طالب في العشرين من عمره يطور ذكاءً اصطناعياً يتنبأ بمستقبل المجتمعات

في منتصف الليل، وبينما يتصفح أحدهم مستودعات GitHub المعتادة، يظهر اسم جديد يتصدر القائمة العالمية متفوقاً على مشاريع من OpenAI وغوغل ومايكروسوفت. ليس شركة ناشئة عملاقة، ولا فريقاً بحثياً من عشرات المهندسين، بل طالب جامعي في العشرين من عمره. هذه ليست قصة إعجاب عابرة، بل مؤشر على تحوّل أعمق في بنية صناعة الذكاء الاصطناعي.

مشروع MiroFish، الذي طوّره طالب صيني يُدعى غوو هانغجيانغ خلال عشرة أيام فقط، يقوم على فكرة جريئة: إنشاء آلاف الوكلاء الاصطناعيين ذوي شخصيات وذكريات وعلاقات اجتماعية، ثم إسقاطهم داخل بيئة محاكاة ليتفاعلوا ويتجادلوا ويؤثروا في بعضهم البعض، قبل استخراج تنبؤات مما ينتج عن هذا التفاعل. خلال أيام تصدّر المشروع قائمة GitHub Trending عالمياً، ثم حصد تمويلاً بقيمة 4.1 ملايين دولار من المستثمر تشين تيانكياو.

القصة هنا لا تتعلق بالعمر أو سرعة التطوير فقط، بل بتجميع ذكي لبنية تحتية نضجت في اللحظة المناسبة: نماذج لغوية كبيرة، أطر تنظيم متعددة الوكلاء، أنظمة ذاكرة سحابية، واسترجاع قائم على الرسوم البيانية. لم يخترع غوو هذه الأدوات، لكنه أحسن تركيبها.

وراء الواجهة يقف محرك OASIS مفتوح المصدر من مجتمع CAMEL-AI، وهو إطار مصمم لمحاكاة ما يصل إلى مليون تفاعل بين وكلاء افتراضيين. يدعم أكثر من عشرين نمطاً من الأفعال الاجتماعية مثل المتابعة والتعليق وإعادة النشر، ويستند إلى أدبيات علم الاجتماع وعلم النفس الاجتماعي لرصد ظواهر مثل الاستقطاب وتأثير القطيع وانتشار المعلومات.

كل وكيل يعتمد على نموذج لغوي كبير في اتخاذ القرار، ويمتلك ذاكرة مستمرة تُمكّنه من تذكّر تفاعلات سابقة. هذا البُعد التراكمي يضيف طبقة من "الخبرة" داخل المحاكاة، بحيث لا تكون الاستجابات معزولة، بل ناتجة عن تاريخ من العلاقات والاحتكاكات. النتيجة سلوك ناشئ لا يُبرمج مباشرة، بل يتشكل من الأسفل إلى الأعلى.

النهج الذي يمثله MiroFish يختلف عن التعلّم الآلي التقليدي. بدلاً من تحليل بيانات تاريخية لاستخراج أنماط، يحاول بناء مجتمع افتراضي يختبر سيناريوهات محتملة. في إحدى التجارب، تم إدخال بيانات جدل طلابي حقيقي، ثم محاكاة تطور الرأي العام بمرور الوقت. وفي تجربة أخرى، جرى استكمال نهاية رواية كلاسيكية عبر تفاعل آلاف الشخصيات الافتراضية المستندة إلى النص الأصلي.

هذا التحول من التنبؤ القائم على البيانات إلى التنبؤ القائم على المحاكاة يفتح أبواباً جديدة، خصوصاً في السياسات العامة، واختبار اللوائح التنظيمية، وحتى أسواق التنبؤ المالي. الفكرة هي توليد "مستقبل افتراضي" لاختبار القرارات قبل وقوعها.

رغم الضجة، لا توجد حتى الآن معايير منشورة تقارن دقة تنبؤات النظام بالنتائج الواقعية. العروض الحالية تُظهر المنهجية أكثر مما تثبت الصحة التنبؤية. كما أن هناك مشكلة انحياز سلوكي؛ فالوكلاء المعتمدون على نماذج لغوية يميلون إلى الاستقطاب أسرع من البشر الحقيقيين، ما قد يؤدي إلى نتائج أكثر تطرفاً من الواقع.

إصلاح هذه القيود يتطلب عملاً بحثياً عميقاً لا يقل أهمية عن الحماس المحيط بالمشروع.

القصة الأوسع تتجاوز MiroFish نفسه. ما حدث يعكس كيف مكّن نضج البنية التحتية للذكاء الاصطناعي أفراداً من بناء أنظمة كانت تتطلب فرقاً كاملة قبل سنوات قليلة. نحن أمام لحظة تنخفض فيها كلفة الابتكار بينما ترتفع قدرته التأثيرية.

إذا تطورت هذه الأنظمة وأُحكمت معاييرها، فقد تصبح أداة أساسية لدى الحكومات لاختبار السياسات، ولدى الشركات لمحاكاة ردود فعل السوق، وربما لدى الباحثين لفهم ديناميكيات المجتمعات الرقمية. لكن في المقابل، يبرز سؤال أخلاقي حول استخدام محاكاة البشر للتأثير في البشر أنفسهم، وهو ملف لم تتبلور ضوابطه بعد.

ربما لا يكون الأهم أن طالباً حصل على تمويل بملايين الدولارات، بل أن شخصاً واحداً استطاع خلال أيام تجميع أدوات مفتوحة المصدر لبناء محرك يحاكي مجتمعاً كاملاً. هذه ليست نهاية الطريق، بل بداية مرحلة يصبح فيها فهم حدود الذكاء الاصطناعي وأطره الأخلاقية مهارة لا تقل أهمية عن القدرة على برمجته.