تخيل أنك تحاول التنبؤ بالعاصفة الكبرى القادمة. لا يمكنك مجرد التخمين؛ بل تحتاج إلى النظر في كيفية رقص الرياح والضغط ودرجة الحرارة معاً في الماضي لتوليد الفوضى. هذا هو جوهر "تحليل السلامة" في الطيران. الأمر لا يتعلق بإصلاح محرك معطل بعد تصاعد الدخان منه؛ بل يتعلق باستخدام بلورة سحرية مصنوعة من البيانات لتسأل: "ماذا لو ارتبك الطيار، وتحولت الأجواء إلى حالة جليدية، وتعطل جهاز الكمبيوتر في آن واحد؟" الهدف هو العثور على هذه التوليفات الخطيرة قبل وقوعها، حتى يتمكن المهندسون من بناء طائرات قادرة على النجاة منها. لعقود من الزمن، قام البشر بذلك من خلال العصف الذهني ومراجعة تقارير الحوادما القديمة، لكن عدد سيناريوهات "ماذا لو" الممكنة ضخم جداً لدرجة أنه يشبه محاولة العثور على حبة رمل محددة على الشاطئ. الآن، يتساءل العلماء: هل يمكننا تعليم كمبيوتر فائق الذكاء القيام بعملية العصف الذهني هذه نيابة عنا؟

يقدم هذا البحث أداة ذكاء اصطناعي جديدة تسمى HaGen (مولد المخاطر) والتي تعمل كشريك في الكتابة الإبداعية لمهندسي السلامة. بدلاً من مجرد سرد حقائق جافة، يقوم HaGen بقراءة آلاف التقارير الواقعية للحوادث التاريخية من قاعدة بيانات ناسا، ويتعلم "قواعد لغة" كوارث الطيران. عندما يسأله مهندس: "أرني سيناريو تتعرض فيه الطائرة لضرر أثناء الهبوط في سماء صافية"، لا يكتفي HaGen بسرد قائمة عشوائية من الأخطاء؛ بل يبني قصة كاملة: يختار أسباباً محددة وواقعية (مثل نوع معين من الطقس، ومرحلة طيران معينة، وخطأ بشري)، ثم يكتب سرداً تقنياً حيوياً يصف بالضبط كيف يمكن لتلك العوامل أن تجتمع لتسبب مشكلة.

اختبر الباحثون هذه الأداة مقابل الأساليب الرياضية الأقدم والأكثر صرامة. ووجدوا أنه بينما يتفوق الذكاء الاصطناعي في كتابة القصة، فإنه يتعثر أحياناً في المنطق، حيث يبتكر توليفات مستحيلة من الأحداث. ومع ذلك، اكتشفوا حلاً ذكياً: فقد أنشأوا نسخة هجينة تسمى +HaGen. في هذه النسخة، يقوم ذكاء اصطناعي آخر شديد المنطق ببناء "الهيكل العظمي" للحادث (قائمة الأسباب) أولاً، ثم يأتي دور HaGen ليملأ "اللحم" (القصة). أثبت هذا المزيج أنه الأكثر موثوقية، حيث أنتج سيناريوهات ليست واقعية فحسب، بل متسقة وخالية من الأخطاء المنطقية. يشير البحث إلى أن هذا النهج الهجين يمكن أن يصبح مساعداً قوياً لخبراء السلامة، مما يساعدهم على رصد المواقف الخطرة التي قد يغفلون عنها، طالما يقوم خبير بشري دائماً بمراجعة العمل النهائي.

قصة HaGen: تعليم الذكاء الاصطناعي كيفية تخيل الكوارث (بأمان)

سلامة الطيران تشبه إلى حد ما لعبة "ماذا لو؟" ولكن بآثار ترتقي لمستوى السماء نفسها. للحفاظ على سلامة الطائرات، يجب على المهندسين تخيل كل طريقة ممكنة يمكن أن تسير بها الرحلة بشكل خاطئ. إنهم ينظرون إلى تقارير الحوادث القديمة — مثل تلك المخزنة في قاعدة بيانات ناسا الضخمة المسماة ASRS — لرؤية الأنماط. عادةً، لا ينتج عن الحادث سبب واحد فقط؛ بل هو سلسلة من التفاعلات. ربما كان الطقس سيئاً، وكان الطيار متعباً، وفشل مستشعر ما، وكل ذلك حدث في نفس الوقت تماماً.

