تخيل أنك تسير داخل مكتبة ضخمة وصاخبة حيث تحاول الكتب مساعدتك في حل لغز ما. في عالم الذكاء الاصطناوي، هناك جدل كبير حول كيفية تواصل هؤلاء المساعدين الرقميين معنا. لفترة طويلة، كان النهج المعياري يشبه أمين مكتبة صارم يشير إلى كتاب واحد ويقول: "هذا هو الجواب. ثق بي". هذا ما يسمى بـ "التوصية" (Recommendation)، وبينما هي سريعة، إلا أنها غالباً ما تجعلنا نتوقف عن التفكير بأنفسنا. قد نتبع النصيحة بشكل أعمى أو نتجاهلها تماماً دون فهم السبب. ولكن هناك فكرة أحدث وأكثر إثارة تسمى الذكاء الاصطناعي التقييمي (Evaluative AI). بدلاً من الصراخ بإجابة نهائية واحدة، يعمل هذا النوع من الذكاء الاصطناي كمدرب مناظرة ودود؛ فهو يعرض لك عدة نظريات محتملة حول ما يحدث، ويوضح لك الأدلة المؤيدة لكل منها، وكذلك الأدلة المعارضة لها. إنه يدعوك للتدخل، والاطلاع على القرائن، وتقرر بنفسك أي نظرية هي الأكثر منطقية. هذا يبقيك في مقعد القيادة، مما يجعل الذكاء الاصطناعي شريكاً وليس رئيساً.

تقترح هذه الورقة البحثية، التي كتبها فريق من الباحثين من جامعات في المملكة المتحدة وأستراليا، طريقة محددة وقوية لبناء هذا النوع من ذكاء "مدرب المناظرة". ويرى المؤلفون أن أفضل أداة لهذه المهمة هي ما يسمى بـ المرافعة (Argumentation). لا تنظر إلى هذا ليس كشجار صاخب، بل كلعبة "توصيل النقاط" منظمة حيث كل قطعة من الأدلة هي عقدة (Node)، والروابط بينها توضح كيف تدعم بعضها البعض أو تهاجم بعضها البعض. يقترح المؤلفون استخدام إطار عمل رياضي يسمى أطر المرافعة ثنائية القطب الكمية الموزونة (wQBAFs). وباللغة البسيطة، هذه طريقة لرسم خريطة حيث يكون لكل دليل "درجة ثقة" (مدى قوته) وكل اتصال له "وزن" (مدى تأثيره). ومن خلال معالجة هذه الأرقام، يمكن للذكاء الاصطناعي إنشاء قائمة مرتبة لأفضل النظريات، وليس مجرد تخمين واحد. تشير الورقة إلى أن هذه الطريقة تتفوق على الطرق القديمة لأنها شفافة — حيث يمكنك رؤية سبب تصنيف نظرية ما بأنها عالية — والأهم من ذلك، أنها قابلة للطعن (Contestable). إذا كنت، أنت كبشر، تعتقد أن دليلاً ما خاطئ أو أن اتصالاً ما ضعيف، يمكنك تحدي ذلك، وتعديل الأرقام، ومشاهدة الترتيب وهو يتغير. هذا يحول الذكاء الاصطناعي من "صندوق أسود" إلى ورشة عمل تعاونية حيث يمكن للبشر والآلات الجدال، والتحسين، والاتفاق على أفضل مسار للمضي قدماً.

الفكرة الجوهرية: من "إليك الإجابة" إلى "لنناظر"

يبدأ المؤلفون بالإشارة إلى خلل في كيفية استخدامنا المعتاد للذكاء الاصطناعي. تعمل معظم الأنظمة وفق نموذج "التوصية ثم التبرير". يختار الذكاء الاصطناعي فائزاً، ثم يحاول تبريره. ما المشكلة؟ تُظهر الدراسات أن هذا يجعل الناس يتوقفون عن التفكير؛ فإما يصابون بـ "التركيز المعرفي" (Cognitive Fixation) — أي التحديق في خيار الذكاء الاصطناعي مثل أرنب مسحور — أو يتجاهلونه تماماً دون تفكير ثانٍ.

