نيكولاس كريستاكيس: [00:00:05] حسنًا، لذا فإن البشر متواجدون في شبكات اجتماعية، وهذه الشبكات تخضع لمبادئ رياضية وبايولوجية واجتماعية معينة. ومع تزايد استخدامنا للذكاء الاصطناعي في شكل وكلاء عبر الإنترنت وروبوتات فعلية بيننا الذين يتفاعلون معنا كما لو كانوا كيانات اجتماعية. وهذه الأنواع من الوكلاء التي سنضيفها إلى أنظمتنا تتراوح من السيارات ذاتية القيادة على الطرق إلى آلات الدفع في المتاجر، إلى الروبوتات الشبيهة بالبشر في المنازل أو المصانع أو ساحات القتال أو في حالات إطفاء الحرائق، إلى الوكلاء المستقلين غير الملموسين مثل الروبوتات وأجهزة المساعد الذكي الرقمي في هواتفنا أو نظاراتنا أو أماكن عملنا. وتتفاعل هذه التقنيات معنا على أرضية متساوية كما لو كانوا بشراً. وسيؤدي ذلك إلى ظهور أنظمة هجينة من البشر والآلات. وتقدم هذه الأنظمة فرصًا لنوع جديد من الذكاء الاجتماعي الاصطناعي.
الآن، دعني أعطيك مجرد مثال بسيط عن ذلك. عندما تحصل على مساعد رقمي، مثل أليكسا، فإن الشركة المصنعة لذلك الجهاز تهتم جدًا بالتفاعل بين الإنسان والآلة. وهذا التفاعل بين الإنسان والآلة يتم تحسينه. على سبيل المثال، لن تشتري أليكسا إذا كان عليك أن تقول في كل مرة تحتاج فيها شيئًا منها، عذرًا، أليكسا، أنا آسف جدًا لمقاطعتك. إذا لم يكن لديك مانع، هل يمكنك من فضلك إخباري بكلمة؟ [00:01:35] الطقس غدًا، أليس كذلك؟ سيكون هذا مستوى غير منطقي من الأدب. تتوقع أن تكون قادرًا على قول، أليكسا، الطقس، ثم تستجيب الآلة obediently. وهذا جيد حتى تجلب هذه الآلة إلى منزلك ويتحدث أطفالك إلى تلك الآلة ويتعلمون أن يكونوا rude. ثم يذهبون إلى ملعب و يكونون rude مع الأطفال الآخرين. لذلك فإن تلك الآلة التي تم إضافتها إلى وسطنا ليست مجرد مسألة التفاعل بين الإنسان والآلة، بل تتعلق بالتفاعل بين الإنسان والإنسان في وجود الآلات. لذا فإن ما يثير اهتمامي هو، هل هذه التفاعلات بين الإنسان والإنسان في وجود الآلات. ويمكننا استخدام فهم هيكل الشبكات الاجتماعية ووظيفتها لتقييم الاستخدامات وتأثير الذكاء الاصطناعي الاجتماعي داخل المجموعات البشرية وعليها، فيما يتعلق بعوامل مثل الثقة والتعاون اللازمة لجماعات الناس للعمل معًا، والتي تؤثر على سلوك هذه التجمعات.
دعوني أسلط الضوء على بعض الأعمال التي نقوم بها، باستخدام عدة approaches للتجارب الشبكية تتعلق بالذكاء الاصطناعي. هذه التجارب تقيم كيف يمكن أن يؤثر الذكاء الاصطناعي على هيكلة ووظيفة التفاعلات الاجتماعية البشرية. [00:02:45] الآن هناك فئة من مشاكل العمل الجماعي المتعلقة بالتفاعلات الاجتماعية المعروفة بمشاكل التنسيق. وهذه مشاكل يتوجب علينا العمل معًا لإنشاء شيء مفيد. وأحيانًا، نقوم بحل هذه المشاكل من خلال إنشاء مؤسسات مركزية مثل الشرطة أو المحاكم أو الحكومات. لكن غالبًا ما نكون قادرين على حل مشاكل العمل الجماعي التي تتطلب منا التنسيق أو التعاون مع أعداد كبيرة من الناس بطريقة غير مركزية. لقد تطورنا بالفعل لامتلاك هذه القدرة. ونوع معين محدد من مشاكل العمل الجماعي الذي أود أن أبدأ به اليوم هو، في الواقع، التنسيق.
لذا، على سبيل المثال، لتجنب هذا الازدحام المروري، يجب على الناس التنسيق للقيام بشيء مختلف عن جيرانهم. لذا إذا غادر الجميع منازلهم في نفس الوقت، فإن الجميع عالق في ازدحام مروري. ولكن إذا، إذا قاموا بتحريك مواعيد مغادرتهم وغادروا على فترات، فلن يكون هناك أحد في الزحام المروري. بالطبع، يمكن أن يكون لديك نوع من السلطة المركزية التي تنسق هذا. أنتم تغادرون أولاً، ثم أنتم، ثم أنتم. [00:03:45] ولكن بشكل مثالي، ما تريده هو نوع من التنسيق غير المركزي، غير الهرمي بين البشر لحل هذه المشكلة.
لذا كانت هذه تجربتنا الأولى التي تم نشرها في عام 2017 حول مثل هذه الأنظمة الهجينة التي استكشفت كيف يمكن أن تساعد الذكاء الاصطناعي في مثل هذا التحدي. واستكشفنا أداء مجموعات بشرية كانت مشغولة في مهمة تنسيق. وكانت باراديمنا هو الاقتراض من علوم الكمبيوتر شيئاً يعرف بمشكلة تلوين الرسم البياني. هذه مشكلة كلاسيكية في علوم الكمبيوتر. لكن ما فعلناه هو أننا أخذنا ذلك وضعنا البشر في تلك الحالة. لذا ما فعلناه هو أننا أخذنا 4000 شخص وضعناهم في 230 مجموعة على الإنترنت. لذا تم إسقاط هؤلاء البشر في هذه المجموعات. وتم تعيينهم عشوائيًا إلى مكان داخل شبكة صناعية أنشأناها، هيكلها كان يشبه تقريبًا الشبكات البشرية الحقيقية. وتم إسقاطهم في هذه الأماكن وقيل لهم أنه تم تعيينهم واحدة من ثلاثة ألوان، [00:04:46] أرجواني، برتقالي، أرجواني، برتقالي، وردي. وقيل لهم أنهم يجب أن يختاروا لونًا غير مشابه لجيرانهم.
