Social Chain of Thought: A Multi-Agent Architecture Grounded in Medical Differential Diagnosis Methodology
تقدم هذه الورقة البحثية "سلسلة التفكير الاجتماعي" (SCoT)، وهي بنية متعددة الوكلاء قائمة على منهجية التشخيص التفريقي الطبي، والتي تتفوق على نماذج الاستدلال أحادية الهيكل ونماذج التوسع المرجعية من خلال استخدام محادثات تداولية متعددة الجولات بين المتخصصين لتحسين استدعاء التشخيص بشكل كبير، لا سيما في الحالات المعقدة.
المؤلفون الأصليون:Del Coburn, Scott Sanner, Dan Silver
تخيل أنك تحاول حل لغز غامض حقاً، مثل قصة بوليسية تكون فيها الأدلة مربكة والجاني قد يكون أي شخص. في عالم الذكاء الاصطناعي، هناك فكرة شائعة تسمى "سلسلة الأفكار" (Chain of Thought)، وهي تشبه مطالبة محقق واحد فائق الذكاء بأن يفكر بصوت عالٍ، خطوة بخفظوة، لحل القضية. لفترة طويلة، اعتقد الناس أنه إذا جعلوا المحقق أكثر ذكاءً أو منحوه مزيداً من الوقت للتفكير، فسوف يصبحون أفضل في حل كل شيء. ولكن ماذا لو لم تكن المشكلة في أن المحقق ليس ذكياً بما يكفي، بل في أنه ينظر إلى اللغز من زاوية واحدة فقط؟ هنا يأتي دور مجال بحثي جديد يسمى "الأنظمة متعددة الوكلاء" (multi-agent systems). بدلاً من محقق واحد، تخيل فريقاً من المتخصصين، طبيب، وميكانيكي، وطباخ، ومؤرخ، جميعهم يجلسون حول طاولة، يتجادلون، ويتناقشون، ويجمعون بين وجهات نظرهم الفريدة لحل اللغز. تسأل هذه الورقة سؤالاً كبيراً: هل من الأفضل وجود عبقري واحد يفكر بعمق، أم فريق متنوع من الخبراء يتحدثون مع بعضهم البعض؟ هذا الأمر مهم لأننا بدأنا نستخدم الذكاء الاصطناعي للمساعدة في اتخاذ قرارات مهمة، مثل تشخيص سبب مرض المريض، ونحن بحاجة لمعرفة ما إذا كان ذكاء اصطناعي واحد كافياً أم أننا بحاجة إلى فريق "اجتماعي" كامل للقيء بالصواب.
تقدم الورقة طريقة جديدة تسمى "سلسلة الأفكال الاجتماعية" (Social Chain of Thought - SCoT). فكر في الأمر كأنه برنامج مسابقات مهيكل للذكاء الاصطناعي، حيث يتم إنشاء فريق من خمسة متخصصين طبيين افتراضيين لكل حالة مريض. هؤلاء المتخصصون ليسوا عشوائيين؛ بل يتم منحهم "شخصيات" أو أدواراً محددة، مثل طبيب قلب أو طبيب أعصاب، اعتماداً على الأعراض. تمر العملية بسبع جولات. أولاً، ينظر الفريق إلى قصة المريض. ثم يلعبون لعبة "الفرز" (triage)، لتحديد ما قد يكون حالة طارئة. بعد ذلك، يكتب كل متخصص قائمته الخاصة لما يعتقد أنه الخطأ. وبعد ذلك، يدمجون كل تلك القوائم في "قائمة رئيسية" واحدة كبيرة. ثم يأتي الجزء الممتع: المناظرة. يتجادل المتخصصون حول القائمة، ويدعمون بعض الأفكاء بالأدلة، ويتحدون أفكاراً أخرى، ويطرحون الأسئلة. أخيراً، يصوتون لإنشاء قائمة نهائية ومرتبة للتشخيصات المحتملة. اختبر الباحثون هذا الأسلوب مقابل ذكاء اصطناعي واحد يعمل بمفرده، ووجدوا أن نهج الفريق كان أفضل بكثير في إيجاد الإجابة الصحيحة، خاصة عندما تكون الحالة صعبة للغاية.
