The conditional superiority of fast silicon sampling

تخيل أنك تحاول التنبؤ بكيفية تفاعل حشد من الناس مع قانون جديد، أو فيلم غريب، أو صيحة طعام حار. في الماضي، كان عليك الخروج، وطرق الأبواب، وسؤال آلاف البشر الحقيقيين. ولكن الآن، لدينا "نماذج اللغات الكبيرة" (LLMs). فكر في هذه النماذج كأدمغة رقمية فائقة الذكاء قرأت كل شيء تقريبًا على الإنترنت. إنها بارعة جدًا في محاكاة المحادثة البشرية لدرجة أنها تستطيع التظاهر بأنها بشر. وقد أدى هذا إلى فكرة جامحة لدى الباحثين: بدلًا من سؤال بشر حقيقيين، لماذا لا نسأل الذكاء الاصطناي؟ وهذا ما يسمى "العينات السيليكونية" (silicon sampling). الأمر يشبه سؤال غرفة مليئة بالنسخ الرقم المكررة لتعبئة استطلاع رأي. ولكن هنا يبرز السؤال الكبير: إذا طلبنا من هذه النسخ الرقمية الإجابة بسرعة، وفي عجلة من أمرهم، فهل ستكون إجاباتهم جيدة؟ أم أننا بحاجة لسؤالهم سؤالًا تلو الآخر، ببطء وعنافة؟ تغوص هذه الورقة البحثية في هذا السؤال تحديدًا، وتختبر ما إذا كانت السرعة تقتل الدقة عندما يتعلق الأمر بمحاكة الآراء البشرية.

قرر الباحثون في هذه الدراسة وضع هذه الفكرة قيد الاختبار باستخدام مجموعة محددة: أشخاص من سنغافورة. لقد أخذوا استطلاعًا حقيقيًا تم تقديمه لأكثر من 2000 سنغافوري حقيقي حول موضوعات مثل الهجرة والقواعد الأخلاقية (مثل ما إذا كان من المقبول تقديم الضرائب بشكل غير صحيح أو التصرف بوقاحة). ثم استخدموا نموذج ذكاء اصطناعي متطور للغاية (GPT-5.4 من OpenAI) لإنشاء مجموعتين مختلفتين من "النسخ الرقمية". تم إنشاء المجموعة الأولى باستخدام الطريقة "البطيئة": حيث سُئل الذكاء الاصطناعي سؤالًا واحدًا في كل مرة، مع بداية جديدة لكل سؤال، تمامًا مثل إنسان يخوض اختبارًا. أما المجموعة الأخرى فقد استخدمت الطريقة "السريعة": حيث تم إعطاء الذكاء الاصطناعي قائمة الأسئلة بأكملها في مطالبة واحدة ضخمة ومعقدة وطلب منه إخراج جميع الإجابات دفعة واحدة.

كانت النتائج مزيجًا من "ليس سيئًا" و"ليس مثاليًا بالتأكيد". أولًا، الخبر السيئ: لم تكن النسخ الرقمية نسخًا مثالية للبشر الحقيقيين. فبينما كانوا جيدين بما يكفي لتخمين "متوسط" الآراء (على سبيل المثال، إذا كان معظم الناس الحقيقيين يعتقدون أن شيئًا ما "مقبول"، فإن الذكاء الاصطناعي اعتقد أيضًا أنه "مقبول")، إلا أنهم فشلوا في التقاط "تنوع" الآراء. البشر الحقيقيون لديهم نطاق واسع من المشاعر؛ البعض يحب شيئًا ما، والبعض يكرهه، والبعض الآخر يقف في المنتصف. ومع ذلك، مال الذكاء الاصطناعي إلى تسطيح كل شيء، مما جعل الجميع يبدون وكأنهم يشعرون بالطريقة ذاتها تمامًا. كما أخطأوا في فهم العلاقات بين الآراء المختلفة. فعلى سبيل المثال، في الحياة الواقعية، الأشخاص الذين يكرهون الهجرة قد يكرهون شيئًا آخر أيضًا بنمط معين. النسخ الرقمية للذكاء الاصطناعي لم تفهم ذلك النمط بدقة؛ إذ بدا "شكل" آرائهم مشوهًا مقارنة بالبشر الحقيقيين.

ومع ذلك، تأتي المفاجأة التي تجعل الورقة البحثية مثيرة. فقد وجد الباحثون أن الطريقة "السريعة" كانت في الواقع بجودة الطريقة "البطيئة"، بل وكانت أحيانًا أفضل منها قليلاً. وهذا أمر مفاجئ لأن الجميع افترض أن إعطاء الذكاء الاصطناعي قائمة ضخمة من الأسئلة دفعة واحدة سيجعله مرتبكًا أو أقل استجابة. لكن البيانات أظهرت أن النسخ الرقمية السريعة كانت مخلصة للبيانات الحقيقية تمامًا مثل النسخ البطيئة. في الواقع، كانت الطريقة السريعة موفرة هائلة للوقت؛ فقد استغرق توليد مجموعة كاملة من الإجابات لشخص واحد حوالي 3 ثوانٍ، مقارنة بـ 20 ثانية للطريقة البطيئة. كما استهلكت موارد حاسوبية (Tokens) أقل بنسبة 64% تقريبًا، وكلفت نصف المبلغ.

إذًا، ما هو الحكم النهائي؟ تخلص الورقة إلى أنه بينما لا تزال "العينات السيليكونية" طريقة تتطلب استخدامها "بحذر شديد" لأنها لا تلتقط بدقة الطبيعة الفوضوية والمتنوعة للفكر البشري، فإنك لست بحاجة لأن تكون بطيئًا للحصول على أفضل النتائج التي يمكنك الحصول عليها. إذا كنت ستستخدم الذكاء الاصطناعي لمحاكة الآراء البشرية، فيمكنك القيام بذلك بسرعة. فهي توفر الوقت والمال دون جعل الإجابات أسوأ. لكن المؤلفين يحذروننا من الحماس الزائد بعد: فهذه النسخ الرقمية لا تزال مجرد أدوات استكشافية. إنها رائعة لاختبار الأفكار أو رؤية كيفية سلوك نموذج ما، لكن لا ينبغي أن تحل محل الاستطلاعات البشرية الحقيقية عندما نحتاج إلى معرفة ما يفكر فيه السكان بدقة، خاصة في مكان متنوع مثل سنغافورة. النسخ الرقمية تتحسن في الأساسيات، لكنها لم تتعلم بعد كيف تكون بشرية حقًا.