إضافة وكلاء الذكاء الاصطناعي قد تقلل أداء النظام

كشفت دراسة حديثة أجراها باحثون من مختبرات جوجل للأبحاث وجوجل ديبمايند ومعهد ماساتشوستس للتكنولوجيا، ونُشرت في مجلة نيتشر ماكين اينتليجينس، عن حقيقة منهجية في هندسة أنظمة الذكاء الاصطناعي: لا يضمن إضافة وكلاء متعددين تحسين أداء النظام، بل يعتمد المردود بشكل حاسم على طبيعة المهمة وكفاءة الوكيل الأساسي. يقود البحث الأستاذ يوبين كيم، الذي أوضح أن اختيار بنية النظام غالباً ما يستند إلى الحدس أو العرف السائد، بينما تثبت البيانات أن التعاون الاصطناعي ليس مطلق النفع في جميع السيناريوهات. اعتمد الفريق منهجية تجريبية دقيقة لإجراء المقارنات الكمية، حيث اختبروا نظاماً فردياً مقابل أربعة متغيرات رئيسية للأنظمة متعددة الوكلاء، عبر ستة معايير تقييم نمطية، مع الحفاظ على توحيد موارد الحوسبة والتعليمات لضمان عزل متغير الهيكل التنظيمي فقط. شمل الاختبار ما مجموعه 260 تقييماً عبر عائلات نماذج لغوية كبيرة رئيسية. كشفت النتائج عن قاعدة تجريبية واضحة: عندما يتجاوز أداء الوكيل الفردي عتبة نسبتها 45 بالمائة، ينخفض احتمال الاستفادة من إضافة وكلاء إضافيين بشكل ملحوظ، وهو ما اتفقت معه نماذج التنبؤ المطورة بدقة وصلت إلى 87 في المئة من الحالات المحفوظة للاختبار. أظهرت الاختبارات تبايناً صارخاً يعتمد على بنية المهمة ذاتها. في المهام القابلة للتقسيم المتوازٍ واستقلالية البيانات، مثل التحليل المالي، حققت الأنظمة متعددة الوكلاء تحسناً بنسبة 81 بالمائة. بالمقابل، في مهام التخطيط المتسلسل المعتمد على الترابط، انخفض الأداء بشكل حاد بلغ 70 بالمائة بسبب تكلفة التنسيق، والتواصل الزائد، وانتشار الأخطاء بين الوحدات. أكد البحث أيضاً أن البنية التنظيمية تلعب دوراً حاسماً في احتواء الأخطاء، حيث تفوقت الأنظمة ذات التحقق المركزي على الوكلاء المستقلين في عزل الهروب المعرفي وتصحيح المسار. تضع هذه النتائج حجر أساس لنقلة نوعية في هندسة الذكاء الاصطناعي، منتقلة بالقطاع من الاختيار الأيديولوجي بين البنى إلى التصميم القائم على الأدلة والبيانات. يوجه البحث المطورين إلى ضرورة مطابقة الهيكل التنظيمي مع قابلية المهمة للتفكيك والقدرة الحسابية المتاحة، بدلاً من السعي لتضخم عدد الوكلاء. كما تفتح الدراسة آفاقاً بحثية جديدة نحو ما يُعرف بالتصميم الذاتي للأنظمة، حيث تقوم الوكلاء باختيار بنية تعاونها ديناميكياً وفقاً للمهمة، بالإضافة إلى نماذج مختلطة تجمع بين الذكاء العام، والتخصص الدقيق، والتدخل البشري في المجالات عالية المخاطر، مما يعزز كفاءة القرارات في البيئات المعقدة دون إرهاق موارد الأنظمة أو تعقيدها غير الضروري.