ولإصلاح ذلك، تناصر الورقة البحثية الذكاء الاصطناعي التقييمي (EAI). فبدلاً من تقديم توصية واحدة لك، يقدم EAI قائمة من الفرضيات المحتملة (التخمينات) جنباً إلى جنب مع "الإيجابيات" و"السلبيات" لكل منها. تخيل طبيباً يستخدم الذكاء الاصطناعي لتشخيص مريض؛ بدلاً من أن يقول الذكاء الاصطناعي: "إنه بالتأكيد التهاب رئوي"، قد يقول: "هناك ثلاثة احتمالات: التهاب رئوي فيروسي، أو التهاب رئوي بكتيري، أو ربو. إليك الأدلة الداعمة لكل منها، وإليك الأدلة التي تعارضها. أنت من يقرر".

الحل: لعبة "خريطة الحجج"

تقترح الورقة أن أفضل طريقة لبناء هذا النظام هي استخدام المرافعة (Argumentation). يقترح المؤلفون هيكلاً رياضياً محدداً يسمى wQBAF (إطار المرافعة ثنائي القطب الكمي الموزون). دعونا نفكك هذا باستخدام استعارة.

تخيل شبكة ضخمة عائمة من العقد المتوهجة:

• العقد: بعض العقد هي أدلة (مثل "حمى عالية" أو "سعال")، وبعضها فرضيات (مثل "التهاب رئوي فيروسي" أو "ربو").
• الروابط: خطوط تربط هذه العقد. بعض الخطوط خضراء (دعم)، مما يعني "هذا الدليل يجعل تلك النظرية أكثر احتمالاً". والبعض الآخر حمراء (هجوم)، مما يعني "هذا الدليل يجعل تلك النظرية أقل احتمالاً".
• الأوزان: كل عقدة تبدأ بـ درجة أساسية (مدى قوة الدليل في الأصل). وكل خط له وزن (مدى تأثير ذلك الاتصال).

في مثال الورقة، يعاني المريض من حمى عالية وسعال. هذه هي العقد الابتدائية. قد تدعم الحمى بقوة "الالتهاب الرئوي الفيروسي" ولكنها تدعم "الربو" بشكل ضعيف. الذكاء الاصطناعي لا يخمن فحسب؛ بل يجري عملية حسابية. ينظر إلى الدرجات الأساسية وقوة الروابط، ثم "يعيد حساب" قوة كل فرضية بناءً على شد وجذب الخطوط الخضراء والحمراء.

النتيجة ليست إجابة واحدة، بل قائمة مرتبة. الفرضية ذات القوة النهائية الأعلى تقع في الأعلى، تليها التالية في الأفضلية، وهكذا. في مثال الرعاية الصحية الوارد في الورقة، قد يرتب النظام "العلاج المضاد للفيروسات" و"المضادات الحيوية" كمتساويين في القوة (كلاهما بدرجة قوة 0.40)، بينما يكون "موسع الشعب الهوائية" أقل (0.31).

لماذا هذا النهج مميز؟

يجادل المؤلفون بأن هذا النهج الجدلي يمتلك ثلاث قدرات خارقة تفتقر إليها الطرق الأخرى:

1. القابلية للتفسير (Explainability): بما أن النظام مبني على خريطة مرئية للحجج، فإنه يستطيع شرح لماذا تم تصنيف فرضية ما بأنها عالية. يمكنه الإشارة إلى عقدة "الحمى العالية" المحددة والخط الأخضر القوي الذي يربطها بـ "الالتهاب الرئوي الفيروسي ويقول: "هذا هو سبب اعتقادنا أن هذا هو الخيار الأول". إنه ليس سحراً؛ بل مسار يمكن تتبعه.
2. القابلية للطعن (Contestability): هذه هي النقطة الأهم. في العديد من أنظمة الذكاء الاصطناعي، إذا اختلفت معها، فأنت عالق. هنا، ولأن النظام مجرد خريطة من الأوزان والروابط، يمكنك تغيير الخريطة. إذا كنت تعتقد أن عرض "السعال" ليس مهماً بقدر ما يعتقده الذكاء الاصطناعي، يمكنك خفض وزنه. إذا كان لديك دليل جديد، يمكنك إضافة عقدة جديدة. يقوم النظام فوراً بإعادة حساب الترتيب. هذا يحول المستخدم من مراقب سلبي إلى مشارك نشط يمكنه تحدي منطق الذكاء الاصطناعي.
3. التعاون بين الوكلاء المتعددين (Multi-Agent Collaboration): تتصور الورقة مستقبلاً حيث يقوم "وكلاء" مختلفون (ربما يكون أحدهم طبيباً بشرياً، والآخر قاعدة بيانات متخصصة، والثالث نموذج ذكاء اصطناعي مختلف) بكل منهم بناء خرائط حُججه الخاصة. يمكنهم بعد ذلك دمج خرائطهم، والمجادلة مع بعضهم البعض، ودمج آرائهم لإنشاء ترتيب نهائي أقوى وأكثر متانة. إنه يشبه طاولة مستديرة للخبراء حيث يحضر كل منهم ملاحظاته الخاصة، ويتجادلون حتى يجدوا أفضل حل معاً.