وتم منحهم خمس دقائق للقيام بذلك. لذا فإن هؤلاء الأشخاص سيتطلعون حولهم إلى جيرانهم. كل شخص سينظر حوله وسيقول، مثلًا، هذا الشخص هنا باللون الوردي. يرى أنه لديه جارًا ورديًا وجارًا برتقاليًا. ما يجب عليه فعله هو الانتقال إلى اللون الأرجواني. وتشير الخطوط الحمراء هنا إلى نزاعات الألوان. بعبارة أخرى، إذا كانت الألوان المجاورة لنقطتين متجاورتين هي نفسها، فإنهم يحصلون على خط أحمر. والخلفيات الأرجوانية تشير إلى هيكل التفاعلات الاجتماعية. لذا تضع الأشخاص هنا. ينظرون حولهم إلى جيرانهم كل ثانية أو ثانية ونصف. يقومون بعملية تبديل تتماشى مع الهدف وهو أن عليهم جميعًا اختيار لون مختلف عن جيرانهم خلال الخمس دقائق القادمة. وإذا فعلوا ذلك، فإنهم فقط في هذه الحالة سيتم دفع أموال لهم. سأمنحكم أموالًا للعمل معًا. وإذا كنتم جميعًا تعملون معًا بطريقة لامركزية لحل المشكلة، ستحصلون على أموال. خلاف ذلك، لن تحصلوا على شيء، حسنًا؟ لذا إليكم ما يحدث في هذا التجربة. هنا على المحور السيني هو الوقت بالثواني حتى علامة الخمس دقائق. [00:05:47] تستمر اللعبة لخمس دقائق هنا في الأسفل. وهنا على المحور الصادي هو دالة الهدف أو عدد نزاعات الألوان. لذا هنا في البداية، كان هناك 12 نزاعًا للون. لقد تم تعيين ألوانهم الأولية بشكل عشوائي. وهذا متجلى هنا في هذه الهيستوجرام الصغيرة هناك. لذا يبدأ الناس في النظر حولهم وتغيير ألوانهم. تعلمون، يبدلون ويغيرون. ويصلون إلى هذه النقطة حيث وصلوا الآن إلى وضعية يوجد فيها نزاع بين هذين الشخصين. ومع ذلك، فإن هذا النزاع هو ما نسميه نزاعًا غير قابل للحل. لذا الخطوط البرتقالية الفاتحة هي نزاعات قابلة للحل. هذا الشخص هنا. يمكنه التحرك إلى الأرجواني الذي يحل النزاع. ولكن هؤلاء الأشخاص هنا الذين لديهم لون برتقالي، لا يوجد لديهم أي حركة يمكنهم القيام بها تقلل عدد النزاعات اللونية في منطقتهم، صحيح؟ لا يمكن لهذا الشخص التبديل إلى الأرجواني لأنه، في الواقع، إذا تبدل إلى الأرجواني، سيحصل على المزيد من النزاعات. لديه، مثلًا، أربعة جيران أرجوانيين. ولا يمكنه التبديل إلى الوردي لأنه لديه جارين ورديين. لذا ينظر ويقول، حسنًا، أقل النزاعات لدي هو أن أبقى برتقاليًا. لذا فإن هذه المجموعة عالقة، صحيح؟ [00:06:49] لديهم نزاع غير قابل للحل ولا يمكن حدوث أي تقدم في حل مشكلة العمل الجماعي حتى يقوم أحد هذين الشخصين بخطوة غير بديهية، ويغير الألوان إلى الأرجواني أو الوردي، ويزيد النزاعات مؤقتًا. وهذا، في الواقع، ما يحدث. ثم يمر الوقت، ويقوم البشر في 245 ثانية بحل المشكلة. الجهاز يكشف الحل، ويتوقف عن اللعبة، ويدفع لهم، حسنًا؟
الآن، لأننا كنا ماكرين، ما فعلناه هو أننا أجرينا بعض التجارب حيث استبدلنا بعض البشر بالروبوتات بشكل سري. وقيمنا كيف أثر إدخال الروبوتات المزودة بالذكاء الصناعي في إنشاء نظام هجين على أداء المجموعة. هل من الممكن إضافة بعض الروبوتات إلى المجموعات البشرية وتحسين قدرتها على التنسيق عند مواجهة مثل هذا التحدي؟ وما فعلناه هو أننا أضفنا ثلاثة روبوتات، وتباينت تجربياً محوران. حيث وُضعت الروبوتات، حيث تم إسقاطها عشوائياً في الشبكة، حيث وُضعت في [00:07:51] مركز الشبكة، أو حيث وُضعت في محيط الشبكة. وقد قمنا بت Manipulated بشكل عشوائي قدرتها على الذكاء الاصطناعي بطريقة بسيطة جداً. أي، قمنا بت Manipulated ما إذا كانت الروبوتات تعمل بكمال أو تعمل بقليل من الضوضاء.
في حالة الكمال، كل ثانية ونصف، كانت الروبوتات تنظر حولها إلى جيرانها، ثم تختار اللون الذي لديه أقل عدد من النزاعات مع جيرانها. ما قد تعتبره سلوكاً غير عقلاني. في حالة 10% من الضوضاء، فعلوا ذلك، لكن 10% من الوقت، اختاروا لوناً عشوائياً. وفي حالة 30% من الضوضاء، فعلوا ذلك أيضًا، ولكن 30% من الوقت، اختاروا لوناً عشوائياً. لذلك جعلنا الروبوتات، لنقل، أكثر عرضة للأخطاء، وأكثر ضوضاء.
ثم نظرنا إلى، كان لدينا، أعتقد، شيئاً مثل، لنبدأ بمجموعة التحكم. قمنا برسم هنا على المحور السيني الزمن، وهذه هي منحنيات البقاء. على المحور الصادي هو احتمال أن المجموعة ككل لم تحل لعبة التنسيق. لذا هنا، إذا نظرت هنا، على سبيل المثال، في البداية، عند الزمن صفر، [00:08:51] 100% من المجموعات البشرية فقط، الجلسات التي تتكون فقط من البشر، باللون البرتقالي. في البداية، 100% من المجموعات البشرية فقط لم تحل اللعبة. ومع مرور الوقت، بدأت المزيد والمزيد من المجموعات البشرية في حل اللعبة، بحيث بحلول نهاية الخمس دقائق، ربما 60% من المجموعات البشرية فقط قد حلت اللعبة.
حسنًا، ما يحدث هو أنه إذا وضعت 10% من الروبوتات المزعجة في المركز من الشبكة، ستحصل على أداء محسّن بشكل ملحوظ. هنا، كانت هناك مجموعات أكبر من الأشخاص، عندما أُضيفت الروبوتات التي كانت تحتوي على بعض الضوضاء إلى المنتصف، قادرة على حل المشكلة. في الواقع، خفضوا الوقت الوسيط للحل من 232 ثانية إلى 103 ثوانٍ. وهناك نتائج أخرى أيضًا في هذه البيانات. كانت الروبوتات المثالية والروبوتات المزعجة جدًا غير مفيدة. كنت بحاجة إلى بعض المعايرة. كانت الروبوتات المزعجة بنسبة 10% هي الأكثر فائدة. كما أن موضع الروبوتات كان له تأثير أيضًا. ولكن في هذه التجارب، وجدنا أيضًا أن البشر الذين لم يكونوا متصلين بالروبوتات، [00:09:52] والذين كانوا بعيدين أكثر في الشبكة. لذا في الرسوم البيانية، كان هناك بعض الأشخاص الذين كانوا متصلين بالروبوتات وبعض الآخرين الذين لم يكونوا. وجدنا أن حتى أولئك الأشخاص بدأوا في تغيير طريقة لعبهم. لذا كان هناك تأثير مضاعف، وتأثير متتالي. فوائد كيف كان الروبوت يتفاعل مع البشر انتشرت عبر الشبكة وبدأت تؤثر على التفاعلات البشرية-البشرية بشكل أبعد في الشبكة. بعبارة أخرى، ساعدت الروبوتات البشر في مساعدة أنفسهم، وانتشرت فوائد الضوضاء داخل هذا النظام الاجتماعي.
