إيـثان مولّك يطرح استخدام البيانات التركيبية لمحاكاة فيزيائيين في العصر الفيكتوري يؤمنون بالأثير المتوهّج

ملخص

الفكرة الأساسية: سدّ فجوات السجلات التاريخية بالبيانات التركيبية، ثم تشغيل محاكاة تاريخية افتراضية. طرح إيـثان مولّك (كلية وارتون، يبحث كيف يغيّر الذكاء الاصطناعي طريقة العمل) تصورًا على وسائل التواصل الاجتماعي: استخدام بيانات تركيبية مولّدة بالذكاء الاصطناعي لبناء «الوثائق المفقودة»، بحيث يقوم النموذج بتشغيل سيناريوهات تاريخية افتراضية. ومثالُه هو أن يُجسّد وكيلٌ ذكي دورَ عالمٍ فيكتوري ما زال يلاحق «الأثير المتوهّج»، مع الاستفادة في الأسلوب من طريقة نيل ستيفنسون لنسج التاريخ الحقيقي مع السرد الخيالي.

خلفية المشكلة بسيطة: بعض الفترات التاريخية تكون فيها توثيقات الحقائق شحيحة جدًا. إذا أمكن تعويضها بشكل معقول بالبيانات التركيبية، يستطيع الذكاء الاصطناعي محاكاة المسارات التي لم تحدث ولكن «كان يمكن أن تحدث». وبالنسبة إلى صناعة الذكاء الاصطناعي، فهذا يشير إلى التعليم والعلوم الإنسانية—فهذان المجالان ما يزالان يبحثان عن سيناريوهات قابلة للتطبيق.

التحليل

يُحدد مولّك في كتابه «Co-Intelligence» الذكاء الاصطناعي كأداة للتعاون. ويدفع هذا التصور الفكرة إلى النمذجة في التاريخ وتاريخ العلوم:

• تعويض فجوات الوثائق في العصر الفيكتوري ببيانات تركيبية
• تمكين الوكلاء من «التقدّم الذاتي» في معالجة المشكلات العلمية في ذلك العصر ضمن قيود معينة
• ليس الهدف نسخ الوقائع التاريخية، بل استعادة حدود الإدراك وأساليب الاستدلال في ذلك الزمن

يُعدّ الأثير المتوهّج موضوعًا جيدًا. كان الاعتقاد السائد في القرن التاسع عشر أن انتشار الضوء في الكون يتطلب وسيطًا غير مرئي. أثبتت تجربة ميكلسون-مورلي عام 1887 عدم وجود هذا الوسيط، مما يمهّد الطريق للنسبية التي جاء بها آينشتاين لاحقًا. إذا جعلنا الذكاء الاصطناعي ينطلق من قبل عام 1887، ومعه افتراض مسبق بأن «الأثير موجود بالتأكيد»، لاستكشاف مسائل الفيزياء، فيمكن إعادة بناء سلسلة الاستدلال العلمي قبل تحوّل النموذج الإطاري، بدلًا من استخدام الإجابات الحديثة لإجراء «ضربة من مستوى أعلى» بعدّة أبعاد.

الاستشهاد بستيفنسون ليس أمرًا اعتباطيًا أيضًا. «الثلاثية الباروكية» (The Baroque Cycle) يدخل فيها ستيفنسون شخصيات تاريخية مثل نيوتن وليبنتز ضمن سردٍ خيالي في مجالات العلم والتشفير والتمويل. رؤية مولّك متقاربة: أن يُنشئ الذكاء الاصطناعي مسارات تاريخية معقولة من «الممكن حدوثها لكنها لم تحدث»، ثم النظر في أين تختلف هذه المسارات عن التاريخ الحقيقي.

المخاطر واضحة كذلك: قد تُفضي البيانات التركيبية إلى الهلوسة والتحيز. إذا كانت البيئة التاريخية «المُستكمَلة» نفسها خيالًا، فكيف نميّز بين الاستنتاجات المفيدة والتخريف المضلِّل؟ لا توجد حاليًا معايير تحقق وتوسيم معترف بها، وهذه عثرة لا بد من تجاوزها قبل التطبيق على أرض الواقع.