النتيجة الأكثر إثارة هي أن سحر "العمل الجماعي" هذا لا يعمل إلا إذا كان الذكاء الاصطناعي ذكياً بما يكفي لإدارة المحادثة. فعندما جرب الباحثون هذا مع ذكاء اصطناعي صغير جداً وأقل قوة (واحد يحتوي على 1.5 مليار معلمة)، كان الفريق في الواقع يؤدي بشكل أسوأ من الذكاء الاصطناي الواحد الذي يعمل بمفرده. كان الأمر أشبه بوضع مجموعة من الأشخاص المرتبكين في غرفة واحدة؛ فقد كانوا يتجادلون فقط ويصلون إلى إجابة خاطئة. ولكن بمجرد أن أصبح الذكاء الاصطناعي أكبر قليلاً (3 مليارات معلمة أو أكثر)، بدأ الفريق في التألق. بالنسبة لهذه النماذج القادرة، أدى النهج الاجتماعي إلى تحسين القدرة على إيجاد التشخيص الصحيح بنسبة تتراوح بين 4 إلى 12 نقطة مئوية. تشير الورقة إلى أن الفريق يكون أكثر فائدة عندما تكون الحالة صعبة حقاً. في أصعب الحالات، حيث يفشل الذكاء الاصطناعي المنفرد تماماً، تمكن الفريق من "إنقاذ" التشخيص الصحيح في حوالي نصف تلك الحالات من خلال تنقيح أفكارهم عبر المناظرة.
ومن الأهمية بمكان أن الورقة تنفي فكرة أن الفريق يفوز لمجرد أنه يقوم بـ "مزيد من العمل". اختبر الباحثون ذلك بجعل ذكاء اصطناعي واحد يمر عبر نفس الجولات السبع من التفكير، مراراً وتكراراً، باستخدام نفس القدر من قدرة الحاسوب المستخدمة لفريق الخمسة أشخاص. والنتيجة؟ أصبح الذكاء الاصطناعي الواحد أسوأ في إيجاد الإجابة الصحيحة (انخفاض الاستدعاء/recall) ولكنه أصبح أفضل في التأكد من الإجابات التي يقدمها (ارتفاع الدقة/precision). كان الأمر كما لو أن الذكاء الاصطناعي الواحد أصبح واثقاً جداً وتوقف عن البحث عن احتمالات جديدة. ومع ذلك، استخدم الفريق وجهات نظرهم المختلفة لإلقاء شبكة أوسع، مما مكنهم من إيجاد المزيد من الإجابات الصحيحة التي فاتتها الذكاء الاصطناعي المنفرد. وهذا يشير إلى أن الفائدة تأتي من الجانب "الاجتماعي" — أي الاحتكاك والتعاون بين وجهات النظر المختلفة — وليس فقط من امتلاك المزيد من قدرة الحوسبة.
يقول المؤلفون بحذر إن هذا مجرد محاكاة تعتمد على مجموعة محددة من 570 حالة طبية، وهذا لا يعني أن الذكاء الاصطناعي يجب أن يحل محل الأطباء الحقيقيين. وهم يؤكدون أنه بالنسبة للحالات الصعبة جداً، فإن "التوسع الاجتماعي" للفريق هو ما يساعد النظام على التفكير خارج الصندوق. ومع ذلك، فهم يحذرون أيضاً من أنه إذا لم يكن الذكاء الاصطناعي ذكياً بما يكفي منذ البداية، فإن إضافة المزيد من الأصوات ستؤدي فقط إلى الفوضى. وتخلص الورقة إلى أنه بالنسبة للمشكلات المعقدة مثل التشخيص الطبي، لا ينبغي لنا الاعتماد فقط على ذكاء اصطناعي عبقري ومنعزل. بدلاً من ذلك، يجب علينا تصميم أنظمة تسم تسمح بعملية "تداولية"، حيث يمكن لوجهات النظر المختلفة أن تتصادم وتتحد لإيجاد الحقيقة، تماماً كما يفعل فريق طبي حقيقي في المستشفى.
ملخص تقني: سلسلة التفكير الاجتماعي (SCoT)
بيان المشكلة
يُعد الاستنتاج التشخيصي الطبي مجالاً عالي المخاطر للنماذج اللغوية الكبيرة (LLMs)، حيث تُعد الشفافية والدقة أمرين بالغي الأهمية. وبينما تهيمن النماذج اللغوية الضخمة أحادية النموذج على تطبيقات الذكاء الاصطناي الطبي الحالية، إلا أنها تواجه قيوداً متأصلة في التشخيص التفريقي المعقد، لا سيما فيما يتعلق بـ "مشكلة الداخلانية" (endogeneity problem) للتقييم الذاتي. وكما أشار هوانج وآخرون (2024)، فإن التقييم الذاتي للنموذج الواحد ينشر انحيازات الارتباط المتأصلة في مصدر التوليد، وهو أمر لا يمكن حله بمجرد زيادة عدد المعلمات أو زيادة وقت الاستدلال. علاوة على ذلك، لم تحدد النهج متعدد الوكلاء الحالية بوضوح متى تكون هذه الأنظمة ضرورية، ولماذا تتفوق على الاستدلال أحادي النموذج، أو كيف تتعامل مع المقايضة بين توسيع الحوسبة والتباين الهيكلي. التحدي الجوهري هو تحديد ما إذا كان التداول متعدد الوكلاء المنظم يمكنه استعادة التشخيصات الصحيحة التي تفقدها النماذج الفردية، خاصة في الحالات الصعبة، دون الاعتماد ببساة على التوسع بالقوة الغاشمة للحوسبة.