الآن دعني أقدم أفكارًا إضافية بشأن هذا التحدي الجماعي وكيف يمكن أن تساعد هذه الوكلاء البسيطة بمثل آخر. تخيل أن لديك طائرة. هذا يشبه الانحدار التدرجي في تعلم الآلة، على سبيل المثال. لديك طائرة، ولديك تلال وجبل. ولديك تلال مختلفة، حسنًا، بارتفاعات مختلفة. ولديك جبل عالٍ جداً هنا هو الأطول. لذا سأرمي أربعة منكم، وسأرميكم في مكان ما هنا، وسأقيدكم معًا، كل منكم ينظر في اتجاه مختلف، [00:10:54] وسأضع عصبًا على عينيكم. وسأقول لكم، ابحثوا عن أعلى جبل. لذا تتحدثون مع بعضكم البعض وتقولون، لماذا لا نتخذ خطوة في اتجاهنا ونبلغ الفريق؟ لذا تأخذ خطوة نحو الشمال، وتقول إنه بعد هذه النقطة صعود. والجنوب يقول إنه بعد هذه النقطة هبوط. والشرق والغرب يقولون إنه مستوى من هنا. لذا تتفقون جميعًا، دعونا نأخذ خطوة شمالًا. وتستمرون في ذلك بشكل تكراري حتى تصلوا إلى نقطة يقول فيها جميعكم إنه هبوط بعد هذه النقطة.
هل وجدت أعلى جبل؟ لا. (...) ماذا فعلت؟ لقد وجدت أقرب تلة.
هل ستجد أعلى جبل على الإطلاق؟ لا. لن تجد أعلى جبل. أنت عالق. أنت محلياً مُحسَّن، لكن عالمياً مُسْتَخفَف. ومن أجل التحسين العالمي، تحتاج إلى بعض الضوضاء. تحتاج أحياناً إلى السماح لمجموعة من الناس بأن يتخذوا خطوة غير بديهية للهبوط من الجبل أو الهبوط من التل. لذا، يأخذون سلسلة من الخطوات أحياناً عن طريق الصدفة حتى يعودوا إلى السطح. ثم يتنقلون حول هذه المناظر الطبيعية للقدرة، مستكشفين كل هذه القمم حتى ينتهي بهم الأمر على هذه القمة. [00:11:56] وهذه القمة العالية تميل، الأمثل العالمي، إلى أن تكون حالة استقبال لأنه يتطلب المزيد من الضوضاء للخروج من تلك القمة مقارنة بالقمم الأخرى. والآن، أنت تتأرجح حول الأمثل العالمي. لذا، في عملنا، كنا نستكشف هذا النوع من البرمجة البسيطة المُدرَجَة في الأنظمة الاجتماعية لنرى إذا كان بإمكاننا تحسين أداء البشر في معالجة أنواع مختلفة من مشاكل العمل الجماعي.
الآن، تتعلق مشكلة العمل الجماعي الأخرى بتحدٍ مختلف، وهو التعاون، وليس التنسيق. غالبًا ما يتعين على البشر التعاون لإنتاج ما يُعرف بالسلع العامة. ومنارة هي واحدة من الأمثلة الكلاسيكية على السلع العامة. للسلع العامة ميزتان كلاسيكيتان. أولاً، يُطلق عليها مصطلح غير قابل للاستبعاد. وهذا يعني أن الأشخاص الآخرين لا يمكن منعهم من استخدامها. إذا كنت قد بنيت منارة من أجل مصلحتك الشخصية، لأنك تبحر في البحار ولا تريد أن تصطدم بالساحل، فهذا رائع بالنسبة لك، ولكن لا يمكنك منع أي شخص آخر من استخدامها، حسنًا؟ غير قابلة للاستبعاد. [00:12:58] وأيضاً، هي غير متنافسة. وهذا يعني أن استهلاك شخص واحد لا يقلل من الاستهلاك من قبل الآخرين. إذا استخدمت الضوء من منارتي، فلا يوجد ضوء أقل لك لتستخدمه. وهذا يختلف، على سبيل المثال، عن قطعة كعكة. إذا كان لدي قطعة كعكة، فهي لي، أليس كذلك؟ يمكنني منعك من أكلها. وإذا أكلتها، فلا يوجد شيء متاح لك، حسنًا؟ لذا فإن السلع العامة لها هذه الميزات، وهذه الميزات تجعل إنتاج السلع العامة صعبًا جدًا. لأنه عندما يتعلق الأمر ببناء منارة، من المغري جداً أن تقارن مصالحك الفردية بمصالح الجماعات. إذا لم تسهم في بناء المنارة، يمكنك أن تستفيد منها. لذا فإن الجميع يُشعر بالإغراء للقيام بشيء، ثم لا يتم بناء المنارة على حساب الجميع. ومن المهم أيضاً أن نؤكد أن السلع العامة مفيدة، لأنه يمكنك فعليًا إنتاج أشياء بها، مثل السفر البحري الآمن. ونتيجة لذلك، فإن نقص الاستثمار في السلع العامة يُعتبر مشكلة خطيرة في مجتمعنا، وقد عُرف أيضًا بكارثة المشاع. هذه السلع العامة، على سبيل المثال، معايير الثقة التي نحافظ عليها بيننا هي فعّالة. [00:14:01] فكّر في عندما كنت في المدرسة الثانوية. بعضكم ذهب إلى مدرسة ثانوية حيث كان الطلاب يثقون ببعضهم البعض، مما يعني أنه كان بإمكانك ترك حقائبك في الممر دون القلق من أن يسرقها أحد. بينما ذهب البعض الآخر إلى مدارس ثانوية لم تكن فيها نفس معايير الثقة، وكان عليك الآن قفل حقيبتك أو الاحتفاظ بها معك في جميع الأوقات. في أي من هذين البيئتين تعتقد أنك ستتعلم بشكل أفضل؟ أليس كذلك؟ في البيئة الأولى. لذا فإن ذلك المعيار الذي يُحافظ عليه جماعيًا هو منتج. في هذه الحالة، منتج للتعلم. هنا، منتج للسفر البحري الآمن وما إلى ذلك.