لفترة طويلة، توجب على البشر القيام بالعصف الذهني لهذه السلاسل من الأحداث يدوياً. إنه عمل شاق، ولأن هناك الكثير من المتغيرات (الطقس، تصرفات الطيار، أجزاء الطائرة، تعليمات مراقبة الحركة الجوية)، فمن السهل تفويت توليفة غريبة ولكنها خطيرة. وهنا يأتي دور مؤلفي البحث بفكرة جديدة: دعونا نستخدم النماذج اللغوية الكبيرة (LLMs) — وهي نفس نوع الذكاء الاصطناعي الذي يكتب القصائد ويجيب على الأسئلة — لتوليد سيناريوهات "ماذا لو" هذه من أجلنا.

الأداة السحرية: HaGen

قام المؤلفون ببناء أداة تسمى HaGen. فكر في HaGen ككاتب مبدع قرأ كل تقرير حادث طيران في التاريخ. عندما تعطيه هدفاً محدداً — مثل: "اكتب قصة عن طائرة تعرضت لضرر أثناء الاقتراب النهائي في طقس صافٍ" — يقوم HaGen بشيئين:

1. يبني هيكلاً عظمياً: يختار مجموعة من العوامل التصنيفية المحددة (مثل "الليل"، "التجمد"، "انهيار التواصل") التي تتوافق مع قواعد الطيران.
2. يكتب القصة: يولد سرداً مفصلاً يصف بالضبط كيف ستحدث تلك العوامل في الحياة الواقعية، باستخدام اللغة التقنية التي يستخدمها الطيارون والمراقبون.

اختبر البحث أداة HaGen باستخدام ثلاثة نماذج مختلفة من الذكاء الاصطناعي (Llama، وMinistral، وPhi) وطريقتين مختلفتين لطرح الأسئلة (Zero-Shot، حيث تسأل مباشرة، وFew-Shot، حيث تعطي الذكاء الاصطناعي بعض الأمثلة أولاً).

المشكلة: هلاوس الذكاء الاصطناعي

هنا تكمن العقبة. فبينما يبدع HaGen في الكتابة، فإنه يخطئ أحياناً في الحقائق. في التجارب، أنتج الذكاء الاصطناعي أحياناً سيناريوهات مستحيلة أو لا تتوافق مع القواعد. على سبيل المثال، قد يقترح تحطم طائرة في "سماء صافية" بينما تصف القصة عاصفة ثلجية، أو قد يخترع جزءاً من الطائرة غير موجود أصلاً.

وجد الباحثون أن مجرد طلب "الإبداع" من الذكاء الاصطناعي (Zero-Shot) أدى إلى الكثير من الأخطاء. ومع ذلك، عندما قدموا للذكاء الاصطناعي بعض الأمثلة على القصص الجيدة أولاً (Few-Shot prompting)، انخفض معدل الخطأ بشكل كبير. في الواقع، أدى الانتقال إلى أسلوب "Few-Shot" إلى تحسين دقة الهياكل المولدة بنسبة تقارب 52% مقارنة بمجرد السؤال دون أمثلة.

ومن المثير للاهتمام، أنهم جربوا "ضبط" (fine-tune) الذكاء الاصطناعي (تعليمه خصيصاً على مجموعة البيانات الخاصة بهم) لجعله أفضل، لكن هذا جعل الأمور أسوأ لبعض النماذج، مما تسبب في فشلها بشكل متكرر. كانت أفضل النتائج تأتي من استخدام نموذج Llama مع نهج Few-Shot وبدون عملية ضبط (no fine-tuning).