المنهجية
تقدم الورقة البحثية سلسلة التفكير الاجتماعي (SCoT)، وهي مسار متعدد الجولات مصمم لهيكلة التفاعل متعدد الوكلاء كإطار عمل تداولي للتعاون في الاستنتاج. وتستند المنهجية إلى التشخيص التفريقي الطبي وطرق "دلفي" السريرية.
البنية والمسار
تعمل SCoT على نموذج لغوي كبير في الخلفية (تم اختباره عبر نماذج متنوعة مفتوحة المصدر ومغلقة المصدر) لتوليد لجنة من خمسة متخصصين طبيين. يتم "تكييف شخصيات" هؤلاء الوكلاء لمحاكاة تخصصات طبية متميزة ذات صلة بالحالة المدخلة. يتكون المسار من سبع جولات متميزة:
التصنيف المتخصص: يقيم الوكلاء الحالة من منظور تخصصهم الخاص ويقيمون مدى صلتهم بها.
إدارة الأعراض: يقوم الوكلاء بعملية فرز (triage)، تحاكي علاج الحالات الواضحة أو المهددة للحياة قبل استشارة المتخصصين.
التشخيصات التفريقية المستقلة للفريق: يقدم كل وكيل قائمة مستقلة بالتشخيصات المحتملة بناءً على تخصصه.
القائمة الرئيسية: تُجمع التشخيصات التفريقية المستقلة في قائمة واحدة غير مرتبة ومزال منها التكرار.
التحسين (Refinement): مرحلة نقاش مكونة من ثلاث جولات فرعية حيث يدعم الوكلاء أو يعارضون أو يلتزمون الحياد تجاه التشخيصات الموجودة في القائمة الرئيسية. يجب على الوكلاء تقديم الأدلة، والتفكير في التحديات، وتحديث مواقفهم بناءً على الأدلة المضادة.
التصويت: يقوم الوكلاء بترتيب التشخيصات حسب احتمالية حدوثها. تُجمع الدرجات باستخدام طريقة حساب "بوردا" (Borda counting)، وتُوزن بناءً على مكونات استدلالية (البصيرة التشخيصية، الشمول، والقابلية للتنفيذ).
لا يمكن تفويته (Can't Miss): فحص سلامة نهائي حيث يحدد الوكلاء التشخيصات الحرجة أو المهددة للحياة التي قد تكون قد غابت عن الانتباه.
التصميم التجريبي
تم تقييم النظام باستخدام معيار Open-XDDx، وهو مجموعة بيانات من 570 حالة سريرية من إعداد أطباء.
المقارنة المرجعية (Baselines): تمت مقارنة الأداء مقابل الاستدلال أحادي الوكيل مقابل نهج "أفضل من n" (Best-of-n) القائم على التوسع (أخذ عينات متكررة مع تصويت الأغلبية).
دراسات الاستئصال (Ablation Studies):
حجم النموذج: تم الاختبار عبر نماذج Qwen-2.5 (من 1.5B إلى 32B)، وGemma-4، ومتغيرات GPT-5 لتحديد عتبات الجدوى.
عدد الوكلاء: تمت المقارنة بين تكوينات 5 وكلاء مقابل 3 وكلاء.
مسار الوكيل الواحد: تم تشغيل وكيل واحد عبر مسار SCoT الكامل المكون من 7 جولات لعزل تأثير الهيكلية عن تباين الوكلاء.
درجة الحرارة (Temperature): تم اختبار شخصيات الوكلاء "المبتكرة" (0.7) مقابل "المحافظة" (0.3).
المقاييس: مقاييس استرجاع المعلومات القياسية (الاستدعاء، الدقة، F1) المكيفة للتشخيص التفريقي، والتي تقيس الإيجابيات الحقيقية (استعادة الحقيقة الأرضية)، والسلبيات الكاذبة (التشخيصات المفقودة)، والإيجابيات الكاذبة.
المساهمات الرئيسية
مسار SCoT: بنية قابلة لإعادة الإنتاج ومفتوحة المصدر للأنظمة متعددة الوكلاء في الاستنتاج التشخيصي التطبيقي.
إطار عمل مفتوح المصدر: إطار لدراسة SCoT كأداة دعم في البيئات السريرية.
دليل على التوسع الاجتماعي: أثبتت أن مكاسب أداء تعدد الوكلاء متميزة عن توسيع الموارد (الحوسبة)، مما يظهر أن التباين هو ما يقود تحسينات الاستدعاء التي لا يستطيع الاستدلال أحادي النموذج تكرارها.