لذا فإن التعاون في المجموعات البشرية لإنتاج السلع العامة يمثل تحديًا، وتتطلب آليات متنوعة لاستمراريته. وقد أجرينا العديد من التجارب التي تشمل إدخال البشر في مجموعات شبكة وطلبنا منهم لعب أنواع متنوعة من ألعاب السلع العامة مع جيرانهم، مع التلاعب بالعديد من الميزات الهيكلية وغيرها على مر السنين. لذلك، على سبيل المثال، بدأنا منذ سنوات بتجربة حيث تم وضع الناس في شبكة مثل هذه. تم تقديمهم لجيرانهم، ولعبوا لعبة السلع العامة من، مثل، الاقتصاد السلوكي، [00:15:03] حيث، مثل، يمكنني إعطاء القليل من المال لكل من جيراني. مثل، أأخذ دولارًا، وأقسمه بين جيراني. ثم يقوم العلماء بمضاعفة الدولار. لذا، لنفترض أن لدي أربعة جيران. لنفترض أن لدي ثلاثة جيران، وأعطي دولارًا للمجموعة. يصبح دولارين. هذا الدولارين يتم توزيعه بيننا الأربعة. لذا، تكسب المجموعة بأكملها ثروة بقيمة دولارين، لكنني أحصل على 50 سنتًا فقط. المبلغ 2 مقسومًا على 4، أستعيد 50 سنتًا. لذا، يجب علي أن أضحي من أجل مصلحة الآخرين. لذا من الطبيعي أن يقول الجميع، لا أريد أن أضحي. دع كل غبي آخر يعطي المال. أنا لن أعطي أي شيء، وآمل أن يساهم الآخرون. لكن، بالطبع، إذا قام الجميع بذلك، ستحدث انهيارات مرة أخرى. وأفضل سلوك هو أن يساهم الجميع بأقصى ما يمكن. لذا هنا في هذا الموقف، نبدأ اللعبة. النقاط الزرقاء هم الناس الزرقاء المتعاونون اللطفاء. إنهم يعطون أقصى ما لديهم لجيرانهم، ويقومون بإنشاء السلع العامة، مثل بناء المنارة. والنقاط الحمراء هم المستغلون الذين لا يقدمون أي مساهمات، والمعروفون أيضًا باسم المتهربين. وما نجد في هذه التجربة هو أننا نعيد إنتاج نتيجة معروفة منذ 30 عامًا، [00:16:03] وهي أن التعاون ينهار في المجموعات، صحيح؟ بحلول نهاية اللعبة، بعد عدة جولات، يصبح الجميع تقريبًا متهربين، باستثناء هؤلاء الأشخاص الزرق الصغار هنا على الجانب، الذين يحافظون على الحضارة على قيد الحياة، كما تعلم، بينهم. يمكنك أيضًا التفكير مرة أخرى، لاستدعاء المدرسة الثانوية للطلاب الجامعيين. تذكر ذلك الموقف الذي كلفك فيه معلم العلوم بأربعة منكم للقيام بمشروع جماعي، وكنتم ستحصلون على نفس الدرجة. وتم تكليفك بأربعة، ثلاثة من الفاشلين الآخرين. لذا الآن لديك خياران. إما أن تقوم بكل العمل، ويصبحون أيضًا يحصلون على درجات A لأنك ترغب في الحصول على A. أو تقول، هذا سخيف. لا أريد أن يستفيد هؤلاء الكسالى من عملي الجاد. وتقول، لن أفعل أي شيء أيضًا، وأنتم جميعًا ستحصلون على درجات F، صحيح؟ هذا معضلة مروعة. حسنًا، ما يحدث هنا هو أن البشر في النهاية يختارون الخيار الأخير. جميعهم يختارون أن يحصلوا على F لأنهم لا يريدون أن يكونوا أغبياء ويواصلون المساهمة. لذا فإن التعاون ينهار في الأنظمة الاجتماعية كنتاج عام. لكن ما فعلناه هو، مرة أخرى، أننا أضفنا بعض الروبوتات، رغم أنها نوع مختلف، إلى النظام. أضفنا بعض الروبوتات التي تمتلك ميزات بسيطة جدًا. [00:17:05] وكانت هذه الروبوتات تشبه وسطاء الزواج الصغار. كانوا يتوسطون في التفاعلات الاجتماعية. كانوا ينظرون إلى من يتفاعل مع من محليًا، وكانوا يقدمون اقتراحات للأشخاص في النظام. كما تعلم، يجب أن تقطع الصلة بذلك المتهرب الذي يستغلّك وتشكل رابطة مع هذا الشخص اللطيف هنا بدلاً من ذلك. وهذه النصيحة اللطيفة لإعادة الأسلاك، والتي تستخدم فقط المعرفة المحلية. لا يوجد معلم يأمر الناس بأن يكونوا لطيفين. لا شرطة. لا محكمة. لا سلطة مركزية تنفذ ذلك. مجرد عمل بناءً على المعرفة المحلية، وجدنا أن هذه الروبوتات يمكنها، في تجاربنا مع أكثر من 1000 شخص في 64 مجموعة، وجدنا أنه ليس فقط يمكن استقرار التعاون، ولكن لأول مرة على الإطلاق، أظهرنا نتيجة مفادها أن التعاون يمكن أن يزيد فعليًا عن المستوى الأساسي عندما تم إضافة هذه الأنواع من الروبوتات. ولقد قامت DeepMind لاحقًا بتكرار نتائجنا وتوسيعها في ورقة أخرى ظهرت بعد حوالي عام أو عامين من هذه الورقة.
الآن في تجربة أخرى، استكشفنا كيف يمكن أن تؤثر الروبوتات على الإبداع الجماعي. [00:18:07] لأن إيجاد أفكار جديدة صعب. وت suggest ت النظرية والتجارب أن المجموعات قد تكون أفضل في تحديد والحفاظ على الابتكارات من الأفراد من خلال مشاركة اكتشافاتهم.
لكن الابتكار داخل المجموعات يواجه تحدياته الخاصة، بما في ذلك التفكير الجماعي. صحيح؟ إذا وضعت مجموعة من الناس معًا، قد يتفقون بشكل مبكر على فكرة دون المستوى الأمثل.
أو يمكنك تخيل، يجب أن تتخيل، أن مجموعة من الناس قد تملك حكمة أكبر بشكل جماعي، وقد تتمكن من ابتكار المزيد من الأفكار. على سبيل المثال، إذا أعطيت مجموعة من الناس مهمة تحسين صنارة الصيد، تعلم، قد يقول الشخص الأول، لماذا لا نضع خطافًا في نهاية بعض الخيط؟ ثم يحمل الشخص الخيط الذي به خطاف. ويقول شخص ما، لماذا لا نضع عصا مضافة إلى الخيط؟ أوه، هذه فكرة رائعة. لذا يجمعون معرفتهم ويفعلون ذلك. ويقول شخص ما، حسنًا، الطعم مع الخطاف يطفو على السطح. دعونا نضيف موجة حتى ينزل. حسنًا، الآن ينزل بعيدًا جدًا. ماذا عن إضافة عوم ليعرفوا أين هو وهكذا. وهكذا يبتكر الناس، ويتشاركون المعرفة فيما بينهم، ويحافظون على المعرفة عبر الزمن، [00:19:08] وتظهر هذه القطع الثقافية التي هي منتج مركب من مشاركة أفكار متعددة بين الأشخاص والإبداع.
لذا أردنا إنشاء لعبة يبحث فيها مجموعات من الأشخاص عن فكرة مثالية في مشهد. وقررنا استخدام الأسماء كوسيلة للإشارة إلى الأفكار. وأخذنا 20,000 اسم من مجموعة كلمات علوم الكمبيوتر الكلاسيكية. لذا أخذنا 20,000 اسم. ويمكن تعريف المسافة بين هذه الأسماء بمقياس تشابه الكوسين. يمكنك تخيل فضاء متجهي عالي الأبعاد حيث يكون القط أكثر تشابهًا مع الكلب من كونه مع المكتب. وطريقة فعلهم لذلك أنهم نظروا إلى مدى تكرار ظهور الكلمات "قط" و"كلب" معًا على المواقع الإلكترونية. لذا كان لديهم عالم من المواقع وعالم من 20,000 اسم. وقالوا إن هذين الاسمين غالبًا ما يظهران معًا بينما لا يظهر هذان الاسمان الآخران معًا غالبًا. أنشأوا فضاءً متجهيًا بُعده 300. [00:20:08] والآن يمكنك وصف مدى تشابه أي اسمين. وقررنا استخدام الأسماء كوسيلة للإشارة إلى الأفكار. أخذنا هذه 20,000 اسم. ثم اخترنا مجموعة من الأسماء. تخيل أننا اخترنا اسمًا واحدًا، لكننا اخترنا مجموعة. اسم واحد عشوائي من بين كل هذه، مثل "براجادوكسيو"، على سبيل المثال، كان اسمًا. لذا اخترنا "براجادوكسيو". ونقول إن هذه هي الفكرة المثالية التي نريد من هذه المجموعة من الأشخاص أن تجدها. ثم تسقط جميع الأسماء القريبة من "براجادوكسيو" في هذا الفضاء المتجهي. لذا لديك الاسم الرئيسي الذي يحصل على أكبر عدد من النقاط، 20,000 نقطة، وجميع الأسماء الأخرى إلى الأسماء الأكثر بُعدًا. وضعنا البشر في هذا النظام ونقول لهم، ابحثوا عن هذه الكلمة. لا نخبرهم بالكلمة. ثم نخبرهم بقيمة النقاط للكلمات. لذا يبدأون في التخمين. وعندما يخمنون، يحصلون على ردود فعل. ويقولون، آه، هذه الكلمة لديها نقاط أكثر من كلمة أخرى. ويقتربون أكثر فأكثر ويبدؤون بمشاركة المعرفة مع بعضهم البعض. إنهم يحاولون أن يكونوا مبدعين لحل المشكلة.
