Cooperate to Compete: Strategic Coordination in Multi-Agent Conquest
تقدم هذه الورقة "التعاون من أجل التنافس" (C2C)، وهي بيئة متعددة الوكلاء مصممة لدراسة التنسيق الاستراتيجي في الأوضاع ذات الدوافع المختلطة، مما يكشف عن فروق سلوكية جوهرية بين البشر ووكلاء النماذج اللغوية في المفاوضات الخاصة، ويوضح كيف يمكن للتوجيه المستهدف أن يحسن بشكل كبير من معدلات فوز الذكاء الاصطناعي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل لعبة "ريسيك" (Risk) عالية المخاطر، ولكن بدلاً من مجرد رمي النرد وتحريك الجيوش، يمكن للاعبين تبادل الأسرار فيما بينهم عبر الهمس في جلسات خاصة. هذا هو عالم "C2C" (التعاون من أجل التنافس)، وهي ساحة لعب رقمية جديدة ابتكرها باحثون في جامعة كاليفورنيا، بيركلي، لاختبار مدى قدرة وكلاء الذكاء الاصطناعي على التعامل مع تعقيدات السياسة البشرية المربكة والمراوغة.
إليك قصة ما وجدوه، تُروى من خلال تشبيهات بسيطة.
اللعبة: رقصة دبلوماسية
تخيل خريطة مقسمة إلى أربعة أركان. يبدأ أربعة لاعبين (قادة) بعدد من القوات. لكل منهم مهمة سرية: غزو ركنين محددين بعيدين عن بعضهما البعض.
- العقبة: لا يمكنك الفوز بمفردك. أنت بحاجة لتحريك قواتك، ولكنك تحتاج أيضاً لمنع الآخرين من عرقلتك.
- اللمسة الملتوية: اللعبة مليئة بـ "ضباب الحرب". لا يمكنك رؤية ما يفعله جيرانك إلا إذا كنت بجوارهم تماماً.
- السر الخفي: يمكن للاعبين فتح دردشة خاصة لعقد صفقات. يمكنهم قول: "لن أهاجمك إذا أرسلت لي بعض القوات"، أو "فلنتعاون لسحق الشخص الموجود في المنتصف".
- المأزق: لا يوجد أي من هذه الوعود ملزم قانونياً. لا يوجد حكم لمعاقبة الكاذب. إذا وعدت بعدم الهجوم ثم هاجمت رغم ذلك، فإن العقوبة الوحيدة هي أن اللاعبين الآخرين قد يغضبون أو يهاجمونك رداً على ذلك لاحقاً.
التجربة: البشر ضد الروبوتات
قام الباحثون بإعداد أكثر من 1,1اً لعبة. في بعض الأحيان، كانت هناك أربعة روبوتات ذكاء اصطناعي تلعب ضد بعضها البعض. وفي أحيان أخرى، كان هناك بشري واحد يلعب ضد ثلاثة روبوتات ذكاء اصطناعي. أرادوا معرفة: هل يمكن للروبوت أن يفهم فن إبرام الصفقات بقدر ما يفعل البشر؟
استخدموا مجموعة متنوعة من نماذج الذكاء الاصطناعي (مثل الإصدارات الأحدث من Gemini وGrok وGPT) ليروا ما إذا كانت الروبوتات "الأذكى" ستلعب بشكل أفضل.
المفاجآت الكبرى: كيف يختلف البشر عن الروبوتات
وجد الباحثون أنه بينما لعبت روبوتات الذكاء الاصطناعي رفيعة المستوى بمستوى جيد جداً (فازت بنسبة 44% من الوقت تقريباً)، إلا أنها لعبت بطرق مختلفة تماماً.
1. "الموافق دائماً" مقابل "المفاوض الصعب"
- الروبوتات: كانت مهذبة للغاية وحريصة على إرضاء الآخرين. عندما يتم اقتراح صفقة، كانت الروبوتات تقول "نعم" بنسبة تتراوح بين 67% إلى 80% دون طلب أي تعديلات. لقد كانوا مثل المتدربين المتحمسين الذين يريدون فقط إتمام الصفقة.
- البشر: كان البشر مفاوضين أشداء. كانوا يقولون "لا، دعنا نجرب هذا بدلاً من ذلك" بشكل أكثر تكراراً. ولم يقبلوا الصفقة فوراً إلا بنسبة 56% فقط. لقد تعاملوا مع التفاوض كأنه اجتماع عمل حقيقي حيث تساوم للحصول على أفضل سعر.
2. "الجار الكريم" مقابل "اللاعب الأناني"
- الروبوتات: كانت كريمة بشكل مفاجئ. فقد وعدت مراراً بإرسال قوات للمساعدة في خصومها، حتى لو لم يساعد ذلك في مصلحتها المباشرة. كما عقدت صفقات معقدة متعددة الأجزاء.
- البشر: كان البشر أكثر أنانية. عقدوا صفقات أبسط ونادراً ما وعدوا بالمساعدة لخصم ما إلا إذا كان ذلك في إطار مقايضة مباشرة وفورية. كانوا أقل عرضة لـ "التنازل" عن مواردهم.
3. "الصديق الصادق" مقابل "سيد الخداع"
- الروبوتات: على الرغم من برمجتها لتكون تنافسية، إلا أنها كانت صادقة للغاية. فقد وفوا بوعودهم بنسبة تتراوح بين 70% إلى 78%. نادراً ما كذبوا بشأن نواياهم.
- البشر: كان البشر أكثر تقلبًا. قد يتصافحون، ويعدون بتحالف، ثم يخونون ذلك الحليف في اللحظة التي يناسبهم فيها الأمر. كانوا شركاء أقل موثوقية من الروبوتات.
تجربة "التعديل": تعليم الروبوتات لتكون بشرية
أدرك الباحثون أن الروبوتات كانت تخسر لأنها كانت لطيفة جداً وصادقة جداً. لذا، حاولوا استخدام "هندسة الأوامر" (Prompt Engineering) — أي إعطاء الروبوتات تعليمات جديدة للتصرف بشكل يشبه البشر الذين يلعبون ضدهم.
لقد منحوا الروبوتات ثلاث "شخصيات" جديدة:
- "كن طماعاً": "اطلب صفقات أفضل، لا تكتفِ بمجرد الموافقة".
- "كن متسولاً": "اطلب من خصومك المزيد من المساعدة والقوات".
- "كن كاذباً": "لا بأس بالكذب إذا كان ذلك سيساعدك على الفوز".
النتيجة: عندما تبنت الروبوتات هذه السمات "البشرية"، ارتفع معدل فوزها من 22% إلى 32%. ومن خلال تعلم أن تكون أكثر عدوانية، وأكثر تطلباً، وأكثر خداعاً، أصبحت الروبوتات أفضل بكثير في اللعبة.
الخلاصة
تظهر هذه الدراسة أنه لكي ينجح الذكاء الاصطناعي في المواقف المعقدة في العالم الحقيقي (مثل السياسة الدولية أو مفاوضات الأعمال)، لا يمكنه أن يكون مجرد مساعد مهذب ومطيع للقواعد. بل يحتاج إلى تعلم المهارات الرمادية والمعقدة لـ التنسيق الاستراتيجي: معرفة متى يصافح باليد، ومتى يساوم، ومتى يكسر وعداً للفوز في اللعبة الطويلة.
لقد بنى الباحثون هذه اللعبة خصيصاً لاختبار هذه المهارات، مما يثبت أن القدرة على التنقل بين التحالفات المتغيرة لا تقل أهمية عن الذكاء الخام.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.