ما هو تسجيل الإجماع للذكاء الاصطناعي؟ كيف يكتشف PromptQuorum الاتفاق بين النماذج

ينتج كل نموذج لغوي كبير مخرجاته بناءً على بيانات تدريبه ومعماريته ومعامِلات الاستدلال الخاصة به. عندما تطرح سؤالاً على نموذج واحد فيعيد إجابة واثقة، لا تملك أي وسيلة لمعرفة ما إذا كانت تلك الإجابة تعكس توافقاً معرفياً واسعاً أم أنها تلفيق يبدو معقولاً.

ليس هذا عيباً يخص نموذجاً بعينه. فكل نماذج LLM الحالية تُهلوِس — إذ تنتج عبارات خاطئة بالطلاقة والثقة نفسها التي تنتج بها العبارات الصحيحة. يتفاوت المعدل بحسب النموذج والمهمة، لكن ما من نموذج محصّن. تُقدِّر دراسات من عامي 2024 و2025 معدلات الهلوسة في المهام كثيفة المعرفة بين 15% و40% تبعاً للمجال.

تتفاقم مشكلة النموذج الواحد في المواقف عالية المخاطر: استفسار طبي، أو مسألة قانونية، أو حساب مالي. فإذا أخطأ نموذج ما، لن يصلك أي مؤشر على أنه أخطأ. تبدو الإجابة تماماً كأي إجابة صحيحة.

تسجيل التوافق هو أسلوب لقياس الموثوقية يرسل الاستعلام نفسه إلى نماذج ذكاء اصطناعي مستقلة متعددة ويحلّل نمط ردودها. الفكرة الجوهرية بسيطة: إذا أنتجت عدة نماذج — مدرَّبة على بيانات مختلفة وتستخدم معماريات مختلفة — الإجابة نفسها بشكل مستقل، فمن الأرجح أن تكون تلك الإجابة راسخة في معرفة حقيقية أكثر من إجابة شاذة صادرة عن نموذج واحد.

التوافق ليس تصويتاً بالأغلبية. إنه تحليل بنيوي لأنماط الاتفاق عبر الادعاءات، لا مجرد تشابه سطحي. فقد يقول ردّان الشيء نفسه بكلمات مختلفة، وقد يبدو ردّان متشابهين بينما يحملان حقائق مختلفة جوهرياً. يستخرج تسجيل التوافق الادعاءات ويربطها فردياً.

المخرجات هي إشارة ثقة، لا ضمان. فالتوافق العالي يعني أن الإجابة أرجح موثوقية. والتوافق المنخفض يعني وجود عدم يقين وأن الإجابة تستحق التحقق.

حين تنتج ثمانية نماذج الادعاء نفسه بشكل مستقل — وقد دُرِّبت على مجموعات بيانات مختلفة، وباستخدام معماريات مختلفة، وبضبط دقيق مختلف — فإن احتمال أن تكون النماذج الثمانية كلها قد هلوَست بشكل مستقل الإجابةَ الخاطئة المحددة نفسها ضئيل جداً.

هذا هو الأساس الإحصائي لتسجيل التوافق. فهو لا يتطلب أن يكون أي نموذج مثالياً. إنه يتطلب فقط ألا تكون أخطاء النماذج مترابطة منهجياً. ففي الغالبية العظمى من الأسئلة الواقعية، تكون هلوسات النماذج أحداثاً مستقلة — إذ تقع النماذج المختلفة في أخطاء مختلفة. لذا فإن الاتفاق العالي عبر النماذج إشارةٌ ذات معنى إلى الحقيقة الأساسية.

عتبة "الثقة العالية" في PromptQuorum قابلة للضبط. فاتفاق 5/5 من النماذج على ادعاء يمنح ثقة عالية بشكل افتراضي. و4/5 يمنح ثقة متوسطة. و3/5 أو أقل يُطلق إشارة تباعد.

التوافق المنخفض ليس حالة فشل — بل إشارة مفيدة. فحين تختلف النماذج حول ادعاء، يكون أحد ثلاثة أمور صحيحاً: السؤال لا إجابة وحيدة صحيحة له (متنازع عليه فعلاً)، أو أن الإجابة الصحيحة غير مُمثَّلة جيداً في بيانات التدريب (فجوة معرفية)، أو أن نموذجاً واحداً أو أكثر قد هلوَس.

الحالات الثلاث جميعها جديرة بأن تعرفها قبل أن تتصرف بناءً على ردّ ذكاء اصطناعي. فالتوافق المنخفض يدلّك على التحقق قبل الوثوق. وهو يُبرز الادعاءات المحددة التي تحتاج إلى فحص، بدلاً من أن يطلب منك إعادة قراءة الردود كاملة بحثاً عن المشكلات.

عملياً، تُعدّ الادعاءات منخفضة التوافق أعلى مخرجات Quorum Verdict قيمة. فهي خريطة دقيقة للمواضع التي يكون فيها ردّ الذكاء الاصطناعي هشّاً.

إن فتح ChatGPT وClaude وGemini يدوياً في ثلاث علامات تبويب في المتصفح ومقارنة الردود نقطة انطلاق معقولة، لكن له قيوداً كبيرة.

أولاً، إنه لا يتوسّع. يمكنك واقعياً مقارنة ثلاثة أو أربعة ردود يدوياً. أما PromptQuorum فيرسل إلى أكثر من 25 نموذجاً في الوقت الذي تستغرقه لفتح علامة التبويب الأولى.

ثانياً، المقارنة اليدوية غير مُنظَّمة. فأنت تقارن ردوداً بنصها الكامل، مما يسهّل تفويت الاختلافات المدفونة في فقرات متشابهة الوقع. أما استخراج الادعاءات على مستوى الادعاء فيُبرز الاختلافات التي قد تفوتها القراءة السريعة.

ثالثاً، المقارنة اليدوية بلا ذاكرة. فأنت تقرأ الردود تباعاً وتعتمد على استرجاعك الخاص لرصد التعارضات. أما رسم خريطة الاتفاق الآلي فدقيق وشامل.

رابعاً، المقارنة اليدوية لا تنتج درجة ثقة. فبعد قراءة ثلاث علامات تبويب، يتكوّن لديك حدس عن الموثوقية. أما تسجيل التوافق فينتج إشارة بنيوية قابلة للتدقيق يمكنك الرجوع إليها ومشاركتها.