لذا كل اسم مرتبط بالآخرين في فضاء دلالي أو منظر طبيعي غير محدود. [00:21:10] وكان لدينا 18 اسمًا مستهدفًا مختلفًا، كما لو كنا قد استخرجنا قمة من منظر هذه الأسماء البالغ عددها 20,000 في 18 موقعًا مختلفًا في 18 منظرًا مختلفًا. وكانت هذه الأسماء غير عادية عمدًا، مثل القتل الأخوي، وملعقة الأحذية، والساركوما، ورسم الخرائط، وهكذا. ثم أجرينا تجارب تتضمن عدة ظروف حيث كان الناس بمفردهم يحاولون التنقل في المنظر، حيث كان الناس في مجموعات يعملون معًا للتنقل في المنظر، أو حيث كان الناس في مجموعات ولكن كان هناك أيضًا بعض الروبوتات تحاول مساعدتهم على أن يكونوا مبدعين. وقد عملت الروبوتات لأنها كانت تستطيع تمرير المعلومات من منطقة من الشبكة إلى أخرى من خلال التواصل مع بعضها البعض. على سبيل المثال، يمكن للروبوت رقم اثنان أن يمرر كلمة سماء أو سيارة إلى الروبوت رقم واحد. فإليك مثال على الشبكة.
نحن نضع الناس في اللعبة. النقاط المربعة هي روبوتات. وهذا الروبوت لديه أربع تفاعلات وهذا الروبوت لديه، لا أدري، ست أو سبع تفاعلات. يبدأ البشر في البداية بالتخمين. [00:22:12] ليس لديهم أي أساس للتخمين على الإطلاق في الجولة الأولى من اللعبة. يتخيلون السماء، السيارة، الأرنب، الجرذ، الكلب، القط، المكتب. مثلما لو سألتكم، اختر اسمًا لتخمينه، ستخمنون البيت أو الشمس أو القمر أو القط أو الكلب أو أحد الأسماء الصغيرة المعتادة. والآن أخبروا بقيمة النقطة، مثل مدى تشابه كلمة الجرذ، الكلب، القط، المكتب، وهكذا، مع الساركومة. ويتم إخبارهم بقيمة النقاط لتلك الأسماء بالنسبة للاسم المستهدف، وهو الساركومة. ثم يتم إعلان تلك القيم النقاط لهم. ثم يمكن أن ينظر هذا الروبوت إلى قيم النقاط للبشر من حوله ويمكن أن ينقل إما اختيارًا عشوائيًا لهذا الروبوت أو أعلى قيمة نقاط أو أدنى قيمة نقاط، نوع من قناة خلفية للتواصل تنشر المعلومات من منطقة من مجموعة من الأشخاص الذين يحاولون حل المشكلة إلى منطقة أخرى. لذا دعونا ننظر إلى بعض الأمثلة لكيفية توضيح هذا، لأن ذلك قد يكون صعب الفهم. لعب الأشخاص هذه اللعبة لمدة حوالي 25 جولة. وإليك تشابه جيب التمام مع اسم مستهدف، وهو كلمة القتل الأخوي. حسنًا، لذا هناك 20000 اسم. [00:23:13] القتل الأخوي هو 20000 نقطة. والأسماء الأخرى لها نقاط أخرى. وإليك شخص منفرد، شخص بمفرده يتخمين. لذا فإن تخمينهم الأول هو قطعة. ويتم إخبارهم بمدى تشابه كلمة قطعة مع القتل الأخوي. ثم يكون تخمينهم التالي هو ولادة. ويحصلون على زيادة كبيرة في تشابه جيب التمام، لأنه يمكنك أن تتخيل أن كلمة ولادة أقرب إلى كلمة القتل الأخوي من كلمة قطعة. حسنًا؟ ثم يتخمنون. يحاولون المال بعد ذلك. وهذا أسوأ. ثم يحاولون قرد. وهذا أسوأ من ذلك. يتحققون. يقومون بفحص عقلاني. يحاولون ولادة. ترتفع مرة أخرى. ثم يحاولون طفل. هذا ليس تخمينًا سيئًا. ولادة إلى طفل. لكن الطفل يأخذهم بعيدًا عن القتل الأخوي. ثم السيدة وهكذا. ويتنقلون. ويتخمنون. ويتخمنون. ولا يصلون إلى أي مكان بالقرب من القتل الأخوي في النهاية. الآن في هذه الحالة الأخرى، لدينا مجموعة من الأشخاص، ولكن لا توجد روبوتات. والآن يمكن للأشخاص، بالإضافة إلى تقديم تخميناتهم الخاصة، رؤية تخمينات الأشخاص من حولهم. ويبنون على أفكار الآخرين. حسنًا؟ تم إنشاء ذلك. مثل صنع صنارة الصيد معًا. [00:24:13] لذا هذا الشخص، تخمينه الأول هو كلب. لكن تخمينه التالي هو درع. يمكنك أن ترى أن الدرع أقرب إلى القتل الأخوي من الكلب. وهذا الشخص يتخمن ويتخمن ويأخذ إدخالًا من جيرانه. وبنهاية الأمر، يقترب أكثر فأكثر. ينتهي به الأمر بكلمة عدو. حسنًا؟ في الواقع، كان الجندي هو أفضل تخمين له. حصل على أعلى قيمة نقاط خلال مسار تخمينه.
إذن كيف كان لإضافة الروبوتات تأثير؟ هذا، مرة أخرى، يُظهر ملخص النتائج. على المحور السيني هو الجولة. على المحور الصادي هو متوسط تشابه الكوزاين في هذه المساحة متعدّدة الأبعاد، وهو مقياس لأداء المجموعة. وهنا مجموعة من البشر الذين يتصرفون، ويتوقعون بمفردهم. لذا فإن البشر الذين يتوقعون بمفردهم لا يؤدون جيدًا، أليس كذلك؟ إنهم، كما تعلم، يعتمدون على الحظ سواء كانوا يستطيعون بطريقة ما، أو، كما تعلم، بعض القدرات الفطرية في كل إنسان فردي. يتحسنون قليلاً مع مرور الوقت ويقتربون أكثر. جميع المجموعات تتفوق على الفردي. وهذه نتيجة قديمة معروفة. مجموعة من الناس أكثر إبداعًا من مجموعة ممارسين فرديين مشابهين في الحجم. ولكن ما نجده هو أنه إذا أضفنا الروبوت الأكثر تشابهًا، الروبوت الذي نظر إلى جيرانه، [00:25:17] واكتشف، ما هو إجماعهم المحلي حول هنا؟ يبدو أن البشر يفكرون أن هذه كلمة جيدة. ثم ينقلها إلى الروبوت في جزء بعيد من الشبكة. ذلك الروبوت حسّن بشكل كبير أداء هذه المجموعة من الناس لإجراء اكتشاف. يجب أن تكون قادرًا على تخيل كيف يمكن أن تعمل هذه الطريقة في مجموعة من المهندسين أو أي عمال معرفة آخرين. كيف، مثل، يمكنك توزيع المعرفة بطريقة فعالة، متجنبًا التفكير الجماعي وتعزيز الإبداع، من خلال تصميم الروبوتات التي تساعد البشر على مساعدة أنفسهم. الروبوت هنا ليس لديه دماغ. إنه لا يقترح أفكارًا بنفسه. إنه فقط يساعد البشر في نشر الأفكار فيما بينهم.