النتائج المترتبة

• التعليم والمتاحف: يمكن تطوير دورات أو معارض تفاعلية، وتشغيل سيناريوهات تاريخية افتراضية ضمن نطاق يمكن التحكم فيه، بحيث يصبح التعلّم أكثر إحساسًا بالمشاركة
• مراكز التفكير للسياسات: بناء ساحة لعب «what-if» لاختبار تفرّعات مسارات السياسات التاريخية وتكاليفها
• فرص في الصناعة: سلسلة أدوات تشمل «البيانات التركيبية—النمذجة السياقية—محاكاة تعددية الوكلاء»، قد تصبح البنية التحتية لـ edtech والعلوم الإنسانية الرقمية
• المخاطر والحَوْكمة: إذا بدا ناتج الذكاء الاصطناعي ذا سلطة دون الإشارة إلى المصدر ودرجة الثقة، فقد يُعظّم أخطاء الذاكرة وتلوّث المعلومات. يلزم اتباع إجراءات تحقق صارمة ووضع وسم واضح لمحتوى التوليد، وقد يتدخل المنظمون أيضًا

النقاط الأساسية

• تجعل البيانات التركيبية التاريخ الافتراضي قابلًا للتطبيق على مستوى «المواد»، خصوصًا في الفترات والمجالات التي تكون فيها الوثائق نادرة
• يُظهر مثال الأثير المتوهّج أن الذكاء الاصطناعي يستطيع إعادة السير في الاستدلال العلمي داخل إطار معرفي «قبل تحوّل النموذج»، لمساعدتنا على فهم قيود اتخاذ القرار التي كان يواجهها العلماء آنذاك
• التحقق والوسم هما المشكلة الأولى على الإطلاق: كيف نحدد «الاستدلال المفيد» و«التخيل المضلِّل»، ما زال يحتاج إلى اختراقات في المنهجية والأدوات

التطورات ذات الصلة

• أجَرَ الباحثون بالفعل تجارب كتابة تاريخية افتراضية باستخدام LLM على منصات مثل Substack
• في 2024، ناقشت arXiv (arXiv:2407.13922) استخدام «الوجوه الافتراضية التوليدية المُعاكسة للواقع» لتحليل انحيازات النماذج البصرية، ما يوضح أن البيانات التركيبية لها إمكانات في الأبحاث المتعلقة بالاستدلال الاستدلالي (extrapolation) والإنصاف
• نقلت MIT Technology Review عن ممارسات تساعد فيها الذكاء الاصطناعي المؤرخين على فهم وثائق مثل الخرائط النجمية بشكل أفضل

هذه الاتجاهات متوافقة في الأصل مع أفكار مولّك: توسيع حدود قدرتنا على فهم الماضي (وأيضًا الفروع التي كان يمكن أن يتخذها الماضي) باستخدام الذكاء الاصطناعي.

مزيد من القراءة

• إيـثان مولّك: «Co-Intelligence: Living and Working with AI» (Penguin Portfolio، 2024)
• نيل ستيفنسون: «The Baroque Cycle»
• ورقة arXiv: «Synthetic Counterfactual Faces» (arXiv:2407.13922، 2024)
• MIT Technology Review: «How AI is helping historians better understand our past» (4 أبريل 2023)

**الحكم على الخط الفاصل: ** إنها رواية «مبكرة ودافعةٌ منهجيًا». حاليًا، فهي أكثر ملاءمة لمن يرغب في صقل بناء البيانات وخطوط التقييم—مُطوّرو أدوات edtech/العلوم الإنسانية الرقمية والجهات البحثية. أما من يريد تحقيق أرباح بسرعة على المدى القصير فلا يوجد لديه ما يمكن فعله تقريبًا، ويمكن للتمويل طويل الأجل متابعة ذلك بحصة صغيرة، لكن من يمتلك التفوق الحقيقي هم أولئك الذين يبنون المعايير والمنتجات.