لماذا تتفوق عدة نماذج ذكاء اصطناعي على نموذج واحد: الحجة وراء النقاش متعدد النماذج

تُدرَّب GPT وClaude وGemini وGrok وDeepSeek وQwen على بيانات مختلفة، وتُوافَق مع أولويات مختلفة، من قبل فرق ذات أذواق مختلفة. تؤكد المعايير القياسية أنها تخفق بطرق مختلفة: في أي مجموعة أسئلة صعبة، تتداخل أخطاء نموذج مورّد واحد جزئيًا فقط مع أخطاء نموذج آخر.

هذا التداخل الجزئي هو الفرصة بأكملها. فإذا كان النموذج أ مخطئًا في نقطة يكون فيها النموذج ب مصيبًا، فإن صيغة تُجبرهما على مواجهة بعضهما البعض تُحوّل التنوع إلى تصحيح للأخطاء.

يمكنك لصق نفس الطلب في ثلاث محادثات ومقارنة الإجابات بنفسك — لكن عندئذٍ أنت من يكون الحَكَم، تقرأ ثلاث مقالات واثقة دون أن تعرف أيّ الادعاءات صلبة.

في نقاش منظّم، تقوم النماذج بعمل الحَكَم بنفسها: في كل جولة يجب أن تردّ على أقوى النقاط الموجّهة ضدها، وتتنازل أو تدافع، وتُحدّث درجة اتفاق رقمية. الادعاءات التي لا تصمد أمام الاستجواب المتبادل تُستبعد قبل التوليف النهائي. ثم يتحقق مُدقّق منفصل من الادعاءات الواقعية الناجية على الويب — VERIFIED أو DISPUTED أو FALSE، مع مصادر.

للفكرة أصول علمية جادة: وجدت دراسة 'Improving Factuality and Reasoning in Language Models through Multiagent Debate' (Du وآخرون، MIT، 2023) أن النقاش بين نسخ من النماذج يُحسّن بشكل كبير الدقة الواقعية والتفكير الرياضي مقارنة بإجابات نموذج واحد. وقد ساهمت تجربة llm-council التي أجراها Andrej Karpathy في نشر فكرة الترتيب المجهول بين النظراء عبر الموردين — وهي نفس الآلية وراء وضع Council لدينا.

لا شيء من هذا يجعل النقاش معصومًا من الخطأ. بل يجعل أنماط الفشل مرئية — الخلاف، الثقة المنخفضة، الادعاءات المتنازع عليها — بدلًا من إخفائها خلف صوت واحد بليغ.

الصياغة، إعادة الكتابة، البحث السريع عن الحقائق، الإكمال التلقائي للكود — المحادثات بنموذج واحد مثالية لهذه المهام، وأرخص. الجأ إلى مجلس عندما تكون تكلفة الإجابة الخاطئة أكبر من بضعة سنتات لكل نقاش: الاستراتيجية، البنية المعمارية، التوظيف، التعرّض القانوني، التسعير.