لذلك يمكن لوكلاء الذكاء الاصطناعي البسيطين ذوي السلوك القابل للتفسير أن يعززوا القدرة على الاكتشاف الإبداعي في المجموعات البشرية من خلال مشاركة الأفكار التي يوجد حولها توافق محلي في جزء واحد من المجموعة مع الأشخاص في جزء بعيد من المجموعة. ونتيجة لذلك، يمكن أن يؤدي الأداء الجماعي بشكل أفضل.
الآن، لقد بدأنا أيضًا في تجربة أنظمة فعلية. وقد أضفنا روبوتات بشرية وغير بشرية [00:26:19] مزودة بذكاء اصطناعي بسيط لمجموعات بشرية وجهًا لوجه، وأظهرنا كيف يمكن أن تساعدهم على التغلب على الاحتكاك أو عدم القدرة على التعاون في تفاعلاتهم. أحد أمثلة المفضلة لدي هي تجربة أجريتها مع طالبة الدراسات العليا السابقة، ماغي تريغر، التي تقف في الخلف وهي الآن أستاذة مساعدة في جامعة نوتردام، وهي هذه التجربة. في هذه التجربة، أخذنا ثلاثة بشر حقيقيين قدموا إلى المختبر وروبوت إنساني. وصممنا لعبة صغيرة، لعبة مسار سكة حديد صغيرة، تُلعب على جهاز الكمبيوتر اللوحي، وكانت هذه المجموعة من البشر والروبوت مكلفة بوضع سكة حديد من النقطة A إلى النقطة B، مثل مسارات سكة الحديد الخاصة بتوماس المحرك. ثم أعطيناهم بعض الأجزاء التي يمكنهم الاختيار منها على الجهاز اللوحي، مثل الأجزاء المستقيمة والأجزاء المنحنية. ولكننا في بعض الأحيان صممنا، رغم أنه بدا وكأن هناك مزيجًا من القطع، وأنه من حيث المبدأ ينبغي أن يتمكنوا من الانتقال من النقطة A إلى النقطة B، لقد صممناها بمهارة بحيث لم تكن هناك العدد الصحيح من المنحنيات للسماح لهم بالانتقال من النقطة A إلى النقطة B. [00:27:21] لذا لم يستطيعوا القيام بذلك. لم يتمكنوا من حل المشكلة دون أن يدركوا ذلك. حسنًا؟ لذلك أولاً كان كل شخص يأخذ دوره في وضع قطعة من السكة، ثم الشخص التالي والشخص التالي. كانوا يعملون معًا لربط النقطة A بالنقطة B على أجهزة الكمبيوتر اللوحية الخاصة بهم.
وماذا فعلنا في هذه التجربة هو أننا قمنا بالتلاعب، وقد لعبوا 30 جولة من هذه اللعبة في هذا العالم الافتراضي، وكان لدينا 51 مجموعة، قمنا بتغيير أسلوب المحادثة للروبوتات، بشكل محدد فيما إذا كان الروبوت يعبر عن الضعف من خلال الاعتراف بخطأ. لذلك قال الروبوت، كما تعلم، لقد ارتكبت خطأ. أو ما إذا كان الروبوت يروي نكات الآباء. أفترض أن الجميع يعرفون ما هي نكات الآباء. حسنًا. لذلك كانت لدينا أيضًا الروبوتات تروي، بالمناسبة، هذه خاصية ثقافية عالمية، مثل علماء الأنثروبولوجيا في أدغال الأمازون الذين نظروا إلى الشعوب المحلية، والآباء هناك أيضاً يروون نكات الآباء. والأطفال يقولون، لا أستطيع أن أصدق نكات والدي السخيفة. لكن على أي حال، وفي الواقع هناك نظرية حول ما تعنيه نكات الآباء لتقوية الأطفال بطريقة ما. هذه نظرية. لكن على أي حال، هذا موضوع آخر تمامًا. على أي حال، كان لدينا روبوتاتنا تروي نكات الآباء أو تعبر عن الضعف. [00:28:21] وما كنا مهتمين بالعثور عليه هو ما إذا كانت التغييرات في خطاب الروبوتات لها القدرة على التأثير ليس فقط على كيفية تفاعل الناس مع الروبوتات، ولكن أيضًا على كيفية تفاعل الناس مع بعضهم البعض. ومرة أخرى، يقدم هذا آفاقًا لتعديل التفاعلات الاجتماعية من خلال إدخال الوكلاء الاصطناعيين في أنظمة مختلطة من البشر والآلات.
إليك مثال صغير عن، أو، لم أخبرك بالنتائج. ها هي، هنا عندما نكون، فهذه، سماكة هذه الخطوط، لقد قمنا بتركيب كاميرات الفيديو لمتابعة من يتحدث إلى من وكم يتحدثون. وسماكة هذه الخطوط تشير إلى مقدار حديث الشخص الثاني مع الشخص الأول وهكذا. الشخص الأول لا يتحدث إلى الروبوت كثيراً. هذه خط رفيع. وعندما كان لديك روبوتات محايدة، تحصل على هذا النمط. ولكن عندما كان لديك الروبوت الضعيف، تصبح كل هذه الخطوط أكثر سمكاً وتتساوى. لذا وجدنا أن الروبوت الضعيف زاد من مساواة الحديث بين البشر، وزاد من حجم الكلام بينهم، وفي نتائج منفصلة، [00:29:22] زاد من رضا البشر في هذا النوع من البيئة.
وهنا مجرد مقطع واحد من جولتين مختلفتين توضح أن الروبوت يتحدث بطريقة محايدة أولاً، بصوت سلبي، مما لا يؤثر كثيرًا على التواصل البشري. يقول الروبوت، بطريقة تذكرنا برئيس رايجان، تم ارتكاب خطأ.
لكن في الجولة التالية، يقول الروبوت: لقد ارتكبت خطأ. ويمكنك فقط مشاهدة ما يحدث هنا. دعنا نرى إذا كان بإمكاننا فعل ذلك. (25 ثانية من التوقف) لذا عبر العديد والعديد من الجولات، هذا هو النمط الذي نجده. لذا فإن التلاعب البسيط، التلاعب البسيط في نمط خطاب الروبوت يغير كيفية تفاعل البشر مع بعضهم البعض. [00:30:25] ولا أعتقد أنه يتطلب الكثير من التخيل حول كيفية تأثير الطريقة التي نصمم بها روبوتات الدردشة وكل شيء آخر ليس فقط على مثال ألكسا الذي قدمته لك في البداية، بل أيضًا كيف نتعامل مع بعضنا البعض. يبدو أن البشر يثقون ببعضهم البعض أكثر ويستمتعون أكثر في هذا الوضع.
