كسر عقل الخلية للذكاء الاصطناعي: كيف يحارب Flint "تفكير الجماعة" في النماذج اللغوية الكبيرة

بينما تتفوق النماذج اللغوية الكبيرة مثل ChatGPT وClaude في البرمجة والبحث، فإنها تقع بشكل متزايد في فخ "تفكير الجماعة" المتوقع. ومع تقارب النماذج السائدة نحو استجابات مكررة وعالية الاحتمالية، تحاول شركة ناشئة جديدة ضخ قدر من التباين المطلوب بشدة في منظومة الذكاء الاصطناعي التوليدي.

المشكلة: تأثير "عقل الخلية الاصطناعي"

يتمثل أحد القيود الكبيرة في تطوير النماذج اللغوية الكبيرة (LLM) حالياً في ميل النماذج نحو الإجابة الأكثر احتمالاً من الناحية الإحصائية، مما يؤدي إلى ظاهرة يطلق عليها الباحثون اسم "عقل الخلية الاصطناعي". وقد كشفت ورقة بحثية حائزة على جائزة NeurIPS بعنوان "Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)" عن هذا التكرار المتجذر.

اختبر الفريق البحثي 25 نموذجاً لغوياً كبيراً مختلفاً، بما في ذلك النماذج الأمريكية الكبرى والنسخ مفتوحة المصدر من الصين. وعندما طُلب منهم تقديم استعارة لـ "الزمن"، تقاربت الغالبية العظمى من الـ 1,250 استجابة نحو عبارات مبتذلة مثل "الزمن نهر" أو "الزمن نساج". هذا النقص في التنوع ليس مجرد سمة عارضة، بل هو نتاج ثانوي لتدريب النماذج على مجموعات بيانات متشابهة بهدف أساسي هو تعظيم الموثوقية والتماسك. وقد أقرت OpenAI بأن السعي وراء التجديد قد يؤدي أحياناً إلى استجابات أضعف وأقل موثوقية، ولهذا السبب تعتمد معظم النماذج بشكل افتراضي على مخرجات "عالية الاحتمالية" وآمنة.

ظهور Flint: إعطاء الأولوية للتنوع على القدرة على التنبؤ

تتحدى الشركة الأسترالية الناشئة Springboards هذا الوضع الراهن من خلال نموذجها الجديد، Flint. وخلافاً للنماذج السائدة التي تحارب "الهلوسة" بأي ثمن، يرى Pip Bingemann، الرئيس التنفيذي لشركة Springboards، أن قدراً من التباين غير المتوقع ضروري للمهام الإبداعية.

في الاختبارات العملية، يبدو الفرق في توزيع المخرجات صارخاً:

• العشوائية: عند طلب رقم عشوائي، غالباً ما كانت ChatGPT وClaude تعتمدان الرقم "7"، بينما قدم Flint أرقاماً عالية الدقة وغير نمطية مثل "3.7916".
• العلامات التجارية الإبداعية: عند طلب شعار لشركة New Balance، أنتج كل من Claude وChatGPT عبارة "Run your way"، بينما قدم Flint بديلاً متميزاً: "Built to last, run to win".
• اختيار الأسماء: في حين تميل النماذج السائدة نحو علامات تجارية "آمنة" مثل Toyota أو Honda، يظهر Flint نطاقاً أوسع، حيث يختار خيارات أقل قابلية للتنبؤ مثل Ford F-150.

أداة إبداعية للمحترفين

لا تقوم Springboards ببناء نموذج مستقل فحسب؛ بل تعمل على تطوير أداة متخصصة لمحترفي الإعلان والتسويق. تتيح المنصة للمستخدمين تجميع المخرجات من نماذج متعددة — بما في ذلك ChatGPT وClaude — ودمجها لتركيب أفكار جديدة. ويعمل Flint بمثابة "منجنيق إبداعي" داخل هذه المنظومة، مصمم خصيصاً لدفع المستخدمين خارج أطرهم الذهنية الحالية.

أشارت Zoe Scaman، رئيسة قسم الاستراتيجية في 77X، إلى أنه بينما تقترح النماذج السائدة غالباً نفس الحلول المستهلكة (مثل "تعليم الثقافة المالية بطريقة ممتعة")، فإن Flint يقدم تحولات جذرية في المنظور، مثل اقتراح إعادة صياغة كاملة لمفهوم تراكم الثروة نفسه.

النقاط الرئيسية

• تجانس النماذج اللغوية الكبيرة: تتقارب النماذج الكبرى نحو إجابات متشابهة ومتوقعة بسبب منهجيات التدريب المتشابهة، مما يخلق تأثير "عقل الخلية الاصطناعي".
• نهج Flint: يعطي نموذج Flint من Springboards الأولوية لتنوع الاستجابات والتباين، مما يجعله أكثر ملاءمة للعصف الذهني والاستراتيجية الإبداعية من النماذج القياسية.
• المقايضة مع الموثوقية: يواجه القطاع توتراً جوهرياً بين موثوقية النموذج (البقاء ضمن حدود الاحتمالية العالية) والابتكار الإبداعي (تبني مخرجات متنوعة ذات احتمالية أقل).