← أحدث الأبحاث
🤖 AI

Discovering Adaptive Transmission Programs for Collective Innovation

تقدم هذه الورقة بروتوكولات نقل مدركة للحالة تم تصميمها عبر البحث التطوري الموجه بنماذج اللغات الكبيرة، والتي تعزز بشكل كبير أداء الاكتشاف الجماعي من خلال توجيه المعلومات ديناميكيًا بناءً على حالات الوكلاء والجماعة، متفوقة بذلك على النهج التقليدية القائمة على الشبكات ومظهرةً قدرة قوية على التعميم.

المؤلفون الأصليون: Cédric Colas, Jérémy Perez, Eleni Nisioti, Akhilesh Mocherla, Pierre-Yves Oudeyer, Clément Moulin-Frier, Maxime Derex

نُشر 2026-08-26
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Cédric Colas, Jérémy Perez, Eleni Nisioti, Akhilesh Mocherla, Pierre-Yves Oudeyer, Clément Moulin-Frier, Maxime Derex

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

البشر ليسوا عباقرة منعزلين؛ بل نحن نوعٌ يفكر معاً. إن أعظم إنجازاتنا، من الأدوات التي نستخدمها إلى المؤسسات التي نبنيها، لا تنبع من ومضة عبقرية واحدة، بل من التراكم البطيء والمستمر للمعرفة التي تُنقل وتُعاد صياغتها عبر الأجيال. ويعتمد هذا الذكاء الجماعي كلياً على كيفية انتقال المعلومات: مَن يشارك ماذا مع مَن، وكيف يشاركونه، ومتى يفعلون ذلك. لفترة طويلة، ركز العلماء الذين يدرسون هذه الظاهرة على شكل الروابط بين الناس، تماماً مثل النظر إلى خريطة الطرق لفهم حركة المرور. وقد وجدوا أن امتلاك الكثير من الروابط يمكن أن يجعل المجموعة تستقر على فكرة واحدة متوسطة الجودة بسرعة كبيرة، بينما يتركها امتلاك روابط قليلة معزولة. ومع ذلك، فإن هذه الرؤية القائمة على الخرائط بها نقطة عمياء: فهي تعامل كل مسافر على حد سواء، بغض النظر عما يعرفه أو إلى أين يتجه. وهي لا تستطيع أن ترى أن الشخص قد يحتاج إلى أداة معينة الآن، أو أن مشاركة محاولة فاشلة مع شخص يمتلك المكونات الصحيحة قد توفر الوقت. ويبقى السؤال هو ما إذا كان بإمكاننا تصميم أنظمة أفضل للمشاركة تهتم بالمحتوى الفعلي لما يتم مشاركته وبالحالة الراهنة للمجموعة.

لقد شرع فريق من الباحثين في حل هذه المعضلة عبر التعامل مع قواعد المشاركة ليس كخريطة ثابتة، بل كمجموعة مرنة من التعليمات التي يمكن أن تتغير بناءً على ما يحدث في اللحظة الراهنة. لقد أنشأوا محاكاة رقمية للعبة اكتشاف، مستوحاة من لعبة ألغاز شهيرة عبر الإنترنت يقوم فيها اللاعبون بدمج عناصر أساسية مثل الماء والنار لإنشاء أشياء جديدة مثل البخار أو الزجاج. وفي نسختهم، عملت مجموعة من الوكلاء الحاسوبيين، المبرمجين للتفكير والتعلم تماماً كما يفعل البشر، معاً لاكتشاف أكبر عدد ممكن من التركيبات الجديدة. أراد الباحثون إيجاد أفضل مجموعة ممكنة من القواعد لكيفية مشاركة هؤلاء الوكلاء لاكتشافاتهم. وبدلاً من تخمين هذه القواعد يدوياً، استخدموا نوعاً قوياً من الذكاء الاصطناعي لتطويرها. بدأ الذكاء الاصطناعي ببضع طرق بسيطة ومعيارية للمشاركة، ثم قام، عبر مئات الأجيال، بكتابة مجموعات جديدة وأكثر تعقيداً من التعليمات. اختبر كل مجموعة جديدة من القواعد في المحاكاة، واحتفظ بتلك التي ساعدت المجموعة على إيجاد المزيد من الاكتشافات، واستبعد تلك التي لم تفعل ذلك.