الآن هنا لا يزال، وأعتقد أن هذه هي التجربة الأخيرة التي سأعرضها عليك ثم سأختتم، في تجربة أخرى، قمنا بتطوير منصة سيبرانية-فيزيائية جديدة لاختبار مثل هذه الآثار الاجتماعية والأخلاقية لأنواع بسيطة من الذكاء الاصطناعي. لأن طبيعة مشاكل العمل الجماعي، قد يؤدي تورط الذكاء الاصطناعي في المجموعات البشرية بشكل متناقض وغير مقصود إلى قمع المعايير الاجتماعية المفيدة الموجودة لدى البشر، مثل تلك التي تتعلق بالتعاون والإيثار التي تطورنا كنوع لتكون لدينا. لذا لدينا مئات الآلاف من السنوات من الانتقاء الطبيعي الذي يعمل علينا لجعلنا قادرين على حل مشاكل العمل الجماعي. لذا السؤال هو، إذا قمنا بتفويض بعض من هذه الوكالة إلى الآلات، هل سنفقد القدرة على العمل معًا لحل تلك المشاكل؟ [00:31:32] هل سنعتمد على هذه الآلات، وبالتالي نتدهور قدرتنا الفطرية على التعاون والتنسيق والإبداع وما إلى ذلك؟ لذا في هذه التجربة، بالتعاون مع هيرو شيراتو في جامعة كارنيجي ميلون، طالب دراسات عليا سابق لي، قمنا ببناء منصة تتضمن مركبتين ميكانيكيتين صغيرتين مزودتين ب Raspberry Pi، وربطناها ببعض البرمجيات التي لدينا التي تتيح لنا تنظيم تجارب عبر الإنترنت على نطاق واسع. لذا كان الناس في منازلهم، وتم تعيين إحدى هذه السيارات لهم، وهم يقودون هذه السيارات نحو بعضها البعض،
ثم جعلناهم يلعبون لعبة الدجاج. في لعبة الدجاج، كما تعلم، الشخص الذي يصل إلى الجانب الآخر بأسرع ما يمكن هو الفائز. لذلك أنت مُحَفَّز لعدم الاستسلام للشخص الآخر. لكن إذا اختار كل منكما عدم الاستسلام، فسوف تصطدمان، وبهذا ستحصلان على أسوأ عائد. لذا ما سيفعله البشر في هذا الموقف، إذا كنت تلعب لعبة دجاج متكررة، هو أنك ستتعلم بسرعة أن تأخذ دورك. هذه المرة دورك في الذهاب مباشرة، سأركن وأدعك تمر، لكن في المرة القادمة، أنت من يركن ويدعني أذهب مباشرة. [00:32:35] إذا كنا أنانيين، سنستمر في الاصطدام ببعضنا البعض، مثل تدمير بعضنا مرارًا وتكرارًا، أو بشكل غبي، كلانا ننحرف بعيدًا، ولا يحصل أي منا على فائدة الذهاب مباشرة. في هذا الموقف، قررت السيارة الصفراء التوقف، بينما تواصلت السيارة الزرقاء بلا عوائق إلى الجانب الآخر.
استخدمنا 300 مشارك و150 ثنائية، وكانوا يتلقون أجرًا بناءً على مدى سرعة وصولهم إلى الجانب الآخر. ثم أضفنا بعض الذكاء الاصطناعي. أضفنا مساعدة الفرامل التلقائية، حيث عند وجود إنذار القرب، عندما تتقارب مع السيارة الأخرى، تتوقف السيارة وتعطيك فرصة لتقرر، هل يجب أن أتحوّل وأدَع هذا الشخص يمر، أو بالعكس. كما أضفنا مساعدة التوجيه التلقائي، وهي أنه في اللحظة التي تقترب فيها من السيارة الأخرى، تنحرف ببساطة، حسنًا؟ وأضفنا وظيفة تواصل بسيطة، حيث يمكن للناس أن يقولوا شكرًا، أو شيئًا من هذا القبيل. تواصل مثالي جدًا. أولاً، أظهرنا أن مساعدة الفرامل التلقائية، حيث تتوقف السيارات على مسافة ثابتة قبل الاصطدام، زادت من الإيثار البشري. [00:33:38] أي، إفساح المجال للآخرين، كما تفعل السيارة الصفراء هنا. لذا، جعل إضافة القليل من مساعدة الفرامل التلقائية الذكاء الاصطناعي الأمر أسهل للبشر للعمل معًا والتعاون في هذه الحالة. علاوة على ذلك، فإن السماح للبشر بالتواصل يساعدهم على تقديم تنازلات متبادلة في حالة الفرامل التلقائية. من ناحية أخرى، كانت مساعدة التوجيه التلقائي، حيث انحرفت السيارة ببساطة، تعيق تمامًا ظهور التعويض بين الأشخاص لصالح تعظيم المصلحة الذاتية. الناس يتخلون عن قدرتهم الأخلاقية. لا يهتمون بعد الآن. يتركون الآلة تنحرف مرارًا وتكرارًا، ويستسلمون، حسنًا؟ لذا، كل القدرات الأخلاقية الفطرية التي كان لدى الناس قد أزيلت الآن من خلال إضافة الذكاء الاصطناعي في حالة التوجيه التلقائي، لكن تم تعزيزها في حالة الفرامل التلقائية. وينبغي أن يجعلك هذا تتوقف. يجب أن تفكر، يا إلهي، كل تغيير بسيط نقوم به عند برمجة هؤلاء الوكلاء الذكاء الاصطناعي قد يكون له آثار جيدة أو سيئة على ميول الناس الطبيعية.
قدرة الناس على التعاون واتخاذ الأدوار والعمل بشكل altruistic يمكن أن تتآكل، مما يؤدي إلى نتائج جماعية وفردية أسوأ في النهاية. [00:34:46] وفي الواقع، باختصار، يمكن أن تؤدي الذكاء الاصطناعي إلى نوع من الكسل الأخلاقي. (..) إليكم مثال أخير عن التغيير الدائم بعد التعرض للذكاء الاصطناعي في الأنظمة الهجينة. وهو أيضًا مثال على كيفية تغيير وجود الذكاء الاصطناعي للتفاعلات البشرية، حتى بعد أن لم يعد الذكاء الاصطناعي طرفًا في التفاعلات. في عام 2016، طورت DeepMind AlphaGo، وفي نفس العام، لعبت هذه الوكيلة الذكية ضد لي سيدول، البطل العالمي المذهل من كوريا.
شاهدت المباراة. لا أستطيع لعب Go، لكنني أعترف أنه لعبة رائعة. يلعب ابني Go. (.) وكنت realmente أشجع لي سيدول. لي سيدول مثل بطل في كوريا، مثل الطريقة التي لدينا بها، كما تعرفون، رياضيين عظماء على صناديق Wheaties وأشياء. مثل، صورته على عبوات النودلز الصغيرة وعلى عبوات الحبوب. مثل، أعتقد أنه من الرائع أنه في كوريا يمكن لشخص مثلي يفكر بذكاء أن يُرى كشخص مهم، حسناً؟ لذا فهو مشهور جدًا في كوريا. وعندما خرج للمباراة الأولى، كان مغرورًا جدًا. [00:35:47] يمكنني أن أخبر أنه مغرور جدًا. وخسر أمام الآلة، ثم اعتذر لجماهيره. قال، أنا آسف جدًا. إنها خمس مباريات. الأفضل من ثلاثة من أصل خمسة انتصارات. ثم يلعب مباراة ثانية، ويخسر مرة أخرى. والآن أصبح جادًا. ثم يلعب مباراة ثالثة، ويخسر. لقد خسر المنافسة.