رؤى الاستئصال: عزلت مقاييس الأداء عن طريق إزالة تأثيرات التوسع متعدد الجولات، مما يثبت أن الجانب "الاجتماعي" (التفاعل) هو المحرك الأساسي للتحسين، وليس مجرد عدد مرات الاستدلال.
عتبات الجدوى: حددت حداً أدنى من قدرة النموذج (بين 1.5B و3B معلمة) الذي يصبح دونه التباين متعدد الوكلاء غير مستقر بدلاً من أن يكون منتجاً.
النتائج
تحسين الاستدعاء (Recall): حسنت SCoT الاستدعاء بمقدار 4 إلى 12 نقطة مئوية عبر معظم النماذج الخلفية مقارنة بالنماذج أحادية الوكيل المرجعية.
عتبة الجدوى: أظهر نموذج 1.5B (Qwen-2.5-1.5B) تدهوراً في الأداء (-3.7 نقطة مئوية) في ظل SCoT، مما يشير إلى أن النماذج التي تقل عن عتبة قدرة معينة تفتقر إلى المعرفة اللازمة لنقد المقترحات الضعيفة من الوكلاء الآخرين بفعالية. ومع ذلك، حقق نموذج 3B زيادة قدرها +11.8 نقطة.
الهيكلية مقابل الحوسبة:
مسار الوكيل الواحد: عندما مر وكيل واحد عبر مسار SCoT، تدهور الاستدعاء (-5.44 نقطة) بينما زادت الدقة. يشير هذا إلى أن المسار يعمل كمرشح يضيق نطاق المرشحين، وهو أمر مفيد للدقة ولكنه ضار للاستدعاء بدون التباين.
أفضل من n (Best-of-n): فشل أخذ العينات المتكررة (Best-of-35) في مضاهاة استدعاء تكوين SCoT المكون من 5 وكلاء، مما يؤكد أن المكاسب ليست مجرد نتيجة لزيادة الحوسبة بل لتنوع وجهات النظر.
الإجماع المشروط بالصعوبة: قدمت SCoT أكبر المكاسب في الحالات الأكثر صعوبة (حيث كان أداء النماذج أحادية الوكيل ضعيفاً).
في الربع الأصعب (Q1)، رفعت SCoT درجة F1 بمقدار 15.1 نقطة مئوية (زيادة نسبية قدرها 71.4%).
في الحالات الأسهل (Q4)، أدت SCoT في الواقع إلى تقليل الدقة بمقدار 8.3 نقطة، مما يشير إلى "الإفراط في التفكير" في الحالات البسيطة.
بالنسبة للحالات التي فشلت فيها النماذج المرجعية تماماً (صفر استعادة للحقيقة الأرضية)، استعادت SCoT تشخيصاً واحداً على الأقل في 53.9% من الحالات.
ديناميكيات التقارب: في الحالات الصعبة، تم استعادة جزء كبير من التشخيصات الصحيحة (ما يصل إلى 36% في حالات فشل النموذج المرجعي) خلال جولات التحسين في المراحل المتأخرة، مما يثبت أن التوسع الاجتماعي يسمح للنظام بمراجعة المواقف الأولية واستعادة التشخيصات المفقودة.
الأهمية والادعاءات
تدعي الورقة أن SCoT تقدم نهجاً مكملاً للتوسع التكراري لأنظمة التشخيص الطبي. وتكمن أهميتها في إثبات أن التوسع الاجتماعي — أي هيكلة التفاعل لتشجيع التداول والاستكشاف المتنوع — ضروري لمهام الاستنتاج المعقدة حيث يواجه الاستدلال أحادي النموذج صعوبة.
ويرى المؤلفون أنه بالنسبة للمجالات عالية المخاطر مثل الرعاية الصحية، فإن الاعتماد فقط على التحسين ومسارات الاستدلال الضيقة يضع المستخدمين في خطر. تستفيد SCoT من القدرة المتأصلة للنماذج اللغوية الكبيرة على الاستنتاج التداولي لتوسيع مساحة الاستدلال النشط. النظام ليس مصمماً ليكون بديلاً للرعاية البشرية، بل كآلية لاستعادة التشخيصات الصحيحة في السيناريوهات غير اليقينية أو المعقدة حيث تفشل النماذج الفردية. وتخلص الورقة بتواضع إلى أنه بينما تبدو SCoT واعدة في دفع النماذج للنظر في البدائل التي قد تفقدها في عزلتها، فإن جدواها تعتمد على قدرة النموذج الأساسي على دعم التوازن بين التباين والإجماع. ويُقترح كعمل مستقبلي استكشاف هذه الديناميكيات في مجالات تتجاوز الاستنتاج التشخيصي.