كانت النتائج مذهلة. فقد سمحت القواعد التي اكتشفها الذكاء الاصطناعي للمجموعات بالعثج المزيد من التركيبات الجديدة بشكل ملحوظ مقارنة بالطرق المعيارية المستخدمة في الدراسات السابقة. وفي عمليات المحاكاة، عززت القواعد المطورة أداء المجموعة بنسبة تصل إلى 37 في المائة مقارنة بأفضل الأساليب الموجودة. ثم اختبر الباحثون ما إذا كان هذا التحسن ناتجاً عن تعقيد القواعد أم مجرد كونها مختلفة. فقاموا بإنشاء نسخة من أفضل القواعد حافظت على نفس نمط من يتحدث مع من ومتى، ولكنها أزالت القدرة على النظر في ماهية ما يعرفه الوكلاء فعلياً قبل اتخاذ قرار بشأن ما يجب مشاركته. وعندما فعلوا ذلك، تلاشى امتياز الأداء تماماً. وقد أثبت هذا أن السر لم يكن في شبكة الروابط نفسها، بل في حقيقة أن القواعد الجديدة كانت "واعية بالحالة". فقد استطاعت رؤية ما يمتلكه الوكيل بالفعل، وما فشل في إنتاجه، وما اكتشفته المجموعة ككل، ومن ثم قامت بتوجيه المعلومات وفقاً لذلك.

تعلمت هذه القواعد الذكية القيام بأمور لا يمكن للشبكات البسيطة القيام بها أبداً. فقد تعلمت مشاركة الاكتشافات النادرة فقط مع أولئك الذين لا يمتلكونها، مما منع المجموعة من إضاعة الوقت في التكرار. وتعلمت إرسال المحاولات الفاشلة إلى الوكلاء الذين يمتلكون المكونات اللازمة، وكأنها تقول لهم بفعالية: "لديك الأجزاء، جرب هذا المزيج". وتعلمت إعطاء الأولوية للاكتشافات الحديثة عندما تحقق المجموعة تقدماً، ولكنها تعلمت إبطاء عملية المشاركة عندما تتعثر المجموعة. ولعل الأهم من ذلك، أنها تعلمت تنظيم المجموعة ديناميكياً، حيث تقوم أحياناً بإبقاء مجموعات فرعية معزولة لاستكشاف مسارات مختلفة بعمق، ثم تجمع بينهم لتبادل الأفكار في اللحظة المناسبة. ووجد الباحثون أن هذه القواعد لم تكن مجرد حوادث سعيدة لإعداد معين، بل نجحت بنفس القدر عندما تغير حجم المجموعة، أو عندما تم برمجة الوكلاء بطرق تفكير مختلفة، أو حتى عندما تم جعل اللعبة نفسها أصعب أو أسهل.

يشير هذا العمل إلى أن مستقبل التعاون البشري قد لا يعتمد على بناء شبكات اجتماعية أفضل، بل على تصميم بروتوكولات أفضل لكيفية تدفق المعلومات من خلالها. وتوضح الدراسة أنه يمكننا استخدام الذكاء الاصطناعي لاكتشاف المنطق الخفي للتنسيق الفعال، وإنشاء أنظمة تتكيف مع احتياجات اللحظة بدلاً من اتباع نص جامد. وبينما تأتي هذه النتائج من محاكاة حاسوبية، إلا أنها تشير إلى مستقبل يمكن فيه للذكاء الاصطناعي أن يساعد في تصميم البنية التحتية للفرق البشرية، والمؤسسات، والمجتمعات العلمية. ومن خلال تشكيل قواعد كيفية مشاركة ما نعرفه، قد نتمكن من إطلاق العنان لمستوى من الذكاء الجماعي لم نبلغه بعد، محولين معرفتنا المشتركة إلى محرك أكثر قوة للابتكار.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.AI →