الحل: +HaGen (أفضل ما في العالمين)

أدرك المؤلفون أنه بينما يجيد الذكاء الاصطناعي كتابة القصص، فإنه ليس جيداً دائماً في المنطق الصارم المطلوب لبناء "الهيكل العظمي" للحادث. لذا، أنشأوا +HaGen.

تخيل +HaGen كفريق مكون من اثنين:

1. المهندس المعماري (EVA): هذا خوارزمية متخصصة وأقدم، وهي صارمة ومنطقية للغاية. تقوم ببناء الهيكل العظمي المثالي للحادث، مما يضمن أن جميع العوامل تتوافق مع بعضها البعض. وهي تستخدم طريقة تسمى "الاستدلال التطوري" (evolutionary abduction)، وهي أشبه بعملية تطور رقمية تختبر آلاف التوليفات للعثور على أكثرها منطقية.
2. الحكواتي (HaGen): بمجرد أن يبني المهندس المعماري الهيكل العظمي، يتولى HaGen المهمة ويكتب السرد حوله.

حل هذا النهج الهجين المشكلة الأكبر. ولأن المهندس المعماري يضمن صحة الهيكل العظمي، فإن الحكواتي لا يحتاج أبداً للقلق بشأن اختراع حقائق مستحيلة. والنتيجة؟ أنتجت أداة "+HaGen" سيناريوهات واقعية تماماً مثل أفضل الأساليب المستقلة القائمة على الهياكل فقط، ولكن مع صفر من الهياكل غير الصالحة. كما جعلت القصص أكثر اتساقاً، مما قلل من التباين في مدى واقعيتها بنسبة 83%.

لماذا يهم هذا؟

لا يدعي البحث أن الذكاء الاصطناعي يمكن أن يحل محل مهندسي السلامة البشريين. بدلاً من ذلك، يشير إلى أن الذكاء الاصطناعي يمكن أن يكون "مساعداً" قوياً في الحلقة. يمكنه توليد مئات السيناريوهات التفصيلية والمعقولة بسرعة، والتي قد لا يفكر فيها البشر أبداً، مما يساعد المهندسين على رصد الأخطار الخفية.

اختبر الباحثون أداتهم مقابل أحدث الأساليب المستخدمة لتوليد بيانات الحوادث المهيكلة (تحديداً تلك القائمة على البحث التطوري واكتشاف البنية السببية)، ووجدوا أن السيناريوهات المهيكلة التي ولدها الذكاء الاصطناعي كانت لا تختلف إحصائياً عن تلك التي أنشأتها تلك الأساليب المخصصة وغير القائمة على الذكاء الاصطناعي. علاوة على ذلك، يوفر النظام "إمكانية التتبع" عبر ربط كل سيناريو تم توليده بأكثر تقارير ASRS تشابهاً من الناحية التاريخية، مما يقدم دليلاً على أن السيناريو يستند إلى أنماط واقعية وليس مجرد اختراع عشوائي.

ومع ذلك، يوضح البحث بحذر أن هذه الأداة هي أداة للاستكشاف، وليست بلورة سحرية للتنبؤ. فالذكاء الاصطناعي يولد سيناريوهات "مرشحة" يجب أن يراجعها خبراء بشريون. ويقترح المؤلفون أنه لاستخدام هذا في عمليات الاعتماد في العالم الحقيقي (مثل الحصول على موافقات رسمية من وكالات مثل FAA أو EASA)، يجب أن يكون الذكاء الاصطناعي جزءاً من نظام "الإنسان في الحلقة" (Human-in-the-Loop)، حيث يكون للبشر دائماً الكلمة الأخيرة.

باختصر، يظهر البحث أنه من خلال الجمع بين الصرامة المنطقية للخوارزميات التقليدية وقوة السرد القصصي للذكاء الاصطناعي الحديث، يمكننا بناء شبكة سلامة أفضل للسماء. الأمر لا يتعلق باستبدال الطيار أو المهندس؛ بل يتعلق بمنحهما مساعداً فائق القدرة لمساعدتهما على رؤية الأخطار غير المرئية قبل وقوعها.