وكان بإمكانك أن ترى نوعًا ما الجمهور، وكان المعلقون مندهشين من قدرة الآلة على لعب Go، وجعل هذه الحركات الغريبة والجميلة، وبعضها اكتشفوه لاحقًا أنه تم لعبه لأن لدينا سجلات تعود لآلاف السنين لمباريات Go التي لعبت في المحكمة الإمبراطورية الصينية. وكان بإمكانهم أن يجدوا، يا إلهي، هذه حركة من العصور الوسطى التي قامت بها الآلة. لم نشاهدها منذ فترة طويلة.
ثم عادت ليزا دال في اللعبة الرابعة، وفاز. (..) وبكيت. كنت سعيدًا جدًا. (..) لأنه كان لديه الآلة، كما تعلم، لقد عاد من أجل نوعي، وقد تغلب على تلك الآلة اللعينة. مثل، بشكل بطولي، لم أستطع أن أفهم، مثل، قوة العقل التي كان يجب أن تتطلبها ليزا دال للقيام بذلك. [00:36:49] كنت في قمة السعادة في تلك اللحظة، وفخورًا به لأنه لا يزال يحاول، حتى بعد أن خسر المباراة.
ما هو مثير للاهتمام هو عندما تم إجراء مقابلة مع ليزا دال فيما بعد، قالت ليزا دال أن أسلوب لعبه تغير بعد المباراة. لذا مرة أخرى، الذكاء الاصطناعي يساعد البشر على مساعدة أنفسهم، حسناً؟ إنه يغير كيفية لعبه بسبب الاتصال. والتحقيقات اللاحقة من علماء آخرين نظرت إلى لاعبي غوو المحترفين ونظرت إلى جودة القرار المتوسطة. هناك بعض المعايير في غوو للنظر في مدى جودة الحركة، والغرابة المتوسطة، مثل مدى كون الحركة غير عادية. وقد وجدوا أنه عندما هزم AlphaGo بطل العالم البشري في عام 2016، بدأ لاعبو غوو في جميع أنحاء العالم يتخذون قرارات أفضل وأكثر ابتكاراً، حسناً؟ لذا، جميع البشر الذين يلعبون غوو مع بعضهم تغيروا بسبب إضافة AlphaGo. الذكاء الاصطناعي يساعد البشر على مساعدة أنفسهم. لذا، نحن نواصل البناء على عملنا لتصميم وإضافة روبوتات بسيطة لهذه وغيرها من المواقف التي تتعلق بالمآزق الاجتماعية ومشاكل العمل الجماعي. [00:37:55] نحن ننظر في كيفية تأثير الروبوتات على التنسيق والتعاون والتواصل والإبداع والثقة والملاحة والمشاركة والإخلاء. وفي مختبرنا، نحن لسنا مركزين على الذكاء الاصطناعي الذكي جداً، مثل LLMs أو AlphaGo، ليحل محل الإدراك البشري، بل على الذكاء الاصطناعي الغبي ليكمل التفاعل البشري. نحن لا نحاول اختراع ذكاء اصطناعي ذكي للغاية ليحل محل الإدراك البشري. نحن نخترع ذكاء اصطناعي غبي ليكمل التفاعل البشري. وذكاءنا الاصطناعي يمكن أن يكون غبياً لأن البشر أذكياء. ذكاءنا الاصطناعي مثل البلاتين الذي يضاف إلى تفاعل كيمياء عضوية. إنه مجرد محفز. كل ما نحتاجه هو المحفز لمساعدة مجموعة من الناس لتكون أفضل.
ومن المؤكد أنه من المهم الاعتراف بأن العكس ممكن أيضًا. يمكن استخدام الذكاء الاصطناعي الاجتماعي لإيذاء مجموعات من الناس. ولكن نهجنا يقدم عددًا من المزايا التقنية والمفاهيمية الأخرى. أولاً وقبل كل شيء، هذه الروبوتات البسيطة مفهومة وبالتالي توضح بوضوح القوى والفرص الأوسع. على عكس النماذج اللغوية الكبيرة، التي تعتبر صندوقًا أسود ولا تعرف ما الذي تفعله، يمكنني أن أخبرك بالضبط بما يفعله روبوتنا. [00:38:58] إنه صاخب. يقوم بترتيب التعارف. يُمرر الرسائل بهذه الطريقة المحددة جدًا. وثانيًا، يمكن أن توفر تجارب الروبوت لدينا نظرة أيضًا حول كيفية تغير سلوك البشر بشكل إيجابي. بعبارة أخرى، يمكنني أخذ هذا من المختبر ويمكنني تعليم مجموعة من البشر أن يقوموا بما فعله روبوتنا. بطريقة ما، لا يمكنك بسهولة تعليم مجموعة من البشر فقط القيام بما فعلته شات جي بي تي هنا. نحن لا نعرف ما الذي تفعله شات جي بي تي، لكنك تعرف ما الذي يفعلونه في حالتنا.
لذا أود أن أنهي، هذه شريحة الأخيرة لي، بصورة مجازية. اعتبر هذين الشيئين. كلاهما مصنوع من الكربون. إذا قمت بأخذ ذرات الكربون وتوصيلها بطريقة معينة، ستحصل على الجرافيت، الذي هو ناعم ومظلم. إذا أخذت نفس ذرات الكربون ووصّلتها بطريقة أخرى، ستحصل على الماس، الذي هو صلب وواضح. وهناك فكرتان intelectuel رئيسيتان هنا. أولاً، هذه الخصائص من النعومة والظلام والصلابة والوضوح ليست خصائص لذرات الكربون. بل هي خصائص لمجموعة ذرات الكربون. وثانياً، الخصائص التي تحصل عليها تعتمد على كيفية توصيل ذرات الكربون ببعضها البعض. إذا أخذت نفس ذرات الكربون ووصّلتها بطريقة معينة، ستحصل على مجموعة واحدة من الخصائص. [00:40:01] إذا وصّلتها بطريقة أخرى، ستحصل على مجموعة مختلفة تمامًا من الخصائص. وبالمثل، فإن طبيعة اتصالاتنا تؤثر على خصائص مجموعاتنا الاجتماعية. إن الروابط بين الأشخاص يمكن أن تجعل الكل أكبر من مجموع أجزائه. يمكن أن تظهر وتنتشر خصائص جديدة، مثل التعاون والعنف، الابتكار والإنتاجية، الثقة وعدم الثقة، الحقيقة والباطل، الثروة والفقر، الصحة والسعادة، بسبب الروابط، بسبب الوصلات بين الأشخاص، وليس بالضرورة فقط بسبب الأشخاص أنفسهم. في الواقع، يعتمد تجربتنا في العالم على هيكل ووظيفة الشبكات من حولنا، القريبة والبعيدة. وقد تطورت نوعنا لتكون هذه هي الحالة. ويجب ألا نتفاجأ أننا سنستجيب للذكاء الاصطناعي في محيطنا. شكرًا جزيلاً.
