مع البنية المعروفة مسبقا
• مواءمة إجابات عدة وكلاء AI فيما بينها
• خفض خطر التخيلات حيث يلزم منطق سببي لا بلاغة خطابية

ويتضح من صياغة سبيربنك نقطة مهمة أخرى: البنية مصممة تحديدا لتفاعل الوكلاء مع بعضهم. فهذا ليس روبوت دردشة منفردا، بل بيئة تتبادل فيها عدة نماذج أو وحدات أحكاما عن الإنسان. وفي هذا النمط تصبح مشكلة الهلوسات أشد حدة، لأن خطأ واحدا قد يتكاثر بسرعة على امتداد السلسلة كلها. والمخطط البياني هنا بمثابة إطار مشترك يبقي النقاش ضمن منطق متفق عليه.

أين يمكن الاستفادة منه

إذا نجح هذا النهج، فيمكن تطبيقه في أنظمة دعم القرار والمساعدين الرقميين والمنتجات التعليمية والخدمات التي تحلل سلوك المستخدم. ولا يتعلق الأمر بالضرورة بوضع تشخيصات. فالأقرب كثيرا سيناريو تطبيقي يساعد فيه AI على تحليل التواصل وردود الفعل وأنماط الدافعية أو الأخطاء المعرفية، لكن بحذر وتماسك أكبر. وهذا مثير للاهتمام خصوصا لسوق الشركات: فالأعمال تحتاج وكلاء لا يكتفون بإعادة سرد علم النفس الشعبي، بل يعرفون كيف يستدلون داخل نموذج محدد ويشرحون مصدر الاستنتاج.

ومع ذلك، لا يزال الحديث علنا يدور عن بحث فقط. فسبيربنك لم يكشف كيف سيُقيَّم جودة هذا النظام، ولا ما مجموعات البيانات أو الأطر الخبرائية المستخدمة، ولا في أي منتجات ستظهر النتيجة. وهذا تحفظ مهم، لأن مكافحة الهلوسات من أصعب المهام في كامل منظومة AI. فأي بنية معمارية قد تحسن اتساق الإجابة، لكن ذلك لا يضمن صحتها. ولذلك فإن السؤال الأهم لا يقتصر على كيفية تمثيل المعرفة عن النفس، بل يشمل كيفية التحقق من صحة هذه المعرفة وتحديثها وعدم نقل أخطاء الباحثين أنفسهم إلى النموذج.

ماذا يعني ذلك

يظهر سبيربنك تحولا لافتا: فبدلا من روبوت دردشة شامل آخر، تستكشف الشركة مجالا أضيق لكنه أعقد، تكتسب فيه البنية والاتساق والتحكم بالأخطاء أهمية بالغة بالنسبة لـ AI. وإذا نجح النهج القائم على الرسوم البيانية، فقد يمنح السوق فئة جديدة من الوكلاء الذين يستدلون عن الإنسان بدقة أكبر بشكل ملحوظ من نماذج LLM المعتادة.