Perspective independence, more than personas, drives LLM teams - and where they reverse

في عالم الذكاء الاصطناعي سريع التطور، يستكشف الباحثون كيفية جعل البرامج الحاسوبية التي تفهم اللغة أكثر موثوقية، خاصة عندما تُطلب منها حل مشكلات صعبة. وتعتمد إحدى الاستراتيجيات الشائعة على مطالبة الحاسوب بالتصرف كما لو كان فريقاً من خبراء مختلفين، لكل منهم وظيفة محددة، مثل طبيب قلب أو جراح، يعملون معاً للوصول إلى استنتاج. يعتمد هذا النهج على فكرة أن وجود أصوات متخصصة متنوعة سيؤدي إلى إجابات أفضل من مطالبة الحاسوب بتقديم استجابة واحدة مباشرة. ومع ذلك، ظل من غير الواضح ما إذا كان التحسن ناتجاً عن المسميات الوظيفية المحددة لهؤلاء الخبراء، أم ببساطة من حقيقة أن الحاسوب يولد أفكاراً متعددة ومستقلة قبل دمجها. وهذا السؤال يكتسب أهمية بالغة لأن هذه الأنظمة تُستخدم بشكل متزايد للمساعدة في مجالات عالية المخاطر مثل الطب، حيث يمكن أن يشكل الفرق بين التشخيص الصحيح والتشخيص الخاطئ فرقاً جوهرياً في حياة البشر.

لقد وضعت دراسة حديثة هدفها لفك الارتباط بين هذين الاحتمالين من خلال اختبار مدى كفاءة الترتيبات المختلفة في التعامل مع حالات طبية حقيقية. وقارن الباحثون بين طلب قياسي واحد مباشر موجه للحاسوب وبين طريقتين أكثر تعقيداً. في الطريقة الأولى، طلبوا من الحاسوب تقمص خمسة أدوار خبير مختلفة ضمن محادثة واحدة. وفي الطريقة الأخرى، قاموا بإنشاء خمس نسخ منفصلة ومعزولة من الحاسوب، يعمل كل منها كمتخصص مختلف، ثم استخدموا نسخة سادسة لتعمل كمنسق يستمع إلى جميع هؤلاء ويقوم بتوليف إجاباتهم. واختبروا هذه الأساليب على مئات الحالات المتعلقة بزيارات غرف الطواري والاستنتاج الطبي المعقد، باستخدام نظام يحاكي حكم الأطبب لتقييم النتائج.

وكشفت النتائج عن انقسام مفاجئ في الأداء اعتماداً على نوع المشكلة التي يتم حلها. فعندما اختبر الفريق الأنظمة على مجموعة واسعة من الحالات الطبية المصممة للتحقق من عدد الاحتمالات الصحيحة التي يمكن للحاسوب سردها، تفوق فريق الوكلاء المعزولين على الطلب المباشر الواحد. فقد وجد الفريق المعزول إجابات صحيحة أكثر في أفضل ثلاثة واقتراحات وخمسة اقتراحات، وكان الفرق ذا دلالة إحصائية. وأظهر تحليل إضافي أن هذا النجاح لم يكن بسبب تظاهر الحاسوب بأنه متخصص؛ بل جاءت الفائدة من حقيقة أن الوكلاء كانوا يولدون أفكارهم بشكل مستقل ثم جعلوا منسقاً يجمعها. لم تضف المسميات أو الأدوار المحددة الممنوحة للوكلاء أي قيمة إضافية؛ بل كانت الفائدة تكمن بحت في هيكلية وجود عقول منفصلة تعمل بالتوازي ثم تجتمع معاً.

ومع ذلك، تغيرت القصة تماماً عندما طبق الباحثون نفس هذه الأساليب على سيناريوهات واقعية لغرف الطوارئ. ففي هذه البيئة الأكثر فوضوية وحساسية للوقت، تفوق الطلب المباشر الواحد على فريق الوكلاء المعزولين. حيث حدد الطلب المباشر المشكلة الأساسية بشكل صحيح في حوالي 40 بالمائة من الحالات، بينما تمكن نهج الفريق من فعل ذلك في حوالي 34 بالمائة فقط. في هذا السياق المحدد، انقلت الميزة، وكانت الفائدة مدفوعة بقوائم أدوار المتخصصين بدلاً من التوليد المستقل للأفكار. وتشير الدراسة إلى أنه لا توجد طريقة واحدة مثلى لتنظيم فرق الذكاء الاصطناعي هذه؛ إذ يعتمد النهج الأكثر فعالية كلياً على نوع السؤال المطروح وطبيعة المعلومات المتاحة، مما يعني أن الاستراتيجية التي تنجح لنوع معين من التحديات الطبية قد تفشل في نوع آخر.