قواعد اللعبة

للتأكد من أن هذا النظام يتصرف بعقلانية، يقترح المؤلفون مجموعة من "المبادئ" التي يجب أن يتبعها نظام الترتيب. إنها تشبه قواعد لعبة عادلة:

• الرتابة (Monotonicity): إذا أضفت المزيد من الأدلة الداعمة لنظرية ما، فإن ترتيبها لا ينبغي أن ينخفض أبداً.
• التوازن (Balance): إذا أضفت كميات متساوية من أدلة "المؤيد" و"المعارض"، فلا ينبغي أن يتغير الترتيب.
• الهيمنة (Dominance): إذا كانت إحدى النظريات تمتلك أدلة داعمة أكثر أو أقوى من غيرها (مع نفس الأدلة المعارضة)، فيجب تصنيفها في مرتبة أعلى.
• المتانة (Robustness): التغييرات الصغيرة في البيانات لا ينبغي أن تسبب انقلاب الترتيب بالكامل بشكل جنوني.
• القابلية للتفسير والطعن: كما ذكرنا، يجب أن يكون النظام قادراً على شرح منطقه والسماح للبشر بتحديه.

تشير الورقة إلى أن العديد من الطرق الرياضية الموجودة للمرافعة تستوفي بالفعل القواعد الأربع الأولى، لكن المؤلفين يقترحون أننا بحاجة إلى الاستمرار في تطوير طرق جديدة لضمان أن يكون النظام أيضاً متيناً وقابلاً للطعن حقاً.

الحدود والمستقبل

يتحلى المؤلفون بالحذر في عدم الادعاء بأنهم حلوا كل شيء. فهم يعترفون بأن بناء خرائط الحجج هذه أمر صعب. في الوقت الحالي، يعد جعل الذكاء الاصطناعي يحدد جميع الحجج والروابط والأوزان بشكل صحيح عقبة رئيسية. ويقترحون أن "نماذج اللغات الكبيرة" الأحدث (الدردشة الذكية التي نعرفها) قد تساعد في بناء هذه الخرائط تلقائياً، لكن الأمر ليس مثالياً بعد.

كما يحذرون من ميزة "القابلية للطعن". إذا كان بإمكان البشر تغيير الأوزان، فما الذي يمنع شخصاً ما من العبث بالنظام عن قصد؟ يقترحون أننا قد نحتاج إلى أنظمة "مرخصة" حيث يمكن لمستخدمين موثوقين فقط تغيير القواعد، أو طرق لوزن مدى موثوقية الشخص الذي يقوم بالتغيير.

أخيراً، يقرون بأنه في عالم متعدد الوكلاء، قد يختلف الخبراء المختلفون بعمق. في بعض الأحيان، لن تكون هناك إجابة واحدة "صحيحة". الهدف من نظامهم ليس إجبار الجميع على الاتفاق، بل إدارة هذا الاختلاف بطريقة منظمة وشفافة بحيث يمكن للبشر التنقل في هذا الصراع.

باختصار، هذه الورقة لا تقترح مجرد خوارزمية جديدة؛ بل تقترح فلسفة جديدة للذكاء الاصطناعي. إنها تشير إلى أن مستقبل الآلات الذكية لا يتعلق بكونها أذكى شخص في الغرفة، بل بكونها أفضل ميسّر للمناظرة البشرية، حيث تساعدنا على وزن الأدلة، وتحدي افتراضاتنا، والوصول إلى قرارات يمكننا الوثوق بها حقاً.